caffe配置过程很长啊，坑非常多，没有linux基础的估计会香菇的。我参考了网上很多的帖子，基本上每个帖子都有或多或少的问题，研究很久最终配置成功。参考过的帖子太多，都记不太清来源了。为了对前人的感谢，特地写下我的配置过程，以供大家参考。可能我写的时候会有遗漏，还望多多包涵，共同探讨！
1. 安装相关依赖项
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 libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
2.安装NVIDIA驱动
(1) 查询NVIDIA驱动
首先去官网 http://www.nvidia.com/Download/index.aspx?lang=en-us 查看适合自己显卡的驱动（这里不要下载，用下载的驱动安装可能会出现循环登陆问题）
点击右边的search进入下载页面
可以看到我的显卡支持375
（2）安装驱动
在终端下输入：
sudo apt-get purge nvidia-* //这是卸载以前的nvidia驱动
sudo add-apt-repository pa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-
reboot //重启
完成后，电脑重启。
安装完成之后输入以下指令进行验证：
sudo nvidia-smi
若列出了GPU的信息列表则表示驱动安装成功。如下图：
3.安装CUDA
（1）下载CUDA
首先在官网上(https://developer.nvidia.com/cuda-downloads)下载CUDA：
（2）下载完成后执行以下命令（我用的是cuda7.5）：
sudo chmod cuda_7..44_linux.run
sudo ./cuda_7..44_linux.run
注意：执行后会有一系列提示让你确认，但是注意，有个让你选择是否安装nvidia367驱动时，一定要选择否：
Install NVIDIA Accelerated Graphics Driver for
Linux-x86_64 367.48?
因为前面我们已经安装了更加新的nvidia367，所以这里不要选择安装。其余的都直接默认或者选择是即可。
（3）环境变量配置
打开~/.bashrc文件：
sudo gedit ~/.bashrc
将以下内容写入到~/.bashrc尾部：
export PATH=/usr/local/cuda-7.5/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
在/etc/profile文件中添加CUDA环境变量：
sudo gedit /etc/profile
打开文档都在文档结尾加上下面两句：
PATH=/usr/local/cuda/bin:$PATH
export PATH
保存后, 执行下列命令, 使环境变量立即生效：
source /etc/profile
同时添加lib库路径，在 /etc/ld.so.conf.d/新建文件 cuda.conf
sudo gedit /etc/ld.so.conf.d/cuda.conf
在文中加入下面内容：
/usr/local/cuda/lib64
执行下列命令使之立刻生效：
sudo ldconfig
(4)测试CUDA的samples
cd /usr/local/cuda-7.5/samples/1_Utilities/deviceQuery
make
sudo ./deviceQuery
如果显示一些关于GPU的信息，则说明安装成功。
nvcc –V 命令可查看版本
4.配置cuDNN(感觉我的有问题，我暂时没用这个，另外这个单独写了个教程)
cuDNN是GPU加速计算深层神经网络的库。
首先去官网 https://developer.nvidia.com/rdp/cudnn-download 下载cuDNN，需要注册一个账号才能下载。
我直接在网上下的cuda7.5的cudnn-7.5-linux-x64-v5.0.tgz
进行解压：
sudo tar -zxvf ./cudnn-7.5-linux-x64-v5..tgz
进入cuDNN5.0解压之后的include目录，在命令行进行如下操作：
cd cuda/include
sudo cp cudnn.h /usr/local/cuda/include #复制头文件
再将进入lib64目录下的动态文件进行复制和链接：
cd ..
cd lib64
sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库
cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.5.0.
sudo ln -sf libcudnn.so.5.0. libcudnn.so.
sudo ln -sf libcudnn.so. libcudnn.so
sudo ldconfig
5.安装opencv3.1
从官网(http://opencv.org/downloads.html)下载Linux版Opencv
并将其解压到你要安装的位置，假设解压到了/home/opencv
unzip opencv-3.1..zip
sudo cp ./opencv-3.1. /home
sudo mv opencv-3.1. opencv
安装前准备，创建编译文件夹：
cd ~/opencv
mkdir build
cd build
配置：
sudo apt install cmake
sudo cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
编译：
sudo make -j8
-j8表示并行计算，根据自己电脑的配置进行设置，配置比较低的电脑可以将数字改小或不使用，直接输make。
以上只是将opencv编译成功，还没将opencv安装，需要运行下面指令进行安装：
sudo make install
测试opencv:
mkdir ~/opencv-test
cd ~/opencv-test
gedit DisplayImage.cpp
编辑如下代码：
#include <stdio.h>
#include <opencv2/opencv.hpp>
using namespace cv;
int main(int argc, char** argv )
{
if ( argc != )
{
printf("usage: DisplayImage.out <Image_Path>\n");
return -;
}
Mat image;
image = imread( argv[], );
if ( !image.data )
{
printf("No image data \n");
return -;
}
namedWindow("Display Image", WINDOW_AUTOSIZE );
imshow("Display Image", image);
waitKey();
return ;
}
创建CMake编译文件：
gedit CMakeLists.txt
写入如下内容：
cmake_minimum_required(VERSION 2.8)
project( DisplayImage )
find_package( OpenCV REQUIRED )
add_executable( DisplayImage DisplayImage.cpp )
target_link_libraries( DisplayImage ${OpenCV_LIBS} )
编译：
cd ~/opencv-test
cmake .
make
执行：
此时opencv-test文件夹中已经产生了可执行文件DisplayImage，随便从网上下载一张图片放在opencv-test文件夹下，此处下载了opencv.jpg，然后运行：
./DisplayImage opencv.jpg
结果是显示我下载的这张图像。
如果想用python调用opencv，安装python-opencv：
sudo apt-get install python-opencv
sudo apt-get install python-numpy
打开python，import即可。
Ps：如果用cuda8.0，可能会出现以下错误：
这是因为opecv3.0与cuda8.0不兼容导致的。解决办法：修改 ～/opencv/modules/cudalegacy/src/graphcuts.cpp文件内容，如图：
其中
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)||(CUDART_VERSION>=8000)
是我们修改的。
6.配置caffe
（1）https://github.com/BVLC/caffe下载caffe
下载完成后，会在家目录下的下载里找到caffe-master.zip，用unzip命令解压到家目录下，然后重命名为caffe.
（2）复制Makefileconfig
sudo cp Makefile.config.example Makefile.config
（3）打开并修改配置文件：
sudo gedit Makefile.config #打开Makefile.config文件
根据个人情况修改文件：
a.若使用cudnn，则
将
#USE_CUDNN :=
修改成：
USE_CUDNN :=
b.若使用的opencv版本是3的，则
#OPENCV_VERSION :=
修改为：
OPENCV_VERSION :=
c.若要使用python来编写layer，则
#WITH_PYTHON_LAYER :=
修改为
WITH_PYTHON_LAYER :=
d.重要的一项 :
将# Whatever else you find you need goes here. 下面的
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
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
（4）修改makefile文件
打开makefile文件，做如下修改：（这个不知道有没有用，这一步感觉没作用）
将：
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
接下来是针对安装opencv3.0.0版本的同学而言的，对于3.0.0之前的版本不需要修改：
在位置（(LIBRARIES+= glog gflags protobuf leveldb snappy lmdbboost_system hdf5_hl hdf5 m
opencv_coreopencv_highgui opencv_imgproc
opencv_imgcodecs)）处添加opencv_imgcodecs
这一步非常重要，否则编译后会出现错误如下：
CXX/LD-o.build_release/tools/convert_imageset.bin
.build_release/lib/libcaffe.so:undefined reference tocv::imread(cv::String const&,int)'.build_release/lib/libcaffe.so: undefined referencetocv::imencode(cv::String const&, cv::_InputArray const&,std::vector >&, std::vector > const&)'
原因就是opencv3.0.0把imread相关函数放到imgcodecs.lib中了，而非原来的imgproc.lib。
（If you input "make all",the problem is the same again.But if you delete all the file in build(rm -rf ./build/*) before "make all"(I use make clean ),you will success.I just success）
（5）编辑/usr/local/cuda/include/host_config.h（不知道有没有用，这一步我看到有帖子改了，但大多数没改这个）
将其中的第115行注释掉：
#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
改为
//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
（6）编译
make all –j8
make test –j8
make runtest –j8
7.编译pycaffe
在caffe根目录的python文件夹下，有一个requirements.txt的清单文件，上面列出了需要的依赖库，按照这个清单安装就可以了。
在安装scipy库的时候，需要fortran编译器（gfortran)，如果没有这个编译器就会报错，因此，我们可以先安装一下。
首先回到caffe的根目录，然后执行安装代码：
cd ~/caffe
sudo apt-get install gfortran
cd ./python
for req in $(cat requirements.txt); do pip install $req; done
安装完成以后，再次回到caffe根目录我们可以执行：
cd ..
sudo pip install -r python/requirements.txt
就会看到，安装成功的，都会显示Requirement already satisfied, 没有安装成功的，会继续安装。
编译python接口:
make pycaffe -j8
配置环境变量，以便python调用：
sudo gedit ~/.bashrc
将export PYTHONPATH=/home/caffe/python:$PYTHONPATH添加到文件中
source ~/.bashrc