系统配置：
（1）Ubuntu-16.04.3-desktop-amd64
（2）GTX1050Ti
安装过程
1.安装依赖库
sudo apt-get install build-essential python-pip vim gedit cmake git
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
2.安装NVIDIA驱动
2.1 下载显卡驱动
通过http://www.nvidia.com/Download/index.aspx?lang=en-us查询显卡驱动，笔者显卡为GTX1050Ti。
下载对应显卡驱动文件：NVIDIA-Linux-x86_64-384.98.run。
2.2 禁止Ubuntu自带的显卡驱动
sudo gedit /etc/modprobe.d/blacklist.conf
在最后一行加入如下命令，禁止系统自带的显卡驱动
blacklist nouveau
刷新配置
sudo update-initramfs -u
2.3 安装显卡驱动
使用键盘Ctrl+Alt+F1~F6，先切换到黑屏文字界面，键入用户名和密码。
安装显卡驱动前，先禁止系统显卡显示。
sudo service lightdm stop
切换到下载的显卡驱动文件夹后，进行安装。
sudo chmod 777 NVIDIA-Linux-x86_64-384.98.run
sudo ./NVIDIA-Linux-x86_64-384.98.run
重新使能系统显示，如显卡成功安装，显示器已经正常显示了。
sudo service lightdm start
查询显卡信息，可输入
sudo nvidia-smi
3.安装CUDA
3.1 下载CUDA安装
通过https://developer.nvidia.com/cuda-toolkit-archive下载cuda，
最新的CUDA是9.0版本，为了兼容性，我们还是选择CUDA8.0。（CUDA9.0现阶段对很多库还不兼容，亲测）
选择CUDA Toolkit 8.0 GA2得到安装包和补丁文件，cuda_8.0.61_375.26_linux.run cuda_8.0.61.2_linux.run。
切换到下载文件所在路径，执行安装文件cuda_8.0.61_375.26_linux.run cuda_8.0.61.2_linux.run。
sudo chmod 777 cuda_8.0.61_375.26_linux.run cuda_8.0.61.2_linux.run
sudo ./cuda_8.0.61_375.26_linux.run
sudo ./cuda_8.0.61.2_linux.run
注意：执行后会有一系列提示让你确认，但是注意，有个让你选择是否安装nvidia367驱动时，要选择否：
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48?
不需要安装，其余的都直接默认或者选择是即可。
3.2 配置环境变量
sudo gedit ~/.bashrc
在最后添加环境变量如下：
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
配置生效：
source ~/.bashrc
3.3 测试CUDA例子
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
sudo ./deviceQuery
如正常安装，可显示显卡的信息。
4.添加cuDNN库
cuDNN（CUDA Deep Neural Network），相比标准的cuda，它在一些常用的神经网络操作上进行了性能的优化，比如卷积，pooling，归一化，以及激活层等等，添加cuDNN库后可加速训练，建议安装。
通过https://developer.nvidia.com/rdp/cudnn-download界面下载cuDNN库，需要注册NVIDIA开发者账号。
选择CUDA8.0对应的cuDNN v7.0.5，选择下载进行配置，复制相应文件到系统库文件夹下。
sudo tar -zxvf cudnn-8.0-linux-x64-v7.tgz
cd cuda/include
sudo cp cudnn.h /usr/local/cuda/include
cd ../lib64
sudo cp lib* /usr/local/cuda/lib64/
复制后，软链接会丢失，重新建立软链接。
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.7
sudo ln -s libcudnn.so.7.0.5 libcudnn.so.7
sudo ln -s libcudnn.so.7 libcudnn.so
5.安装OPENCV3.3
安装OPENCV库，由于启用了CUDA功能，编译非常缓慢，耐心等待。
sudo git clone https://github.com/opencv/opencv.git
cd opencv/
mkdir build
cd build
sudo cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
sudo make -j8
sudo make install
6.安装Caffe
6.1 下载Caffe源码
git clone https://github.com/BVLC/caffe.git
6.2 选择配置文件
cd caffe/
cp Makefile.config.example Makefile.config
6.3 根据需求修改配置文件
sudo gedit Makefile.config
需要配置和修改的地方如下：
（1）使用USE_CUDNN
（2）使用USE_OPENCV
（3）使用OPENCV_VERSION := 3
（4）修改python包目录
PYTHON_INCLUDE := /usr/include/python2.7\
/usr/lib/python2.7/dist-packages/numpy/core/include
修改为
PYTHON_INCLUDE := /usr/include/python2.7\
/usr/local/lib/python2.7/dist-packages/numpy/core/include
（5）使用WITH_PYTHON_LAYER := 1
（6）Caffe中的数据库需要hdf5支持，添加hdf5库，
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
添加了hdf5库后，还需在Makefile文件中添加库文件，如下所示
sudo gedit Makefile
LIBRARIES +=glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
6.4 逐步编译Caffe源码
sudo make all -j8
sudo make test
sudo make runtest
sudo make pycaffe
如成功配置，则所有部分顺利编译和测试通过，亲测！
6.5 安装pyCaffe所需的库文件
cd python/
sudo pip install -r requirements.txt
安装过程中，可能出现pip版本过低的提示，升级pip版本
sudo pip install --upgrade pip
查看caffe库的使用
python
import caffe
如下图python引入pycaffe时，出现没有caffe库的错误提示时，需要在系统环境变量中添加。
在~/.bashrc中添加环境变量：
export LD_LIBRARY_PATH=/home/XXX/caffe/python/caffe${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
到这一步，成功完成Caffe所有环境的安装，可以进行Caffe相关的开发了！！
参考文档：
[1]http://www.linuxidc.com/Linux/2016-12/138870.htm
[2]http://www.linuxidc.com/Linux/2015-07/120449.htm
[3]http://blog.csdn.net/xuzhongxiong/article/details/52717285
[4]http://caffe.berkeleyvision.org/installation.html
[5]http://blog.csdn.net/goofysong/article/details/52116265
