安装ubuntu时赞美Rufus(建议ubuntu16.04.04)，过程参考 https://www.cnblogs.com/willnote/p/6725594.html
安 装 前 一 定 要 注 意 确 认 当 前 硬 盘 的 存 储 格 式 是 MBR 还 是 GPT
输入法，浏览器，终端，CUDA、opencv、caffe等相关文件下载，参考百度。
方括号内容表示为变量，示计算机内实际文件(夹)而定
2018.04.18：建议安装cuda-v9.0/v10.1而非v9.1/9.2, 对于20X0系列的显卡，CUDA-10+是很必要的，10X0系列的还是CUDA-9好
2019.03.07：2018.04.20：建议安装opencv-v2.4.9+/v3.4.0，而非v3.4.1+/v4+ 【C语言的API对我本人开发需求而言已经不是很必要，所以我个人开始使用4.1.0了】
2019.03.07：(或者把caffe扔了(就应该这样！)，直接玩opencv4+里的dnn（依然可以参考本文安装cuda/cudnn的办法），参考“opencv-4 nvidia gpu 训练 测试”相关搜索结果)
-----------------------------------------------------------
！保！障！网！络！通！畅！
-----------------------------------------------------------
安装显卡驱动
系统设置->软件和更新->下载自：阿里源( mirrors.aliyun.com ) 或 中科大源( mirrors.ustc.edu.cn )
输入密码，关闭窗口，等下载结束。
然后更新软件：终端内
sudo apt-get update&&sudo apt-get upgrade
系统设置->软件和更新->附加驱动->使用NVIDIA较高版本的专有驱动（如果未显示，使用.run的安装方法（https://blog.csdn.net/xunan003/article/details/81665835））
选择后会开始下载和自动安装，等读条全部完毕后，在终端内输入
nvidia-smi #确认输出了有效信息，如
date +-----------------------------------------------------------------------------+ | NVIDIA-SMI XXX.XXX Driver Version: XXX.XXX | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | |===============================+======================+======================| | 0 GeForce GTX 1070 Off | 00000000:01:00.0 On | N/A | | 0% 31C P8 11W / 230W | 201MiB / 8110MiB | 0% Default | +-------------------------------+----------------------+----------------------+ +-----------------------------------------------------------------------------+ | Processes: GPU Memory | | GPU PID Type Process name Usage | |=============================================================================| | 0 997 G /usr/lib/xorg/Xorg 136MiB | | 0 1839 G compiz 59MiB | | 0 2358 G /usr/lib/firefox/firefox 3MiB | +-----------------------------------------------------------------------------+
-----------------------------------------------------------
-----------------------------------------------------------
-----------------------------------------------------------
-----------------------------------------------------------
安装cuda
-----------------------------------------------------------
安装cuda依赖包
终端内
sudo apt-get install --no-install-recommends libboost-all-dev -y sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler libopenblas-dev liblapack-dev libatlas-base-dev libgflags-dev libgoogle-glog-dev liblmdb-dev -y
-----------------------------------------------------------
安装cuda
https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal
sudo sh ./cuda_[9.X_XXX]_linux.run --no-opengl-libs #本体，非opengl这个参数非常重要，删掉就等着开机循环登录吧 sudo sh ./cuda_[9.X.Y]_linux.run #[--no-opengl-libs] #补丁, 可以装，必要性视补丁具体内容决定，修复bug和error的肯定要装
其中，第一项显卡驱动不需要装（因为前一步已经装过了，如果前一步两种方法都安装不了NVIDIA驱动的话，再考虑装cuda这里自带的驱动），第二项cuda组件必须装，第三项cuda示例可以安装
修改环境变量
sudo gedit ~/.bashrc
在最下端添加
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
使变量生效
source ~/.bashrc
-----------------------------------------------------------
测试cuda(如果安装了第三项)
终端里cd进cuda示例
cd [NVIDIA_CUDA_SAMPLES]/1_Utilities/deviceQueryDrv
sudo make
./deviceQueryDrv #确认输出了有效的显卡信息，并记下显卡算力“CUDA Capability Major/Minor version number:”，编译框架时会用上
-----------------------------------------------------------
安装cudnn
https://developer.nvidia.com/cudnn
先将cudnn压缩包解压
然后
#复制文件到系统环境
sudo cp [CUDNN]/cuda/include/cudnn.h /usr/local/cuda/include/ sudo cp [CUDNN]/cuda/lib64/lib* /usr/local/cuda/lib64/
#重建软连接
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.[主版本号]
sudo ln -s libcudnn.so.[全版本号] libcudnn.so.[主版本号]
sudo ln -s libcudnn.so.[主版本号] libcudnn.so
#使链接在环境中生效
sudo ldconfig
-----------------------------------------------------------
-----------------------------------------------------------
安装opencv-3.4 + contrib-master
安装opencv-3.4 + contrib-master
安装依赖项
sudo apt-get install -y build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
解压opencv
解压opencv-contrib(使用对应版本)[nonfree的特殊工具包，不需要的话，可以不装]
下载 ippicv_2017u3_lnx_intel64_general_20170822.tgz (https://github.com/opencv/opencv_3rdparty/tree/ippicv/master_20170822/ippicv)(或其他版本号的，具体的参考cmake-gui在configure卡住时下载的条目名称)至文件夹 [opencv]/3rdparty/ippicv/downloads/linux-808b791a6eac9ed78d32a7666804320e/ （这串乱码可在cmake生成的cache文件中查到类似的） 然后改名为 4e0352ce96473837b1d671ce87f17359-ippicv_2017u3_lnx_intel64_general_20170822.tgz （同）
使用cmake-gui:
勾上BUILD_DOCS BUILD_JPEG BUILD_PNG WITH_OPENGL BUILD_opencv_world
在OPENCV_EXTRA_MODULES_PATH中填写([opencv-contrib]/modules) （3+的可以装但没必要，4+的为了调用WITH_CUDA的相关部分，或许有必要）
[注释1]:
可以在cmake-gui的搜索栏里搜CU，去掉和cuda/NVIDIA有关的选项，一般用不到，除非打算自己撸框架（或者是打算用opencv3.4.3+/4.0.0+里面的dnn）
configure几次直到框内没有红条（如果在输出信息中存在相关BLAS的错误，暂未发现负面影响，不用管）
然后generate
有需要时再勾上WITH_QT，configure一次后填上需要的路径并再次configure，红条变白则校验成功。然后generate
[注释2]:
遇上 make[2]: *** [3rdparty/protobuf/CMakeFiles/libprotobuf.dir/src/google/protobuf/extension_set_heavy.cc.o] Error 4
时，勾选ENABLE_CXX11
编译opencv
cd [opencv]/build make #这行不建议加-j4，曾出现过因为依赖次序问题引发的编译错误 sudo make install -j4
添加引用变量
sudo gedit /etc/ld.so.conf.d/opencv.conf
文件内写入
/usr/local/lib/x86_64-linux-gnu #（也可能没有最后这段文件夹路径，取决于libopencv_XXX.so文件具体在哪）
刷新链接
安装caffe
sudo ldconfig
-----------------------------------------------------------
-----------------------------------------------------------安装caffe
安装依赖项
sudo apt-get install --no-install-recommends libboost-all-dev sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler libopenblas-dev liblapack-dev libatlas-base-dev libgflags-dev libgoogle-glog-dev liblmdb-dev git cmake build-essential -y
获取caffe，在希望放置caffe的目录内：
git clone https://github.com/BVLC/caffe.git
复制caffe/MakeFile.config.example为MakeFile.config
修改其中的这几项为：
USE_CUDNN := 1 USE_OPENCV := 1 # Whatever else you find you need goes here. INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/local/include/opencv /usr/local/include/opencv2 /usr/include/hdf5/serial LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial /usr/local/lib/x86_64-linux-gnu
此外，对于这里的
CUDA_ARCH := #-gencode arch=compute_20,code=sm_20 #-gencode arch=compute_20,code=sm_21
...
只保留和显卡算力匹配的几行，其他的全注释掉（显卡算力详见[NVIDIA_CUDA_SAMPLES]/1_Utilities/deviceQueryDrv/deviceQueryDrv，在这个文件夹内make之后./deviceQueryDrv运行）
如果编译opencv后生成了libopencv_world.so，那么MakeFile中修改为：
ifeq ($(USE_OPENCV), 1) #（ 注意把空格换回制表符） #LIBRARIES += opencv_core opencv_highgui opencv_imgproc #ifeq ($(OPENCV_VERSION), 3) #LIBRARIES += opencv_imgcodecs #endif LIBRARIES += opencv_world endif
编译caffe：
make all -j4
#增加引用变量
sudo gedit /etc/ld.so.conf.d/caffe.conf
内容为：
/usr/local/cuda/lib64
回到终端内：
sudo make install #刷新链接 sudo ldconfig
-----------------------------------------------------------
测试caffe
cd [caffe] sudo sh data/mnist/get_mnist.sh sudo sh examples/mnist/create_mnist.sh sudo sh examples/mnist/train_lenet.sh
不报错就是安装成功
-----------------------------------------------------------