(1)安装依赖：
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 libatlas-base-dev
sudo apt-get install python-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
(2)设置和编译Caffe
Github下载caffe，解压
sudo cp Makefile.config.example Makefile.config
修改Makefile.config:
第一个地方：CPU_ONLY:=1 去掉注释符号#
第二个地方：MATLAB_DIR:=/home/payne/program/MATLAB/R2015b 自己的matlab安装根目录
第三个地方:WITH_PYTHON_LAYER:=1 caffe的python接口
编译：
make all
make test
make runtest
make matcaffe
在使用caffe的matlab接口前设置路径：
>> addpath(genpath('/home/payne/program/caffe-master/matlab'));
>> help caffe
caffe 的内容:
.............省略..................
当本人尝试进行模型训练时，发现只有一个CP被占用（联想G480：4个CPU），效率实在低下。网上查阅资料可使用4个CPU同时训练。
首先安装openblas
sudo apt-get install -y libopenbals-dev
修改caffe目录下的Makefile.config文件，将BLAS:=atlas修改为BLAS:=open
再编译caffe，首先make clean，清除之前的编译结果，再次执行make all -j16,make test -j16,make runtest -j16。-j16是指使用16个核并行编译caffe，可以大大加快编译速度。
编译完成后，执行训练前，需要export OPENBLAS_NUM_THREADS=4, 即使用4个核进行训练
