深度学习系列文章之三：caffe+ubantu14.04+cuda7.5+cudnn7.0v3+openvc3.0安装

一、Ubuntu14.04系统的安装。

二、CUDA7.5的安装

CUDA7.0的官网下载地址：https://developer.nvidia.com/cuda-downloads

选择下载上图标示的deb安装包，下载完成后会看到一个命名为：cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb的安装包文件，接下来开始安装：

1、  切换到deb目录下进行安装

  $sudo dpkg -i cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb

  $sudo apt-get update

  $sudo apt-get install cuda

 

2. 设置环境变量：

 打开文件.profile(只对当前用户生效)：

  $sudo gedit ~/.profile

 在文件的末尾添加如下几行：

  export CUDA_HOME=/usr/local/cuda-7.5

  export LD_LIBRARY_PATH=${CUDA_HOME}/lib64

  PATH=${CUDA_HOME}/bin:${PATH}

  export PATH

 保存文件之后在命令行执行一下，让配置内容生效

$sudo source ~/.profile

到这个地方，cuda已经配置好了。为了验证一下cuda能不能使用，可以编译一下官方自带的samples

$cd /usr/local/cuda/samples/

$sudo make

   例子编译好之后，在samples下面的子文件bin/x86_64/linux/release中，运行编译好的可执行程序。

$cd  bin/x86_64/linux/release

$./deviceQuery

如果一切正常，那么该程序会打印出本机cuda device的一些信息，如下：

至此CUDA7.0安装结束。

 

三、安装BLAS（或者MKL）

1、blas安装：$sudoapt-get install libatlas-base-dev

2、MKL安装：下载MKL和安装序列号（需要用到教育网邮箱接收序列号）

文件下载完之后，要把文件解压到home文件夹。

tar zxvf parallel_studio_xe_2016.tar.gz

chmod a+x parallel_studio_xe_2016 -R

sudo ./install_GUI.sh

安装完成之后，需要设置mkl的配置文件

1. 新建intel_mkl.conf， 并编辑之：

$ sudo gedit/etc/ld.so.conf.d/intel_mkl.conf

/opt/intel/lib/intel64

/opt/intel/mkl/lib/intel64

2. 新建cuda.conf，并编辑之：

$ sudo gedit /etc/ld.so.conf.d/cuda.conf

/usr/local/cuda/lib64

/lib

3. 完成lib文件的链接操作，执行：

$ sudo ldconfig –v

 

四、安装cudnn

我这里下载的安装包是cudnn-7.0-linux-x64-v3.0-prod.tgz

$ sudo cp cudnn.h /usr/local/include

$ sudo cp libcudnn.so /usr/local/lib

$ sudo cp libcudnn.so.7.0 /usr/local/lib

$ sudo cp libcudnn.so.7.0.64 /usr/local/lib

b. 链接cuDNN的库文件

$ sudo ln -sf/usr/local/lib/libcudnn.so.7.0.64 /usr/local/lib/libcudnn.so.6.5

$ sudo ln -sf/usr/local/lib/libcudnn.so.7.0/usr/local/lib/libcudnn.so

$ sudo ldconfig –v

 

五、安装opencv3.0

1 首先，去OpenCV下载相应版本的OpenCV安装包（http://sourceforge.net/projects/opencvlibrary/或者github）。

2 安装一些必要的依赖，包括libgtk2.0-dev和pkg-config.

 sudoapt-get install libgtk2.0-dev pkg-config。

3 由于后面需要编译，还要安装make等工具。

sudo apt-get install build-essential.

4 由于OpenCV使用cmake来组织整个项目，所以还必须在你的Linux上安装cmake.安装方法也很简单，在终端中输入sudo apt-get install cmake.

5 进入到刚刚解压出来的目录，可以看到有CMakeLists.txt等一堆文件。将终端cd到这个目录，并执行cmake.（注意，cmake命令后面隔着一个空格，然后带了一个.）

6 在终端中编译sudo make。出现运行窗口如下：

 

六、安装其他依赖项

1. Google Logging Library（glog），下载地址：https://code.google.com/p/google-glog/然后解压安装。

$ tar zxvf glog-0.3.3.tar.gz

$ ./configure

$ make

$ sudo make install

如果没有权限就chmod a+x glog-0.3.3 -R , 或者索性 chmod 777glog-0.3.3 -R

2. 其他依赖项，确保都成功

$ sudo apt-get install -y libprotobuf-devlibleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev

$ sudo apt-get install -y libgflags-devlibgoogle-glog-dev liblmdb-dev protobuf-compiler

 

七、安装caffe需要的Python环境

安装IDE运行环境，我用的是Spyder，因为它内置了iPython 环境，Caffe有不少的程序是基于 iPython 环境完成的。安装方法很简单，直接在Ubuntu软件中心搜索“spyder”即可安装。

 

八、编译caffe

1. 安装pycaffe必须的一些依赖项：

$ sudo apt-get install -y python-numpypython-scipy python-matplotlib python-sklearn python-skimage python-h5pypython-protobuf python-leveldb python-networkx python-nose python-pandaspython-gflags Cython ipython

$ sudo apt-get install -yprotobuf-c-compiler protobuf-compiler

2. 下载Caffe-master，生成Makefile.config。Caffe官网：http://caffe.berkeleyvision.org/找到 View OnGitHub下载：

$ cp Makefile.config.exampleMakefile.config

 

3.  配置Makefile.config文件：

a. 启用CUDNN，去掉"#"（目前caffe-master仍然只支持R1版本）

USE_CUDNN := 1

b. 启用GPU，添加注释"#"

# CPU_ONLY := 1

c. 配置一些引用文件（增加部分主要是解决新版本下，HDF5的路径问题）

INCLUDE_DIRS:=$(PYTHON_INCLUDE)/usr/local/include/usr/lib/x86_64-linux-gnu/hdf5/serial/include

LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib/usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial

d.启用Intel Parallel Studio XE 2015 Professional Edition for C++ Linux

BLAS:= mkl

或者启用BLAS := atlas（取决于你安装的具体类型）

e. 配置路径，实现caffe对Python和Matlab接口的支持

PYTHON_LIB := /usr/local/lib

MATLAB_DIR := /usr/local/MATLAB/R2014a

f. 配置Makefile文件（实现对OpenCV3.x的支持）

查找“Derive include and lib directories”一节，修改“LIBRARIES +=”的最后一行，增加opencv_imgcodecsopencv_core opencv_highgui opencv_imgproc opencv_imgcodecs

 

4. 编译caffe-master，"-j8"是使用CPU的多核进行编译，可以极大地加速编译的速度，建议使用：

$ make all -j8

$ make test -j8

$ make runtest -j8

 

5. 编译Python用到的caffe文件：

$ make pycaffe -j8