为什么在Matlab中调用gpu每次都要等很久？ - 知乎68被浏览11415分享邀请回答59 条评论分享收藏感谢收起0添加评论分享收藏感谢收起查看更多回答windows7+visual studio 2013+CUDA7.5 编译caffe+配置matcaffe+配置pycaffe - CSDN博客
windows7+visual studio 2013+CUDA7.5 编译caffe+配置matcaffe+配置pycaffe
经过朋友指导，终于成功在windows7上成功编译了caffe，这里将编译过程记录
安装文件准备
1.1 visual studio 2013安装包下载
选择Visual Studio 2013–&Ultimate 2013版–&简体中文iso文件–&下载
1.2 CUDA7.5 (optional)
如果不需要cuda版本的caffe，本步跳过
1.3 windows版本caffe
下载地址为GitHub的
一定要注意，brand那里选择windows
1.4 下载cuDNN
(optional)
如果不需要配置cuDNN，该步请跳过
从下载cuDNN v3或者是cuDNN v4，注意，需要注册才能下载
下载后解压缩，如下图所示
1.5 下载Anaconda安装包 (optional)
该安装包是用来安装python的，从而可以配置pycaffe
这里选择的是利用Anaconda的方法按照python，所以才需要下载Anaconda安装包，当然，也可以按照其他的方法安装
如果不需要配置pycaffe，该步请跳过
一般情况下，可能大家的机器上都已经安装了python，那么，也请跳过该步
Anaconda安装包下载地址：
1.6 下载Matlab安装包 (optional)
该安装包是用来安装matlab的，从而可以配置matcaffe
如果不需要配置matcaffe ，该步请跳过
一般情况下，可能大家的机器上都已经安装了matlab，那么，也请跳过该步
matlab下载地址这里就不列出了，请自行寻找
2.安装visual studio 2013
具体安装方法见：
3.安装cuda7.5 (optional)
如果不需要cuda版本的caffe，本部分可以跳过
安装方法与中的cuda安装方法一致，只不过是版本号不同而已
4. 利用Anaconda安装python (optional)
如果你的本机没有安装python，并且你需要配置pycaffe，那么，请按照安装python
安装完python后，再安装一下protobuf，因为后面编译pycaffe时有需要：
利用pip工具安装protobuf：pip install protobuf
5. 安装matlab (optional)
如果你的本机没有安装matlab ，并且你需要配置matcaffe，那么，请安装matlab，具体安装方法请自行查阅
6.修改配置文件
在github上下载的window caffe把呢你自带一个配置文件的例子，在进行编译之前，需要先更改该文件内容
6.1 解压缩下载的caffe-windows文件
这里假设caffe-windows被解压到了如下的文件夹中
6.2 进入到windows文件夹
6.3 复制配置文件，并重命名
将该文件夹（即.\windows）下的CommonSettings.props.example文件复制一份儿，并将复制的文件命名为CommonSettings.props
6.4 修改配置文件（修改工程的属性文件）
6.4.1 配置文件说明
caffe-windows自带的配置文件CommonSettings.props.example中与我们后面要进行的编译密切相关的就是如下部分
例子中所有配置参数都是默认值
CpuOnlyBuild：是否使用CPU
默认值为False（即使用GPU编译）
如果本机没有配置好CUDA，那么，该值应该赋值为True；
如果本机已经配置好CUDA，并且需要编译CUDA版本的caffe，那么，该值应该赋值为True、
UseCuDNN：是否使用CuDNN
默认值为True；
如果本机没有配置好CUDA，那么，该值应该赋值为False；
注意：CpuOnlyBuild和CuDNN不能同时为True；
如果这里设置为True，那么还需要对&CuDnnPath&&/CuDnnPath&赋值，即下载的CuDNN的路径
CudaVersion：CUDA的版本
PythonSupport：是否支持python
默认值为False，即后续不编译pycaffe；
如果需要编译pycaffe，那么该值设置为True
如果这里设置为true，那么还需要对 &PythonDir&C:\Miniconda2\&/PythonDir&赋值
上面的值是默认的，应该修改为本机的python安装路径，也就是python.exe所在路径，例如，本机是利用Anaconda安装的python，路径如下：D:\program file\Anaconda2 ，那么，应该令 &PythonDir&D:\program file\Anaconda2&/PythonDir&
MatlabSupport：是否支持matlab
默认值为False；
如果需要编译matcaffe，那么该值设置为True
如果该值设置为true，那么还需要对&MatlabDir&C:\Program Files\MATLAB\R2014b&/MatlabDir&进行赋值：
上面的路径是默认的，需要更改为本机的matlab安装目录，例如，本机的matlab安装路径如下：D:\Program Files\MATLAB\R2014b，那么，&MatlabDir&D:\Program Files\MATLAB\R2014b&/MatlabDir&
6.4.2 非CUDA版本的caffe
配置文件部分设置如下：
Label="UserMacros"&
&$(SolutionDir)..\Build&
&compute_35,sm_35;compute_52,sm_52&
&$(SolutionDir)\scripts&
Condition="'$(CpuOnlyBuild)'=='false'"&
&cublas.cuda.curand.cudart.lib&
Condition="'$(UseCuDNN)'=='true'"&
&cudnn.$(CudaDependencies)&
Condition="'$(UseCuDNN)'=='true' And $(CuDnnPath)!=''"&
&$(CuDnnPath)\cuda\lib\x64;$(LibraryPath)&
&$(CuDnnPath)\cuda\$(IncludePath)&
&$(BuildDir)\$(Platform)\$(Configuration)\&
&$(BuildDir)\Int\$(ProjectName)\$(Platform)\$(Configuration)\&
&$(OutDir);$(CUDA_PATH)\lib\$(Platform);$(LibraryPath)&
&$(SolutionDir)..\$(SolutionDir)..\include\caffe\$(CUDA_PATH)\$(IncludePath)&
Condition="'$(PythonSupport)'=='true'"&
&C:\Miniconda2\&
&$(PythonDir)\$(LibraryPath)&
&$(PythonDir)\$(IncludePath)&
Condition="'$(MatlabSupport)'=='true'"&
&C:\Program Files\MATLAB\R2014b&
&$(MatlabDir)\extern\lib\win64\$(LibraryPath)&
&$(MatlabDir)\extern\$(IncludePath)&
6.4.3 CUDA版本的caffe
配置文件部分设置如下：
Label="UserMacros"&
&$(SolutionDir)..\Build&
&compute_35,sm_35;compute_52,sm_52&
&D:\software\caffe-vs\cuda-cuDNN&
&$(SolutionDir)\scripts&
Condition="'$(CpuOnlyBuild)'=='false'"&
&cublas.cuda.curand.cudart.lib&
Condition="'$(UseCuDNN)'=='true'"&
&cudnn.$(CudaDependencies)&
Condition="'$(UseCuDNN)'=='true' And $(CuDnnPath)!=''"&
&$(CuDnnPath)\cuda\lib\x64;$(LibraryPath)&
&$(CuDnnPath)\cuda\$(IncludePath)&
&$(BuildDir)\$(Platform)\$(Configuration)\&
&$(BuildDir)\Int\$(ProjectName)\$(Platform)\$(Configuration)\&
&$(OutDir);$(CUDA_PATH)\lib\$(Platform);$(LibraryPath)&
&$(SolutionDir)..\$(SolutionDir)..\include\caffe\$(CUDA_PATH)\$(IncludePath)&
Condition="'$(PythonSupport)'=='true'"&
&D:\File Program\Anaconda\&
&$(PythonDir)\$(LibraryPath)&
&$(PythonDir)\$(IncludePath)&
Condition="'$(MatlabSupport)'=='true'"&
&D:\File Program\Matlab\&
&$(MatlabDir)\extern\lib\win64\$(LibraryPath)&
&$(MatlabDir)\extern\$(IncludePath)&
注：事实上，对cuDNN路径的配置有两种方案：
- 方案1：将cuDNN v4的压缩包内的bin、include、lib中的文件分别放置在%CUDA_PATH% （即cuda的安装路径）的相应目录中
方案2：将 .\windows\CommonSettings.props文件中的CuDnnPath设置为该解压缩路径，例如，将cuDNN解压后文件放置在D:\software\caffe-vs\cuda-cuDNN中，那么，在CommonSettings.props中，令&CuDnnPath&D:\software\caffe-vs\cuda-cuDNN\&/CuDnnPath&，即上面提到的方法
7 编译caffe
7.1 打开名称为Caffe的解决方案
利用VS2013打开名称为Caffe的解决方案
7.2 编译libcaffe项目
首先编译libcaffe项目（其他的项目依赖于libcaffe项目）
右键libcaffe，选择生成，开始编译libcaffe
还原NuGet包，即从网络下载编译需要的各种依赖包
经过一段时间等待后，编译成功
这里有两个需要注意的地方：
（1）编译过程中，可能会出现错误
error C2220: 警告被视为错误 - 没有生成“object”文件
错误的原因是编译过程中出现了警告，而导致编译无法进行，此时，需要进行如下修改：
即：设置项目属性，不要将警告视为错误
右键-&项目属性-&C/C++-&常规-&将警告视为错误 设为否
另外，有一次在另外一个机器上出现了同样的问题，但按照上述方法却未解决，是因为文件的代码页为英文，而我的系统中的代码页为中文，解决方案：利用VS打开出错的文件-&重新保存-&重启vs-&重新编译libcaffe-&问题解决。
（2）caffe编译过程中，需要一些依赖包，在有网络的情况下，当编译第一个项目libcaffe时，程序会自动从网路下载这些依赖包，下载到与caffe-windows文件夹同级的NugetPackages文件夹中，下图所示即为程序自动下载的依赖包
但在没有网络情况下，需要事先将这些依赖包下载好，并将它们的路径在vs的管理NuGet程序包中进行设置：工具-&选项-&NuGet Package Manager-&程序包源-&利用右侧的加号添加本地的package
手动添加这些package地址后，还需要手动对这些NuGet Package进行安装
（3）另外，第二次编译过程出现如下错误
发现是下载的NegetPackages\glog.0.3.3.0下载缺少两个文件:
glog.overlay-x64_v120_Release_dynamic.0.3.3.0
glog.overlay-x64_v120_Debug_dynamic.0.3.3.0
将第一次下载得到的这两个文件放入该文件夹，问题解决
注：这里的“第一次下载得到的这两个文件”是指NugetPackages中的glog.0.3.3.0文件夹下的两个文件，见下图
7.3 编译caffe项目
同样，在caffe项目处右键生成
7.4 编译pycaffe
直接在项目pycaffe右键，点击生成即可
7.5 编译matcaffe
直接在项目matcaffe右键，点击生成即可
第二次在编译matcaffe时，出现如下错误：
即编译matcaffe提示说找不到mex.h
将matlab_root/extend/include目录添加到matcaffe项目的include目录中，问题解决
上面这个问题解决后，又出现了另外一个错误
即链接器找不到libmx.lib（matlab的静态链接库），查看VC++库目录，没有发现设置问题
不知道为什么会这样， 想了一个临时的解决方便，将matlab安装路径下的\extern\lib\win64\microsoft添加到matcaffe项目-&链接器-&常规-&附加目录中，然后再次编译，成功；这是因为编译程序无法找到matlab的相关静态链接库的原因；
后来经过仔细查询，发现，原来是因为配置文件CommonSettings中的matlabDir不小心填写错误了，才会导致上面两个问题！将此处改正，上面2个问题成功解决，matcaffe编译成功
Condition="'$(MatlabSupport)'=='true'"&
&D:\Program Files\MATLAB\R2014b&
&$(MatlabDir)\extern\lib\win64\$(LibraryPath)&
&$(MatlabDir)\extern\$(IncludePath)&
7.6 编译其他项目
接下来，再依次编译其他项目，同样的方法
classification：用来分类
compute_image_mean：计算均值
convert_cifar_dat：对cifat数据集进行转换
convert_mnist_data：对mnist数据集进行转换
8.运行第一个caffe测试程序
为了测试编译好的caffe能否正常使用，需要进行测试，主要利用mnist数据集进行分类问题的测试
（1）下载测试数据集
（2）修改配置文件
进入文件夹D:\software\caffe-vs\caffe-windows\examples\mnist，即examples路径下的mnist文件夹
① 打开lenet_solver.prototxt
设置网络配置文件路径，这里使用了绝对路径，相对路径还没有尝试
② 打开lenet_train_test.prototxt
（3）运行caffe程序，具体地
① 打开cmd命令行，cd到caffe-windows的.\Build\x64\Debug路径下，在该路径下，可以直接执行caffe.exe
D:\software\caffe-vs\caffe-windows\Build\x64\Debug
或者，为了方便，可以将caffe的路径添加到环境变量Path中，这样，cmd就可以直接识别caffe命令了
② 运行caffe
caffe train -solver lenet_solver.prototxt
注意，因为上一步已经将D:\software\caffe-vs\caffe-windows\Build\x64\Debug路径添加到环境变量PATH中了，所以，这里可以直接使用caffe.exe
下面两步主要配置cuDnn、python和matlab，具体配置时，应该在4.5之前进行
9. 配置python (optional)
如果已经编译好pycaffe，那么，为了能够在python使用caffe，还需要在python中进行一些相关配置
添加环境变量
在环境变量的用户变量中，新建用户变量，变量名“PythonPath”，变量值“caffe_root\Build\x64\Release\pycaffe”
或者将文件夹\Build\x64\Release\pycaffe\caffe 复制到\lib\site-packages.
10.配置matlab (optional)
如果已经编译好matcaffe，那么，为了能够在matlab使用caffe，还需要在matlab中进行一些相关配置
添加环境变量
将&caffe_root&\Build\x64\Release\matcaffe路径添加到matlab的搜索路径中
将&caffe_root&\Build\x64\Release路径添加到环境变量PATH中
After you have built solution with Matlab support, in order to use it you have to:
add the generated matcaffe folder to Matlab search path, and
add \Build\x64\Release to your system path.
最后来张图
注：发现一篇写的比较好的博客
本文已收录于以下专栏：
相关文章推荐
1.首先去github上下载微软的caffe 
/Microsoft/caffe 
解压文件到任意位置 
2.下载CUDA7.5，并安装 
https://deve...
nuget神器， 多看看CommonSettings.props文件， 以及vs2013工程管理的方式。。（哭。。。）
Restoring NuGet packages...
To prev...
本人刚刚学习CUDA，在安装CUDA中遇到了一些问题，在此分享一下，希望可以帮助到跟我一样刚刚接触CUDA的同学。
16年5月13日之前CUDA7.5是不支持最新的Visual Studio...
Caffe学习：pycaffe接口配置
Caffe安装无CUDA版，最精简版。基本上把包安装正确就不会出现什么问题，不过自己也折腾了一周，希望对大家有所帮助。
NuGet 安装 慢
参考：Caffe
windows10下caffe安装？
Windows 10下安装配置Caffe并支持GPU加速整了好几天，终于实现 windows 环境下的 caffe 编译，实现 win10 ...
基本安装：
1.原材料vs2013
下载网址：/zh-cn/downloads/download-visual-studio-vs.aspx...
众所周知，由于网络的原因，国内访问nuget服务器一直都很慢。而我们经常使用的nuget 包可能会有几十M的大小，不挂vpn的话，下一天可能都下载不下来，现在就给大家一个下载nuget离线包的方法。以...
本文主要介绍：Windows下，根据自己的数据训练自己的网络模型。
1. 图像数据转化为lmdb格式
    转化方法及过程参考 http://blog.csdn.net/hong__fang/art...
他的最新文章
讲师：吴岸城
您举报文章：
举报原因：
原文地址：
原因补充：
(最多只允许输入30个字)CUDA跟OpenCV的混合编程，注意OpenCV需要重新编译
1.注意事项编译的办法参见：&以下是程序代码，网上搜的例子：注意事项：32位工程添加64位的支持（主要取决于你编译的版本），配置好cuda的项目路径include2.代码//swap.cu
#include &cuda_runtime.h&
#include &device_launch_parameters.h&
#include &opencv2/core/cuda_devptrs.hpp&
using namespace cv::
//自定义内核函数
__global__ void swap_rb_kernel(const PtrStepSz&uchar3& src,PtrStep&uchar3& dst)
int x = threadIdx.x + blockIdx.x * blockDim.x;
int y = threadIdx.y + blockIdx.y * blockDim.y;
if(x & src.cols && y & src.rows)
uchar3 v = src(y,x);
dst(y,x) = make_uchar3(v.z,v.y,v.x);
extern &C& void swap_rb_caller(const PtrStepSz&uchar3&& src,PtrStep&uchar3& dst,cudaStream_t stream)
dim3 block(32,8);
dim3 grid((src.cols + block.x - 1)/block.x,(src.rows + block.y - 1)/block.y);
swap_rb_kernel&&&grid,block,0,stream&&&(src,dst);
if(stream == 0)
cudaDeviceSynchronize();
}&&//swap.cpp
#include &opencv2/gpu/gpu.hpp&
#include &opencv2/gpu/stream_accessor.hpp&
using namespace cv::
extern &C& void swap_rb_caller(const PtrStepSz&uchar3&& src,PtrStep&uchar3& dst,cudaStream_t stream);
extern &C& void swap_rb(const GpuMat& src,GpuMat& dst,Stream& stream = Stream::Null())
CV_Assert(src.type() == CV_8UC3);
dst.create(src.size(),src.type());
cudaStream_t s = StreamAccessor::getStream(stream);
swap_rb_caller(src,dst,s);
&//main.cpp
#include &iostream&
#include &opencv2/opencv.hpp&
#include &opencv2/gpu/gpu.hpp&
#pragma comment(lib,&opencv_gpu2410d.lib&)
#pragma comment(lib,&opencv_core2410d.lib&)
#pragma comment(lib,&opencv_highgui2410d.lib&)
using namespace cv::
extern &C& void swap_rb(const GpuMat& src,GpuMat& dst,Stream& stream = Stream::Null());
int main()
Mat image = imread(&lena.jpg&);
imshow(&src&,image);
GpuMat gpuMat,
gpuMat.upload(image);
swap_rb(gpuMat,output);
output.download(image);
imshow(&gpu&,image);
getchar();
waitKey(0);
}&3.实现效果：&4.其他注意事项假设有两个工程：CUDA工程TestCuda；C++工程CallCuda&1. 在CUDA工程TestCuda中，&（1）.cpp文件（类成员函数定义）调用.cu文件下的函数例如.cu文件下的函数void run_kernel(); 其前面必须用 extern “C” 修饰。而.cpp文件（类成员函数定义）下的类成员函数，如，void cpp_run();如果它想调用 run_kernel()，则首先可在.h文件（类定义）中的类定义的外面先声明.cu文件下的C函数，例如，extern “C” void run_kernel();（2）CUDA工程属性--&常规中，选择配置类型为“静态库(.lib)”--&应用；&同时在工程属性下的库管理器--&常规项下的附加依赖项中，添加CUDA库：cudart.lib，curand.lib等；在附加库目录添加相应的库所在目录。2.另外的C++工程CallCuda&在CallCuda工程属性下，找到附加依赖项，添加：CUDA库(cudart.lib等)和TestCuda生成的静态库(TestCuda.lib)；以及添加附加库目录。&至此，该工程下的.cpp文件下的函数，就可以调用CUDA工程下的cpp_run()函数了，不过首先要实例化类。1.将example.cu添加到工程中。在已有工程上右键单击，选择添加已有项。2.添加编译规则。右键单击工程文件，选择“自定义生成规则”，在弹出的对话框中选择CUDA Build Rule x.x。3.修改.cu文件的编译器。右键单击.cu文件，单击属性，修改编译规则，选择刚才添加的CUDA编译器。4.添加包含目录。在项目属性-》C++-&常规-&附加包含目录中添加CUDA SDK的目录。例如&C:\Program Files\NVIDIA Corporation\NVIDIA GPU Computing SDK 3.2\C\common\inc&;&C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v4.0\include&5.添加.lib文件。在链接器-》输入中添加cudart.lib cutil32D.lib6.修改代码生成为多线程(/MT)方式。7.Done.&&以上是工程配置。&除此之外，还要把调用cuda代码的c++函数在.cu文件中用extern &C& 包含起来。并且在调用文件.cpp中用extern &C&声明该函数，然后调用。&&
看过本文的人也看了：
我要留言技术领域：
取消收藏确定要取消收藏吗？
删除图谱提示你保存在该图谱下的知识内容也会被删除，建议你先将内容移到其他图谱中。你确定要删除知识图谱及其内容吗？
删除节点提示无法删除该知识节点，因该节点下仍保存有相关知识内容！
删除节点提示你确定要删除该知识节点吗？ubuntu16.04+cuda8.0（GTX1080）+caffe安装-
ubuntu16.04+cuda8.0（
ubuntu16.04+cuda8.0（GTX1080）+caffe安装
ubuntu16.04安装
手动添加显卡选项。
具体我的做法是：首先参考
1）安装时，将箭头移动至”install ubuntu”，按”e”进入编辑模式，进入命令行模式, 然后去掉”—”后，依照不同显卡进行不同显卡驱动选项的添加
（1）Intel
或8系列显示晶片：i915.modeset=1或i915.modeset=0
（2）Nvidia：nomodeset
（3）其它厂牌(如ATI，技嘉)：xforcevesa或radeon.modeset=0 xforcevesa [DELL T3400显卡为Nvidia FX580，选择nomodeset]
然后按 F10或ctrl+x安装
2）分区：efi
（内存16G）
其余都是/home
3）安装结束后，重启时，按住shift不放进入grub画面
按”’e”’ 进入编辑开机指令的模式, 找到”’ro quite splash”’ ，在ro 与 quite 之间写入nomodeset，并将本行后面的字母删掉。
按 ”F10”启动系统.
4）进去系统之后我的桌面一片空白，无法使用终端。所以进入字符界面，编辑”’/etc/default/grub”’ 这个档案(要管理者权限sudo)。
sudo vi /etc/default/grub
5）找到这一行:
GRUB_CMDLINE_LINUX_DEFAULT=”quiet splash”
GRUB_CMDLINE_LINUX_DEFAULT=”quiet splash nomodeset”
6）更新GRUB： sudo update-grub
7）sudo shutdown -h now (关机)
安装完成，输入登录帐号后，进入桌面一篇空白，wifi可连接窗口闪烁几下之后没反应了。Google之后发现是由于显卡驱动没装，所以又开始挂载移动硬盘，安装驱动。
2、NVIDIA 驱动安装
挂载移动硬盘
（参考： ）
Ctrl+alt+F1进入字符界面，关闭图形界面
sudo /etc/init.d/lightdm stop
//必须有，不然会安装失败
sudo fdisk -l
显示信息中最后一行出现：
HPFS/NTFS/exFAT
建立一个文件夹 sudo mkdir /media/disk
把移动硬盘挂载在这个文件夹上 mount -o rw /dev/sdb1 /media/disk
cd /media/disk/ubuntu16.04
cp NVIDIA-Linux-x86_64-367.27.run /home/zhou
安装nvidia driver
sudo chmod 755 NVIDIA-Linux-x86_64-367.27.run
//获取权限
sudo ./NVIDIA-Linux-x86_64-367.27.run
//安装驱动
Continue installation
安装完成之后
sudo /etc/init.d/lightdm start
重启系统。T_T终于正常进入系统了。
更新源，安装了一些软件
安装openssh
sudo apt-get update
sudo apt-get install nvidia-settings nvidia-prime
重启进入桌面，在终端输入nvidia-smi
显示如下信息：
Cuda8.0安装
安装所必须的库
sudo service lightdm stop
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
运行指令 sudo sh cuda_8.0.27_linux.run
Do you accept the previously read EULA?
accept/decline/quit: accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?
(y)es/(n)o/(q)uit: n
Install the CUDA 8.0 Toolkit?
(y)es/(n)o/(q)uit: y
Enter Toolkit Location
[ default is /usr/local/cuda-8.0 ]:
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y
Install the CUDA 8.0 Samples?
(y)es/(n)o/(q)uit: y
Enter CUDA Samples Location
[ default is /home/zhou ]:
Installing the CUDA Toolkit in /usr/local/cuda-8.0 …
Installing the CUDA Samples in /home/zhou …
Copying samples to /home/zhou/NVIDIA_CUDA-8.0_Samples now…
Finished copying samples.
===========
===========
Not Selected
Installed in /usr/local/cuda-8.0
Installed in /home/zhou
Please make sure that
PATH includes /usr/local/cuda-8.0/bin
LD_LIBRARY_PATH includes /usr/local/cuda-8.0/lib64, or, add /usr/local/cuda-8.0/lib64 to /etc/ld.so.conf and run ldconfig as root
To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-8.0/bin
Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-8.0/doc/pdf for detailed information on setting up CUDA.
***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 361.00 is required for CUDA 8.0 functionality to work.
To install the driver using this installer, run the following command, replacing
with the name of this run file:
sudo .run -silent -driver
Logfile is /tmp/cuda_install_8956.log
sudo apt-get install vim
安装完成。
设置环境变量
在终端输入这两句：
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
然后修改文件中环境变量设置
sudo vi /etc/profile
输入上面export的两句，保存，退出。
sudo ldconfig //环境变量立即生效
验证安装是否完成
nvidia-smi
nvcc -V nvcc: NVIDIA (R) Cuda compiler driver Copyright (c)
NVIDIA Corporation Built on Wed_May__4_21:01:56_CDT_2016 Cuda
compilation tools, release 8.0, V8.0.26
测试cuda的samples
cd ‘/home/zhou/NVIDIA_CUDA-8.0_Samples’
安装cudnn5.0
安装cuDNN比较简单，解压后把相应的文件拷贝到对应的CUDA目录下即可：
tar -zxvf cudnn-8.0-linux-x64-v5.0-ga.tgz
显示以下信息：
*cuda/include/cudnn.h
cuda/lib64/libcudnn.so
cuda/lib64/libcudnn.so.5
cuda/lib64/libcudnn.so.5.0.5
cuda/lib64/libcudnn_static.a*
继续执行以下指令：
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
验证一下，哈哈哈哈哈啊哈哈哈哈哈
cuda的samples 里面有个deviceQuery 运行之后会显示信息，最后一行出行pass说明成功啦～～～～
5、matlab安装
1）先获取root权限
2）然后按照来，不过这次没有创建快捷方式，因为根本没用过==。
下载完成后将iso文件挂载到Linux
sudo mkdir /media/matlab
mount -o loop [path][filename].iso /media/matlab
cd /media/matlab
sudo ./install
进行安装，安装路径：/usr/local/MATLAB/R2014a
PS：需要注意的是，我下载到的文件里面 readme.txt里没有序列号，所以我就随便填了一个
选项：不使用Internet安装
序列号： -
默认路径：/usr/local/MATLAB/R2014a
勾选从默认启动路径创建符号链接（实现在任意位置运行matlab启动程序）
3）激活，选择离线激活模式，选择crack文件夹下的license_14a.lic文件进行激活。
4）破解 将crack文件夹下的libmwservices.so 复制到/usr/local/MATLAB/R2014A/bin/glnxa64
sudo cp libmwservices.so /usr/local/MATLAB/R2014a/bin/glnxa64/
5）完成安装，命令行下使用sudo matlab即可启动使用
caffe 安装
这里是跟着来的
安装依赖项
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libatlas-base-dev
安装pycaffe接口所需要的依赖项
sudo apt-get install -y python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags cython ipython
继续安装依赖项
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
opencv3.0安装
（1）使用他提供的修改版的安装包(即下载，密码：wysa)（下面的安装方式使用该包完成，安装包修改了dependencies.sh文件并增加了OpenCV 3.0.0的安装文件）
（2）切换到文件保存的文件夹（/home/zhou/opencv3.0），然后安装依赖项
sudo sh dependencies.sh
（3）安装OpenCV3.0
sudo sh opencv3_0_0.sh
==。 就应该直接自己下载文件的，我这渣网速。
虽然最后下完了，但是在半路又需要下载文件ippicv_linux_.tgz
因为网络不稳定，所以我在自己的电脑上下载了之后复制到需要的文件夹：
cp ippicv_linux_.tgz /home/zhou/opencv3.0/OpenCV/opencv-3.0.0/3rdparty/ippicv/downloads/linux-8b449a536a2157bcad08a2b9f266828b
重新运行指令：
sudo sh opencv3_0_0.sh
然后开始正常安装，并开始make，但是make到24%出现错误，gcc版本太高，ubuntu16.04自带的gcc版本为5.4，而错误显示高于5.3的都不支持。所以这里需要将gcc版本降级。
安装4.8.5之后，需要adding softlinks to the bin directory
sudo ln -s /usr/bin/gcc-4.8 /usr/local/cuda/bin/gcc
sudo ln -s /usr/bin/g++-4.8 /usr/local/cuda/bin/g++
然后在cuda的samples文件夹下 make clean
回到opencv3.0文件下
重新运行指令：
sudo sh opencv3_0_0.sh
未完待续。。。。下面的是我上次的存档，后面可能会有修改。
=========================================
但是make到72%出现错误，graphcuts.cpp文件中许多变量没有声明，google之后发现是因为opencv3.0还不支持cuda8.0,但是有个同学已经对其进行修改。
'/home/zhou/opencv3.0/OpenCV/opencv-3.0.0/modules/cudalegacy/src'
sudo vi graphcuts.cpp
然后保存并退出。
sudo sh opencv3_0_0.sh
这次运行正常，至此opencv3.0安装成功！！！
**6)**caffe编译
下载caffe-master，解压到/home/zhou下，我重新命了个名字，caffe
然后 配置Makefile.config文件，执行指令：
cp Makefile.config.example Makefile.config
我的配置文件如下：
## Refer to http://caffe.berkeleyvision.org/installation.html
# Contributions simplifying and improving our build system are welcome!
# cuDNN acceleration switch (uncomment to build with cuDNN).
USE_CUDNN := 1
# CPU-only switch (uncomment to build without GPU support).
# CPU_ONLY := 1
# uncomment to disable IO dependencies and corresponding data layers
USE_OPENCV := 0
USE_LEVELDB := 0
USE_LMDB := 0
# uncomment to allow MDB_NOLOCK when reading LMDB files (only if necessary)
You should not set this flag if you will be reading LMDBs with any
possibility of simultaneous read and write
# ALLOW_LMDB_NOLOCK := 1
# Uncomment if you're using OpenCV 3
OPENCV_VERSION := 3
# To customize your choice of compiler, uncomment and set the following.
# N.B. the default for Linux is g++ and the default for OSX is clang++
# CUSTOM_CXX := g++
# CUDA directory contains bin/ and lib/ directories that we need.
CUDA_DIR := /usr/local/cuda
# On Ubuntu 14.04, if cuda tools are installed via
# "sudo apt-get install nvidia-cuda-toolkit" then use this instead:
# CUDA_DIR := /usr
# CUDA architecture setting: going with all of them.
# For CUDA & 6.0, comment the *_50 lines for compatibility.
CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \
-gencode arch=compute_20,code=sm_21 \
-gencode arch=compute_30,code=sm_30 \
-gencode arch=compute_35,code=sm_35 \
-gencode arch=compute_50,code=sm_50 \
-gencode arch=compute_50,code=compute_50
# BLAS choice:
# atlas for ATLAS (default)
# mkl for MKL
# open for OpenBlas
BLAS := atlas
# Custom (MKL/ATLAS/OpenBLAS) include and lib directories.
# Leave commented to accept the defaults for your choice of BLAS
# (which should work)!
# BLAS_INCLUDE := /path/to/your/blas
# BLAS_LIB := /path/to/your/blas
# Homebrew puts openblas in a directory that is not on the standard search path
# BLAS_INCLUDE := $(shell brew --prefix openblas)/include
# BLAS_LIB := $(shell brew --prefix openblas)/lib
# This is required only if you will compile the matlab interface.
# MATLAB directory should contain the mex binary in /bin.
MATLAB_DIR := /usr/local/MATLAB/R2014a
# MATLAB_DIR := /Applications/MATLAB_R2012b.app
# NOTE: this is required only if you will compile the python interface.
# We need to be able to find Python.h and numpy/arrayobject.h.
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include
# Anaconda Python distribution is quite popular. Include path:
# Verify anaconda location, sometimes it's in root.
# ANACONDA_HOME := $(HOME)/anaconda
# PYTHON_INCLUDE := $(ANACONDA_HOME)/include \
# $(ANACONDA_HOME)/include/python2.7 \
# $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \
# Uncomment to use Python 3 (default is Python 2)
# PYTHON_LIBRARIES := boost_python3 python3.5m
# PYTHON_INCLUDE := /usr/include/python3.5m \
/usr/lib/python3.5/dist-packages/numpy/core/include
# We need to be able to find libpythonX.X.so or .dylib.
PYTHON_LIB := /usr/lib
# PYTHON_LIB := $(ANACONDA_HOME)/lib
# Homebrew installs numpy in a non standard path (keg only)
# PYTHON_INCLUDE += $(dir $(shell python -c 'import numpy. print(numpy.core.__file__)'))/include
# PYTHON_LIB += $(shell brew --prefix numpy)/lib
# Uncomment to support layers written in Python (will link against Python libs)
WITH_PYTHON_LAYER := 1
# Whatever else you find you need goes here.
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
# If Homebrew is installed at a non standard location (for example your home directory) and you use it for general dependencies
# INCLUDE_DIRS += $(shell brew --prefix)/include
# LIBRARY_DIRS += $(shell brew --prefix)/lib
# Uncomment to use `pkg-config` to specify OpenCV library paths.
# (Usually not necessary -- OpenCV libraries are normally installed in one of the above $LIBRARY_DIRS.)
# USE_PKG_CONFIG := 1
# N.B. both build and distribute dirs are cleared on `make clean`
BUILD_DIR := build
DISTRIBUTE_DIR := distribute
# Uncomment for debugging. Does not work on OSX due to /BVLC/caffe/issues/171
# DEBUG := 1
# The ID of the GPU that 'make runtest' will use to run unit tests.
TEST_GPUID :=
# enable pretty build (comment to see full commands)
make all -j16
make test -j16
make runtest -j16
make runtest –j16 时出现错误： libcudart.so.8.0: cannot open shared object file: No such file or directory
解决办法：在终端再次运行
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
make runtest –j16
顺利完成！！！！！！ 快夸我！！！！
编译Python和Matlab用到的caffe文件
make pycaffe -j16
make matcaffe -j16
到这里就编译完成啦！！！！可以自己用里面的例子去嗨，去浪啦！！！
　　你的人生想要什么？你能付出什么作为回馈？成功的人只想自己要的――而非自己不要的。不要管过去做了什么，重要的是你将来要做什么？如果你不知道你自己的一生要的是什么，你还想得到什么？智者除了有所为，还能有所不为。为自己想要的忙碌，如此即无暇担忧你不想要的。不要怕目标定得太高，你可能需要退而求其次。如果你不会知道自己要什么，别说你没有机会。
1.&&Openstack Restful API 开发框架 Paste + PasteDeploy + Routes + WebOb
2.&&Openstack liberty 云主机迁移源码分析之静态迁移2
3.&&OpenStack之Neutron源码分析
Neutron-server初始化
4.&&手动安装Openstack Mikita. Keystone安装
5.&&Openstack Nova 源码分析 — Create instances (nova-conductor阶段)
6.&&Devstack单节点环境实战配置
7.&&VMware 接入 Openstack — 使用 Openstack 创建 vCenter 虚拟机
1.&&天天24小时时时更新迅雷共享账号:日免费迅雷会员xunlei-vip 18点00分 发布
2.&&MySQL学习笔记4:操作数据表中的记录（增删改查）
3.&&AnimatedPathView实现自定义图片标签
4.&&Swift基础之集成单选按钮横竖两种样式
5.&&【Linux 系统编程】shell 命令和流程控制（二）
6.&&【Linux 系统编程】shell 脚本基础学习（一）
7.&&【Linux 系统编程】shell 流程控制loop和引号（三）}