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