踩坑3-ubuntu caffe 环境配置
caffe的编译比预想复杂很多，其中设计到多个依赖库的配置，在linux下花费了好久，遇到问题就google,百度，最终终于完成啦！
1.安装caffe相关的依赖项
参考caffe官方的网站在ubuntu<17.04下的环境配置
http://caffe.berkeleyvision.org/install_apt.html
首先一般依赖项
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
CUDA
通过apt-getNVIDIA.run软件包安装。NVIDIA 软件包倾向于遵循更新的库和驱动程序版本，但安装更加手动。如果从包安装，请分别安装库和最新的驱动程序；与库捆绑的驱动程序通常已过时。对于仅 CPU 的安装，可以跳过这一步。
BLAS
OpenBLAS通过安装 ATLASsudo apt-get install libatlas-base-dev或通过 MKL 安装 OpenBLAS 以sudo apt-get install libopenblas-dev获得更好的 CPU 性能。
是一个开源的矩阵计算库，包含了诸多的精度和形式的矩阵计算算法。就精度而言，包括float和double，两种数据类型的数据，其矩阵调用函数也是不一样。不同矩阵，其计算方式也是有所不同，（姑且认为向量也是一维矩阵），例如，向量与向量之间的计算，向量与矩阵之间的计算，矩阵与矩阵之间的计算。
sudo apt-get install libopenblas-dev
python
安装默认python 版本
sudo apt-get install python-dev
ubuntu 需要使用CUDA8.0
2.环境配置异常记录
1.google库提示未安装，
从而无法安装protobuf（pip可以通过python 安装也可以通过conda安装）
sudo pip install google
# 然后再安装protobuf
sudo pip istall protobuf
2.numpy python算法没有安装
pip install numpy
3.glog以及gflags、lmdb，level
glog是谷歌的google开发的日志实用库，提供基于c++标准输入输出流的接口。
gflags在cafe中主要进行命令行的解析。
lmdb和leveldb在caffe中主是是用于图像数据的存储，所有输入的图像都会转成该格式，以便于统一，另外可以提高磁盘的IO利用率。
4。编译过程报错统计
首先git clone caffe 源码
mkdir build cd build cmake .. make all make install make runtest
编译过程遇到问题总结
1.虽然之前安装了boost，但是在cmake 时候提示无法找到boost 以及opencv ，后来发现是ubuntu 系统没有更新
参考
https://blog.csdn.net/harbor1981/article/details/86064888
在软件更新中勾选可从互联网下载，然后
sudo apt-get update sudo apt-get upgrade #获取可更新软件
2.ModuleNotFoundError: No module named 'google' 问题解决方案
https://blog.csdn.net/zhuquanfu/article/details/105445065
sudo pip install google sudo pip install protobuf
3.//usr/lib/x86_64-linux-gnu/libSM.so.6：对‘uuid_unparse_lower@UUID_1.0’未定义的引用
解决libapr-1.so.0：对‘uuid_generate@UUID_1.0’未定义的引用
https://www.codeleading.com/article/87512571131/
解决conda和ros库不兼容问题,libapr-1.so.0：对‘uuid_generate@UUID_1.0’未定义的引用https://yangbenbo.github.io/2020/11/10/%E8%A7%A3%E5%86%B3libapr-1-so-0%EF%BC%9A%E5%AF%B9%E2%80%98uuid-generate-UUID-1-0%E2%80%99%E6%9C%AA%E5%AE%9A%E4%B9%89%E7%9A%84%E5%BC%95%E7%94%A8/
-
locate第二个关键字属于的库：
locate libuuid.so.1/home/ct/anaconda3/lib/libuuid.so.1 /home/ct/anaconda3/lib/libuuid.so.1.0.0 /home/ct/anaconda3/pkgs/libuuid-1.0.3-h1bed415_2/lib/libuuid.so.1 /home/ct/anaconda3/pkgs/libuuid-1.0.3-h1bed415_2/lib/libuuid.so.1.0.0 /home/ct/research/projects/libuuid-1.0.3/.libs/libuuid.so.1 /home/ct/research/projects/libuuid-1.0.3/.libs/libuuid.so.1.0.0 /lib/x86_64-linux-gnu/libuuid.so.1 /lib/x86_64-linux-gnu/libuuid.so.1.3.0 -
这些就是第二个关键字的库的所有位置，我们想让ros使用系统的库
/lib/x86_64-linux-gnu/libuuid.so.1，但是由于anaconda的存在，使用的却是/home/ct/anaconda3/lib/libuuid.so.1
可以分别查看这两种库使用的版本：$ ll /lib/x86_64-linux-gnu/ |grep uuid lrwxrwxrwx 1 root root 16 10月 10 17:34 libuuid.so.1 -> libuuid.so.1.3.0 -rw-r--r-- 1 root root 18976 10月 10 17:34 libuuid.so.1.3.0$ ll /home/ct/anaconda3/lib/ |grep uuid -rw-rw-r-- 2 ct ct 26398 1月 12 2018 libuuid.a -rwxrwxr-x 1 ct ct 950 11月 28 09:09 libuuid.la* lrwxrwxrwx 1 ct ct 16 11月 28 09:09 libuuid.so -> libuuid.so.1.0.0* lrwxrwxrwx 1 ct ct 16 11月 28 09:09 libuuid.so.1 -> libuuid.so.1.0.0* -rwxrwxr-x 2 ct ct 18472 1月 12 2018 libuuid.so.1.0.0* -
可以看出系统库使用的实际是1.3.0版本，而anaconda使用的是1.0.0版本
-
最后一步就是把anaconda中的库链接到系统的库（这种方法不一定是最好的，但是比较简单）
sudo rm /home/ct/anaconda3/lib/libuuid.so.1 sudo ln -s /lib/x86_64-linux-gnu/libuuid.so.1 /home/ct/anaconda3/lib/libuuid.so.1
4.搭建caffe环境时“error: hdf5.h”找不到的解决方法
https://blog.csdn.net/goofysong/article/details/52116265?%3E
搭建caffe环境时，在最后进行 ”$make all” 操作时，报错找不到 “hdf5.h”，找了半天原因，是因为在安装 “hdf5” 的时候使用的指令是
$ sudo apt-get libhdf5-serial-dev
所以相应的需要更改"Makefile.config"文件中的包含目录
ctrl+f 找到
INCLUDE_DIRS:=$(PYTHON_INCLUDE) /usr/local/include
然后在后面加上"serial"的包含目录，即：
INCLUDE_DIRS:=$(PYTHON_INCLUDE) /usr/local/include/usr/include/hdf5/serial/
接着需要更改相应的"Makefile"文件，找到
LIBRARIES +=glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
更改最后两项为：
LIBRARIES +=glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
就可以了，继续make了。
5 nvcc fatal : Unsupported gpu architecture 'compute_20'
仔细查看了一下 Makefile.config 中 CUDA_ARCH 设置未按规定设置：
# CUDA architecture setting: going with all of them.
# For CUDA < 6.0, comment the *_50 through *_61 lines for compatibility.
# For CUDA < 8.0, comment the *_60 and *_61 lines for compatibility.
# For CUDA >= 9.0, comment the *_20 and *_21 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_52,code=sm_52 \
-gencode arch=compute_60,code=sm_60 \
-gencode arch=compute_61,code=sm_61 \
-gencode arch=compute_61,code=compute_61
因为我装的是CUDA9.0所以把下面这两行删除就可以了
-gencode arch=compute_20,code=sm_20 \ -gencode arch=compute_20,code=sm_21 \
6.caffe编译遇到的问题（持续更新）
https://blog.csdn.net/m0_37407756/article/details/70789271
https://www.cnblogs.com/zwjhq/p/9258432.html
3.配置成功，cmake ->make all ->install ->runtest 结果
cmake gen完成
make all
//usr/lib/x86_64-linux-gnu/libSM.so.6：对‘uuid_generate@UUID_1.0’未定义的引用 解决之
重新make all
genrating ok
make install
make runtest
