caffe下载安装教程

$(cat requirements.txt);

p install

req

$req

/etc/modprobe.d/blacklist.conf

1. CUDA与cuDNN安装（GPU用户必选）

1. 源码下载与准备

1. 运行MNIST示例

1

2. Python环境配置

2. 接口功能测试

2. 配置文件修改

2

3. 其他依赖项

3. 编译与安装

3

4

5

;

LAS

uild\x64\Release

CUDA_DIR

CUDA与cuDNN安装（GPU用户必选）

CUDA安装

CUDA安装：从NVIDIA官网下载对应版本的CUDA Toolkit（如CUDA 8.0），运行安装脚本并配置环境变量。需注意： Ubuntu用户需禁用系统默认的Nouveau驱动，通过修改/etc/modprobe.d/blacklist.conf 文件并更新内2。 Windows用户需将CUDA的bin和lib\x64路径添加到系统环境变量3。 cuDNN配置：下载与CUDA版本匹配的cuDNN库，解压后将include、lib64目录下的文件到CUDA安装路径中2。

CUDA安装：从NVIDIA官网下载对应版本的CUDA Toolkit（如CUDA 8.0），运行安装脚本并配置环境变量。需注意： Ubuntu用户需禁用系统默认的Nouveau驱动，通过修改/etc/modprobe.d/blacklist.conf 文件并更新内2。 Windows用户需将CUDA的bin和lib\x64路径添加到系统环境变量3。

CUDA版本冲突

CUDA版本冲突：确保CUDA驱动与Caffe配置文件的版本一致3。

Caffe下载安装教程

Caffe是一个基于C++开发的深度学习框架，支持Python和MATLA接口。安装前需确保系统满足以下条件：

CommonSettings.props

CuDnnPath

CudaVersion

GPU无识别

GPU无识别：重新安装NVIDIA驱动，验证CUDA Samples（如deviceQuery）是否正常运行2。

INCLUDE_DIRS

LD_LIRARY_PATH

LIRARY_DIRS

MATLA接口

MATLA接口（可选）：编译matcaffe项目，确保MATLA路径中包含caffe/matlab目录4。

Makefile.config

OpenLAS

OpenLAS：从官网下载源码，通过make && sudo make install编译安装，用于矩阵运算加速1。 OpenCV：推荐使用自动脚本安装（如Ubuntu的apt-get或Windows预编译包），确保版本与Caffe兼容24。 Protobuf：安装2.6.1版本以兼容性问题，需通过源码编译并配置路径1。

OpenLAS：从官网下载源码，通过make && sudo make install编译安装，用于矩阵运算加速1。

OpenCV

OpenCV：推荐使用自动脚本安装（如Ubuntu的apt-get或Windows预编译包），确保版本与Caffe兼容24。

PATH

PYTHONPATH

PYTHON_INCLUDE

PYTHON_LI

Protobuf

Protobuf：安装2.6.1版本以兼容性问题，需通过源码编译并配置路径1。

Python接口

Python接口导入失败

Python接口导入失败：确认PYTHONPATH环境变量包含Caffe的python目录1。

Python接口：在Python环境中导入caffe模块，若无报错则接口配置成功。 MATLA接口（可选）：编译matcaffe项目，确保MATLA路径中包含caffe/matlab目录4。

Python接口：在Python环境中导入caffe模块，若无报错则接口配置成功。

Python环境配置

Release x64

Ubuntu

Ubuntu用户需禁用系统默认的Nouveau驱动，通过修改/etc/modprobe.d/blacklist.conf 文件并更新内2。 Windows用户需将CUDA的bin和lib\x64路径添加到系统环境变量3。

Ubuntu用户需禁用系统默认的Nouveau驱动，通过修改/etc/modprobe.d/blacklist.conf 文件并更新内2。

Ubuntu配置

Ubuntu配置： 修改Makefile.config 中的CUDA_DIR、LAS路径，启用Python接口（设置PYTHON_INCLUDE和PYTHON_LI）1。 添加HDF5路径至INCLUDE_DIRS和LIRARY_DIRS，确保依赖库可被识别。 Windows配置： 使用VS2013/2015打开解决方文件，修改CommonSettings.props 中的CudaVersion和CuDnnPath，关闭“视告为错误”选项以编译中断34。

Ubuntu配置： 修改Makefile.config 中的CUDA_DIR、LAS路径，启用Python接口（设置PYTHON_INCLUDE和PYTHON_LI）1。 添加HDF5路径至INCLUDE_DIRS和LIRARY_DIRS，确保依赖库可被识别。

Ubuntu：执行make all -j4编译主程序，再运行make pycaffe生成Python接口1。 Windows：在VS中选择Release x64模式，依次编译libcaffe、caffe等项目，生成文件位于uild\x64\Release目录3。

Ubuntu：执行make all -j4编译主程序，再运行make pycaffe生成Python接口1。

Windows

Windows用户需将CUDA的bin和lib\x64路径添加到系统环境变量3。

Windows配置

Windows配置： 使用VS2013/2015打开解决方文件，修改CommonSettings.props 中的CudaVersion和CuDnnPath，关闭“视告为错误”选项以编译中断34。

Windows：在VS中选择Release x64模式，依次编译libcaffe、caffe等项目，生成文件位于uild\x64\Release目录3。

``` ```

apt-get

bash for req in $(cat requirements.txt); do p install $req; done ``` ```

bash

bash

bin

boost

caffe/matlab

caffe

create_mnist.bat

create_mnist.sh

cuDNN配置

cuDNN配置：下载与CUDA版本匹配的cuDNN库，解压后将include、lib64目录下的文件到CUDA安装路径中2。

deviceQuery

do

done

for req in $(cat requirements.txt); do p install $req; done ``` ```

for req in $(cat requirements.txt); do p install $req; done

for

in

include

lib64

lib\x64

libcaffe

make && sudo make install

make all -j4

make pycaffe

matcaffe

numpy

p

protobuf

python

scikit-image

solver.prototxt

solver_mode

windows-caffe-master.zip

一、安装前的准备工作

三、Caffe源码编译与配置

下载MNIST数据集，通过脚本create_mnist.bat 或create_mnist.sh 转换为LMD格式。 修改solver.prototxt 中的solver_mode为CPU/GPU，执行训练令验证安装是否成功4。

下载MNIST数据集，通过脚本create_mnist.bat 或create_mnist.sh 转换为LMD格式。

下载地址

下载地址：从GitHub仓库克隆或下载源码包（如windows-caffe-master.zip ）35。 目录结构：解压后进入根目录，重点Makefile.config （Ubuntu）或CommonSettings.props （Windows）配置文件。

下载地址：从GitHub仓库克隆或下载源码包（如windows-caffe-master.zip ）35。

二、环境配置与依赖安装

五、常见问题与解决

使用VS2013/2015打开解决方文件，修改CommonSettings.props 中的CudaVersion和CuDnnPath，关闭“视告为错误”选项以编译中断34。

依赖工具

依赖工具：CMake、Git、Python 2.7/3.5、p等基础工具。

依赖缺失

依赖缺失：protobuf、boost等库是否安装，路径是否正确。 CUDA版本冲突：确保CUDA驱动与Caffe配置文件的版本一致3。

依赖缺失：protobuf、boost等库是否安装，路径是否正确。

修改Makefile.config 中的CUDA_DIR、LAS路径，启用Python接口（设置PYTHON_INCLUDE和PYTHON_LI）1。 添加HDF5路径至INCLUDE_DIRS和LIRARY_DIRS，确保依赖库可被识别。

修改Makefile.config 中的CUDA_DIR、LAS路径，启用Python接口（设置PYTHON_INCLUDE和PYTHON_LI）1。

修改solver.prototxt 中的solver_mode为CPU/GPU，执行训练令验证安装是否成功4。

其他依赖项

四、安装验证与测试

安装Python 2.7/3.5

安装Python 2.7/3.5：建议通过源码编译安装，并配置用户级环境变量（如PATH和LD_LIRARY_PATH）1。 安装依赖库：通过p安装protobuf、numpy、scikit-image等包，执行令： bash for req in $(cat requirements.txt); do p install $req; done ``` ```

安装Python 2.7/3.5：建议通过源码编译安装，并配置用户级环境变量（如PATH和LD_LIRARY_PATH）1。

安装依赖库

安装依赖库：通过p安装protobuf、numpy、scikit-image等包，执行令： bash for req in $(cat requirements.txt); do p install $req; done ``` ```

接口功能测试

操作系统

操作系统：推荐Ubuntu 14.04/16.04或Windows 7/10（64位）。 硬件要求：若使用GPU加速，需配备NVIDIA显卡并安装对应驱动（如CUDA 7.0/8.0）。 依赖工具：CMake、Git、Python 2.7/3.5、p等基础工具。

操作系统：推荐Ubuntu 14.04/16.04或Windows 7/10（64位）。

添加HDF5路径至INCLUDE_DIRS和LIRARY_DIRS，确保依赖库可被识别。

源码下载与准备

目录结构

目录结构：解压后进入根目录，重点Makefile.config （Ubuntu）或CommonSettings.props （Windows）配置文件。

硬件要求

硬件要求：若使用GPU加速，需配备NVIDIA显卡并安装对应驱动（如CUDA 7.0/8.0）。

编译与安装

编译错误

编译错误： 依赖缺失：protobuf、boost等库是否安装，路径是否正确。 CUDA版本冲突：确保CUDA驱动与Caffe配置文件的版本一致3。 Python接口导入失败：确认PYTHONPATH环境变量包含Caffe的python目录1。 GPU无识别：重新安装NVIDIA驱动，验证CUDA Samples（如deviceQuery）是否正常运行2。

编译错误： 依赖缺失：protobuf、boost等库是否安装，路径是否正确。 CUDA版本冲突：确保CUDA驱动与Caffe配置文件的版本一致3。

运行MNIST示例

通过上述步骤，可完成Caffe在Linux或Windows系统下的完整安装与基础功能验证。

配置文件修改

相关问答

---

Caffe学习(二) —— 下载、编译和安装Caffe(源码安装方式)

答：步骤一：安装依赖库与Python 2.7 步骤二：安装CUDA（注意：虽然仅编译CPU版本的Caffe，但安装CUDA时可能会遇到编译错误，需确保环境兼容性）编译Caffe 步骤一：修改Make.config文件 具体配置说明请参考我的另一篇博客（"Hello小崔：caffe(master分支)Makefile.config分析"）步骤二：执行make编译 测试已通过...

如何在Windows环境下配置Caffe

答：第一步准备工作 1.首先网址载Caffe-Windows安装包（）；2.安装Visual Studio 2013；3.与需要使用NVIDIA显卡请安装CudaCuDNN需要装；4..\windows\CommonSettings.props.example 复制份并修改 .\windows\CommonSettings.props打做修改：1）使用GPU安装CUDACuDNNCpuOnlyBuild 改 true 并且 UseCuDNN 改 false...

如何在Win8下搭建caffe环境,及完整的caffe应用实例

答：若密钥失效，大家要自己到网上去搜索了。注册成功后，所有的操作算是基本完成，可以正常使用。三、下载Microsoft/Caffe源码 四、编译Caffe源码 1. 解压源码（我安装于D盘，根据个人习惯安装于哪个盘，不提倡安装于C盘）2.进入目录 D:\caffe-master\windows 将文件“CommonSettings.props.exemple”复制一下，...