先从最简单的CPU+Python版本开始配置，到后面对Caffe框架熟悉了或者有需要用matcaffe的时候，再去摸索GPU或者matlab版本的Caffe配置。

Step0 :检查自己电脑是否具有GPU

通常Caffe在计算时有两种模式可以选择，CPU或GPU，使用GPU处理图像速度会更快，但往往有的计算机没有GPU，配置太低，所以只能选择CPU，作者的电脑不支持GPU，因此选择CPU安装的版本。

输入：

lspci | grep -i nvidia

结果1
         如果未显示任何内容，则证明你的电脑不支持GPU。
结果2
         如果显示如下图内容： 
         
         则表明版本是GTX 650，支持GPU，可以去http://developer.nvidia.com/cuda-gpus去验证，支持CUDA，本文只描述CPU     模式的caffe安装。。
 

此时，打开终端

Step1：输入以下代码：

sudo apt-get update

Step2：安装caffe必要依赖，记住每一步的依赖都要安装：

sudo apt-get install git

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler

sudo apt-get install build-essential

sudo apt-get install --no-install-recommends libboost-all-dev

sudo apt-get install libatlas-base-dev

sudo apt-get install --no-install-recommends libboost-all-dev

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

Step3：官网拉取源码：

git clone https://github.com/BVLC/caffe.git

Step4：安装第二部分依赖：

sudo apt-get install libblas-dev liblapack-dev libatlas-base-dev gfortran python-numpy

sudo apt-get install python-pip

sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn

sudo apt-get install python-skimage python-h5py python-protobuf python-leveldb

sudo apt-get install python-networkx python-nose python-pandas

sudo apt-get install python-gflags Cython ipython

sudo pip install --upgrade matplotlib

sudo apt-get update

Step5：修改配置文件：

cd caffe
cp Makefile.config.example Makefile.config

gedit Makefile.config

仅修改一处，将“CPU_ONLY”选项打开即可。

将  #USE_CPUONLY := 1  修改成  USE_CPUONLY := 1

(注意：Ubuntu14.04修改上面即可。如果是Ubuntu16.04，除了修改上处外，还需修改以下地方：

加入后面的部分即可（修改 python 路径）

将
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/hdf5/serial

然后修改 caffe 目录下的 Makefile 文件

gedit Makefile

 Makefile 198行

将 
LIBRARIES += hdf5_hl hdf5 hdf5_serial_hl hdf5_serial 
修改为  
LIBRARIES += hdf5_serial_hl hdf5_serial

Step6：编译及测试：

$ make all -j4
$ make test -j4
$ make runtest -j4
$ make pycaffe -j4
$ make distribute

（注：-j4表示使用4核，这样更快，根据自己电脑情况。不用则单核）

测试时，输入以下代码：

$ cd /home/xxx/caffe/python
$ python
$ import caffe

其中”xxx“是我的Ubutnu用户名，更改为你自己的即可，如果不出错，就表示Caffe CPU+Python版本环境安装成功！

Step7：在Mnist运行Lenet，第一个CNN的试炼！

获取数据源

./data/mnist/get_mnist.sh

./examples/mnist/create_mnist.sh

修改在examples文件下的Mnist下的lenet_solver.prototxt中的solver_mode:CPU

sudo gedit ./examples/mnist/lenet_solver.prototxt

将最后一行 solver_mode: GPU  改为  solver_mode: CPU

训练模型

./examples/mnist/train_lenet.sh

等待训练完成。