最近准备从 Caffe 入手，学习下深度学习的基本知识，于是便在笔记本电脑上的 Deepin 系统中进行了一些实践，其中参考了网上不少资料，特此记录下来。
* 系统配置：
显卡：Intel 集成显卡
操作系统：Deepin 15.4.1 x64
* 安装步骤：
一、安装 OpenCV 3.3.0
（1）安装 OpenCV 所需要的库，在终端依次执行以下命令：
sudo apt-get update
sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
（2）官网下载 OpenCV 3.3.0 的源代码（下载地址：https://opencv.org/releases.html）并解压到 opencv3.3.0 目录，然后进入到 opencv3.3.0 的目录，执行：
mkdir build
cd build
（3）配置 OpenCV 工程文件
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
如果执行命令时出现下载 ippicv 失败，可以参考文章解决：http://blog.csdn.net/neilooo/article/details/78425559。
（4）编译安装
sudo make install
这个过程会有点久，完成之后 OpenCV3.3.0 就安装成功了。
二、安装 Caffe
（1）安装 Caffe 依赖库
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
（2）安装 BLAS
sudo apt-get install libatlas-base-dev
（3）安装其余依赖库
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
（4）下载 Caffe 代码到主目录下
sudo apt-get install cmake git
git clone https://github.com/BVLC/caffe.git
（5）进入 Caffe 目录，配置 Makefile.config
cd caffe/
cp Makefile.config.example Makefile.config
gedit Makefile.config
以下内容根据个人实际情况修改：
仅使用 CPU
# CPU_ONLY := 1
改为
CPU_ONLY := 1
使用 OpenCV3
# OPENCV_VERSION := 3
改为
OPENCV_VERSION := 3
使用 Python Layer
# WITH_PYTHON_LAYER := 1
改为
WITH_PYTHON_LAYER := 1
增加依赖的头文件和库路径：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改为
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial /usr/liclude /usr/include/leveldb /usr/local/include/gflags /usr/include/google/protobuf
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr /usr/lib/x86_64-linux-gnu/hdf5/serial
保存并关闭文本。
（5）修改 Makefile 文件
gedit Makefile
将里面的
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
修改为
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
保存并关闭文本。
（6）编译 Caffe
make all
make test
make runtest
命令全部正确执行后，Caffe 即安装完毕。
三、安装 Pycaffe（可选）
（1）安装 pip 并换镜像源
sudo apt-get install python-pip
sudo gedit /etc/pip.conf
在打开的文本文件中输入以下内容并保存。
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
（2）安装依赖包
pip install -U scikit-image
pip install protobuf
（3）将 Caffe 的 Python 路径加入环境变量：
gedit ~/.bashrc
在文件末尾添加一行：
export PYTHONPATH="/home/YOUR-NAME/caffe/python:$PYTHONPATH"
其中，YOUR-NAME 用真实的用户名替代，保存并关闭文本，然后执行：
sudo ldconfig
make pycaffe
接着关闭当前终端并重新开启一个以使环境变量生效。
（4）在新的终端输入 python 以进入 python 命令行模式，然后输入 import caffe，如果没有错误，则 Pycaffe 安装成功。
* 用例测试：
下面以入门级的 MNIST 手写数字数据集为例做一个测试。
（1）首先进入 Caffe 目录，打开文件 examples/mnist/lenet_solver.prototxt
cd caffe/
gedit examples/mnist/lenet_solver.prototxt
将其中的
solver_mode: GPU
改为
solver_mode: CPU
保存并关闭文本。
（2）依次输入以下指令：
# 下载 MNIST 数据集
./data/mnist/get_mnist.sh
# 数据格式转换
./examples/mnist/create_mnist.sh
# 训练 LeNet-5 超参数
./examples/mnist/train_lenet.sh
# 对测试集进行预测测试
./build/tools/caffe.bin test -model examples/mnist/lenet_train_test.prototxt \
-weights examples/mnist/lenet_iter_10000.caffemodel -iterations 100
用例测试完成，开始 Caffe 之旅吧！
