一、问题及解决办法
寒假放假回家没事干，正好给家里电脑升级了显卡gtx1050可以跑跑CNN。我在实验室的显卡是560，比较老了，按着实验室的环境配置流程走下来居然不能用，症状就是在Python中不能成功的import caffe，然后重启后无限循环登录。
问题：
不能进入ubuntu的图形界面，在登录界面循环。
解决办法：
Nvidia显卡驱动的锅，卸载显卡驱动，按Ctrl+Alt+F1进入终端模式登录，输入命令
sudo apt-get remove --purge nvidia*
卸载显卡驱动，然后重启计算机，命令如下：
sudo reboot
现在就可以登录图形界面进行cuda + cudnn + caffe的环境配置了。
二、安装流程
2.1.Opencv安装
在caffe中其实是调用了Opencv的一些服务的，因此我们首先需要安装Opencv，安装流程如下：
（1）在Opencv官网下载http://opencv.org/downloads.html需要的Opencv linux版的安装包，这里我选择的Opencv 2.4.12；
（2）依赖包的安装，主要命令如下：
sudo apt-get install build-essential
sudo apt-get install libgtk2.0-dev libavcodec-dev libavformat-dev libtiff4-dev libswscale-dev libjasper-dev
sudo apt-get install cmake
sudo apt-get install pkg-config
（3）把Opencv安装包解压，放到某目录下，这里我是放到了home目录下，在Opencv的目录下新建文件夹为release，在终端中进入Opencv的主目录，运行如下命令：
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..
（4）使用如下命令编译Opencv并安装：
make
sudo make install
至此Opencv已经安装完成，可以使用codeblocks建工程使用Opencv进行测试，方法见我的一篇文章《Ubuntu下codeblocks安装配置方法及opencv配置方法》（http://www.linuxdiyf.com/linux/26536.html）
2.2.配置其他依赖
这里我有一个shell脚本文件，可以把它复制到一个新的.sh文件中，并使用如下命令给该.sh文件赋予运行的权限(xxx表示文件名）
sudo chmod a+x xxx.sh
运行该shell脚本
sh ./xxx.sh
shell脚本内容如下：
#!/bin/bash
# ATLAS
echo "===========atlas=============="
apt-get -y install libatlas-base-dev
# snappy
echo "===========snappy=============="
# apt-get -y install snappy
apt-get -y install libsnappy-dev
# boost
echo "===========boost=============="
apt-get -y install libboost-dev
apt-get -y install libboost-filesystem-dev
apt-get -y install libboost-system-dev
apt-get -y install libboost-thread-dev
apt-get -y install libboost-python-dev
# protobuf
echo "===========protobuf=============="
apt-get -y install libprotobuf-dev
apt-get -y install protobuf-compiler
apt-get -y install python-protobuf
# leveldb
echo "===========leveldb=============="
apt-get -y install libleveldb-dev
# lmdb
echo "===========lmdb=============="
apt-get -y install liblmdb-dev
# hdf5
echo "===========hdf5=============="
apt-get -y install libhdf5-dev
# glog
echo "===========glog=============="
apt-get -y install libgoogle-glog-dev
# gflag
echo "===========gflag=============="
apt-get -y install libgflags-dev
# cython
echo "===========cython=============="
apt-get -y install cython
# scipy
echo "===========scipy=============="
apt-get -y install python-scipy
# scikit-image
echo "===========scikit-image=============="
apt-get -y install python-skimage
# pyyaml
echo "===========pyyaml=============="
apt-get -y install python-yaml
# easydict
echo "===========easydict=============="
apt-get -y install python-pip
# 指定使用科大镜像源安装easydict
pip install easydict -i https://pypi.mirrors.ustc.edu.cn/simple
## 错误排查
# 修复一个比较奇怪的一定要检查这个目录是否存在的问题
mkdir -p /usr/lib64
# 修复cuda链接库找不到的问题
echo "/usr/local/cuda/lib64" > cuda.conf
cp cuda.conf /etc/ld.so.conf.d
ldconfig
这个shell脚本是我师兄写的，在这里鸣谢我师兄！
2.3.caffe源码下载及编译
（1）安装git
sudo apt-get install git
（2）拉取caffe源码
git clone https://github.com/BVLC/caffe.git
（3）设置Makefile.config文件
把Makefile.config.example文件中内容进行复制，复制到新建的文件Makefile.config中，修改以下几项：
i：把USE_CUDNN := 1这一行的注释取消掉，因为gtx1050的算力是6.1高于3.0，是可以使用cuDNN加速的，这里具体看自己的显卡配置；
ii：在INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include行后加空格，然后添加/usr/include/hdf5/serial
（4）编译caffe
i：在计算机中搜寻libhdf5_serial.so.10.1.0文件，找到其所在目录，在终端中进入该目录，并执行以下命令：
sudo ln libhdf5_serial.so.10.1.0 libhdf5.so
sudo ln libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so
sudo ldconfig
make all -j4
ii：执行以下命令，其中-j4是表示使用4个线程进行编译
make test -j4
make runtest -j4
make pycaffe -j4
make distribute
至此，caffe已经安装完成。
2.4.Nvidia驱动安装
这里注意，一定要去Nvidia官网上去下载驱动，特别是针对10系的显卡！
其他的老显卡，比如我实验室的GTX 560不用这么麻烦就可以，我也只配置过这两个显卡，10系显卡最好按照我这里的方法进行操作。
（1）去Nvidia官网下载GTX 1050驱动，网址如下：http://www.geforce.cn/drivers
（2）给下载的驱动程序赋予可执行权限，这里的.run文件是显卡的驱动程序，安装时注意换成自己的文件名
sudo chmod a+x NVIDIA-Linux-x86_64-375.26.run
（3）关闭Ubuntu图形界面
sudo service lightdm stop
使用Ctrl + Alt + F1进入终端界面并登录
（4）安装Nvidia驱动
在终端中进入之前下载的驱动程序所在的目录并执行以下命令：
sudo ./NVIDIA-Linux-x86_64-375.26.run --no-x-check --no-nouveau-check --no-opengl-files
安装好驱动程序以后开启Ubuntu图形界面
sudo service lightdm start
按Ctrl + Alt + F7进入图形界面。
至此Nvidia驱动安装完成。
2.5.Cuda安装
同样，这里的Cuda安装时也不要使用命令行直接安装，去Nvidia官网https://developer.nvidia.com/cuda-downloads下载cuda进行安装
这里同样要注意，下载时要选择runfile类型文件，具体的选择类型如下图所示：
文件有1.4G大小，最好用迅雷下会快一些。
下载好Cuda，安装过程如下：
sh cuda_8.0.27_linux.run --override
首先会提醒你看一些它的使用协议，一直按空格直到出现是否同意，选择Accept
程序会问你要不要安装Nvidia驱动，这里千万不要选择安装，因为我们已经安装过了，而且GTX1050这里安装的驱动与我们之前安装的驱动版本是不一样的，如果选择安装又会出现无限循环登录的问题；
接下来的安装过程一路选择yes，然后按照默认的来就可以了。
2.6.cuDNN安装
去Nvidia官网https://developer.nvidia.com/rdp/cudnn-download下载cuDNN安装包，选择这个：Download cuDNN v5.1 (August 10, 2016), for CUDA 8.0 版本（https://developer.nvidia.com/rdp/cudnn-download#a-collapseTwo）
解压安装包以后会出现cuda的目录，进入该目录
cd cuda/include/
sudo cp cudnn.h /usr/local/cuda/include/
cd ../lib64
sudo cp lib* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*
接下来执行以下命令：
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
在终端中输入以下命令进行环境变量的配置：
sudo gedit /etc/profile
在出现的文件中进行编辑，在末尾加上并保存：
PATH=/usr/local/cuda/bin:$PATH
export PATH
创建链接文件
sudo gedit /etc/ld.so.conf.d/cuda.conf
在该文件中，插入/usr/local/cuda/lib64并保存，然后使用sudo ldconfig使之生效。
2.7.测试
在终端中进入CUDA 8.0 Samples默认安装路径，输入命令：
sudo make all -j4
此步可能会出错，我这里没有出错。完成后继续输入
cd bin/x86_64/linux/release
./deviceQuery
出现下图则表示cuda安装完成
在已经配置好的eclipse + pydev环境中，新建python工程和源程序，并在工程名下右键——Properties——PyDev-PYTHONPATH——External Libraries中Add Source folder中选择/home/hanchao/caffe/python路径
在源程序中输入
import caffe
print 'hello world'
若编译运行后没有错误，则环境已经配置好。