ubuntu14.04-64位安装caffe+cuda7.5+opencv3.0完美教程2016.10.8

最新推荐文章于 2023-05-12 20:10:40 发布

lijinxin_

最新推荐文章于 2023-05-12 20:10:40 发布

阅读量1.7k

点赞数 1

分类专栏：深度学习文章标签： ubuntu caffe cuda opencv

本文链接：https://blog.csdn.net/lijinxin_/article/details/52661556

版权

深度学习专栏收录该内容

2 篇文章 0 订阅

订阅专栏

本文章是综合我多篇我参考的caffe安装教程，经过几天的尝试才安装成功。

因为我从头到尾安装了一次，所有的步骤都是遵循下面的步骤做的，

因此，对于电脑配置和我想当的用户可以按照我的步骤实现直接完美安装。

文章如有瑕疵，欢迎各位指正。

我现在的电脑配置是：ubuntu14.04系统，8G内存，GTX760显卡

下面开始安装：

1. 安装开发依赖包

<pre name="code" class="python"><span style="font-family: Arial, Helvetica, sans-serif;"></span>

sudo apt-get install build-essential
sudo apt-get install vim cmake git
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler #required by caffe

在安装之前最好查下你的gcc版本，版本最好在4.8+到4.9+（查询方法为：gcc -v），如果不是的话先将原版本卸载掉，再安装对应版本。

2.安装CUDA 7.5

首先到官网下载CUDA7.5：https://developer.nvidia.com/cuda-downloads

选择路径如下：

下载完成之后切换到下载的deb所在目录，执行下边的命令：

<span style="font-family: "microsoft yahei";">sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb  </span>

sudo apt-get update  
sudo apt-get install cuda

然后重启电脑：sudo reboot

NOTE:装不成功卸了多来几遍，总会成的

3.安装cuDNN

去百度下载cudnn-7.5-linux-x64-v5.0-ga.tgz

下载之后进入下载文件内输入：

tar -zxvf cudnn-7.5-linux-x64-v5.0-ga.tgz  
cd cuda  
sudo cp lib64/lib* /usr/local/cuda/lib64/  
sudo cp include/cudnn.h /usr/local/cuda/include/

更新软连接

cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.5.0.5
sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5
sudo ln -sf libcudnn.so.5 libcudnn.so
sudo ldconfig

4.设置环境变量

gedit /etc/profile

在打开的文件尾部加上

PATH=/usr/local/cuda/bin:$PATH
export PATH

保存后执行以下命令使之生效

source /etc/profile

同时创建以下文件

sudo vim /etc/ld.so.conf.d/cuda.conf

内容是

/usr/local/cuda/lib64

保存后，使之生效

sudo ldconfig

5. 安装CUDA Sample 及 ATLAS

5.1 Build sample

cd /usr/local/cuda/samples
sudo make all -j4

我电脑是4核的，所以make 时候用-j4参数

5.2 查看驱动是否安装成功

cd bin/x86_64/linux/release
./deviceQuery

出现以下信息则成功

    
    
     
     
      
      [plain] 
      
      view plain
      
       copy
      
      
      
       print
      
      ?
      
      
      
      
     
     
    
    
    
    ./deviceQuery Starting...  
  
 CUDA Device Query (Runtime API) version (CUDART static linking)  
  
Detected 1 CUDA Capable device(s)  
  
Device 0: "GeForce GTX 670"  
  CUDA Driver Version / Runtime Version          7.5 / 7.5  
  CUDA Capability Major/Minor version number:    3.0  
  Total amount of global memory:                 4095 MBytes (4294246400 bytes)  
  ( 7) Multiprocessors, (192) CUDA Cores/MP:     1344 CUDA Cores  
  GPU Clock rate:                                1098 MHz (1.10 GHz)  
  Memory Clock rate:                             3105 Mhz  
  Memory Bus Width:                              256-bit  
  L2 Cache Size:                                 524288 bytes  
  Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)  
  Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers  
  Maximum Layered 2D Texture Size, (num) layers  2D=(16384, 16384), 2048 layers  
  Total amount of constant memory:               65536 bytes  
  Total amount of shared memory per block:       49152 bytes  
  Total number of registers available per block: 65536  
  Warp size:                                     32  
  Maximum number of threads per multiprocessor:  2048  
  Maximum number of threads per block:           1024  
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)  
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)  
  Maximum memory pitch:                          2147483647 bytes  
  Texture alignment:                             512 bytes  
  Concurrent copy and kernel execution:          Yes with 1 copy engine(s)  
  Run time limit on kernels:                     Yes  
  Integrated GPU sharing Host Memory:            No  
  Support host page-locked memory mapping:       Yes  
  Alignment requirement for Surfaces:            Yes  
  Device has ECC support:                        Disabled  
  Device supports Unified Addressing (UVA):      Yes  
  Device PCI Bus ID / PCI location ID:           1 / 0  
  Compute Mode:  
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >  
  
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 7.5, CUDA Runtime Version = 7.5, NumDevs = 1, Device0 = GeForce GTX 670  
Result = PASS

6.安装Intel MKL 或Atlas（我按的Atlas）

安装ATLAS

ATLAS是做线性代数运算的，还有俩可以选：一个是Intel 的 MKL，这个要收费，还有一个是OpenBLAS，这个比较麻烦；但是运行效率ATLAS < OpenBLAS < MKL

我就用ATLAS咯：

sudo apt-get install libatlas-base-dev

7.安装OpenCV

这是按部就班的安装方法，据说github上有大神编译好的安装包，一步傻瓜式安装，想练手的童鞋可以看看。

搭建编译环境

<pre name="code" class="plain">sudo apt-get install build-essential

安装依赖库

<pre name="code" class="plain">sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

</pre><hr style="margin:2em 0px; border-right:0px; border-bottom:0px; border-left:0px; border-top-style:solid; color:rgb(51,51,51); font-family:"microsoft yahei"; font-size:14px" /><ul style="color:rgb(51,51,51); font-family:"microsoft yahei"; font-size:14px"><li style=""><span style="">下载OpenCV3.0</span>版本：（下载<span style="">上opencv官网下载</span><a target=_blank target="_blank" href="http://opencv.org/" rel="nofollow" style=""><span style="">http://opencv.org/</span></a>）</li></ul><pre class="prettyprint" name="code" style="white-space: nowrap; word-wrap: break-word; box-sizing: border-box; position: relative; overflow-y: hidden; overflow-x: auto; margin-top: 0px; margin-bottom: 1.1em; font-family: "Source Code Pro", monospace; padding: 5px 5px 5px 60px; font-size: 14px; line-height: 1.45; word-break: break-all; color: rgb(51, 51, 51); background-color: rgba(128, 128, 128, 0.0470588); border: 1px solid rgba(128, 128, 128, 0.0745098); border-radius: 0px;"><pre name="code" class="plain">mkdir ~/opencv

cd ~/opencv

将下载的zip文件复制到此opencv文件夹内，然后解压

unzip opencv-3.0.0.zip

安装opencv

<pre name="code" class="plain">cmake .  # cmake+空格+"."

<pre name="code" class="plain">sudo make

<pre name="code" class="plain">sudo make install

<pre name="code" class="plain">sudo /bin/bash -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf'
sudo ldconfig

编译samples程序

<pre name="code" class="plain">cd ~/opencv/samples
sudo cmake .
sudo make -j $(nproc)

运行测试程序
测试程序根据版本不同会有不同的数据路径等等，这个需要你根据自己的Opencv版本适当调整一下路径。

<span style="font-family: "microsoft yahei"; background-color: rgb(255, 255, 255);"></span><pre name="code" class="plain"># 注：使用alpha版本，images在opencv/cpp文件夹下
cd cpp/
./cpp-example-facedetect lena.jpg

<span style="font-family: "microsoft yahei"; background-color: rgb(255, 255, 255);">效果如下图： </span>

lena人脸识别

8. 安装Caffe所需要的Python环境

首先安装pip和python-dev （系统默认有python环境的，不过我们需要的使python-dev）

sudo apt-get install python-dev python-pip

然后执行如下命令安装编译caffe python wrapper 所需要的额外包

for req in $(cat requirements.txt); do sudo pip install $req; done

在执行上述命令时，会报错导致不能完全安装所有需要的包。可以按照官方建议安装anaconda包。在anaconda官网下载.sh文件，执行，最后添加bin目录到环境变量即可。

9. 下载Caffe安装包

下载caffe，我把caffe放在用户目录下

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

再转到caffe的python目录，安装scipy

cd caffe/python
sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose

最后安装requirement里面的包，需要root权限

sudo su
for req in $(cat requirements.txt); do pip install $req; done

如果提示报错，一般是缺少必须的包引起的，直接根据提示 pip install <package-name>就行了。

安装完后退出root权限

exit

10. 编译Caffe

首先修改配置文件，回到caffe目录

cd caffe
cp Makefile.config.example Makefile.config
gedit Makefile.config

这里仅需修改两处：

1)）使用cuDNN

# USE_CUDNN := 1

这里去掉#，取消注释为

USE_CUDNN := 1

2）修改python包目录，这句话

PYTHON_INCLUDE := /usr/include/python2.7 \
　　/usr/lib/python2.7/dist-packages/numpy/core/include

改为

PYTHON_INCLUDE := /usr/include/python2.7 \
　　/usr/local/lib/python2.7/dist-packages/numpy/core/include

3）将 OPENCV_VERSION := 3 前的#去掉

因为新安装的python包目录在这里： /usr/local/lib/python2.7/dist-packages/

接下来就好办了，直接make

make all -j4
make test
make runtest
make pycaffe

如果编译都通过了那就证明你安装成功了！

参考网站：

http://www.linuxidc.com/Linux/2015-07/120449.htm

http://blog.csdn.net/ubunfans/article/details/47724341

opencv:http://blog.csdn.net/u013915633/article/details/49886465

http://www.cnblogs.com/platero/p/3993877.html

http://blog.csdn.net/windrainlife/article/details/52217317

lijinxin_

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录