双显卡UBuntu16.04安装Caffe

双显卡UBuntu16.04安装Caffe

2017年2月2日记

Ubuntu16.04 + CUDA8.0 + CUDNN +opencv3.1 + Caffe

作者已经装过N遍caffe了，苦逼的原因是因为双显卡的电脑，集成显卡+独立显卡（ntel核显以及Nvidia GEFORCE GTX860M显卡），在Ubuntu14.04下安装CUDA会出现比如循环登录、启动后黑屏等问题。比如如下问题（所以为了避免入坑，赶紧装Ubuntu16.04）：

1.启动后电脑黑屏，不能进行任何操作（可能还有救）。

在grub界面选择要登录的系统按“e”，进入编辑界面，在倒数第二行末尾加入acpi_osi=Linux nomodeset，具体操作可以上网查。

2.启动后电脑黑屏但是可以通过CTRL+ALT+F1(我的电脑是CTRL+ALT+F4)进入命令行模式（可能还有救）。

删除所有nvidia，sudo apt-get remove  nvidia*，然后重启。

3.进入登录界面，然后不断地让你登录，一直登录不进去，进入命令行也一直闪烁（可能没救了）。

但是这个问题在Ubuntu16.04就得到了解决，所以，如果你的电脑是双显卡的话，just do it！

忽略上面的命令啊，那个只是Ubuntu14.04的抢救措施。装好了Ubuntu16.04，开始吧：

1.首先安装CUDA

a.首先安装一些依赖

sudo apt-get update

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

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

sudo apt-get install git cmake build-essential

b.安装好之后需要禁用nouveau，创建/etc/modprobe.d/blacklist-nouveau.conf，写入：

blacklist nouveau option nouveau modeset=0

然后执行sudo update-initramfs -u

c.配置一些基本的环境变量

vim ~/.bashrc

加入：

export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH

export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH 

到这里之后有些教程会让我们上NVIDIA官网上看我们的GPU型号应该用什么版本的驱动，其实不需要；另外有些教程会让我们把gcc和g++版本降低，比如降低为gcc-4.9和g++-4.9，其实不需要，Ubuntu16.04的默认gcc和g++版本就为5.4版本，而CUDA8.0目前也支持此版本。

d.然后我们需要下载CUDA(https://developer.nvidia.com/cuda-downloads)，这个网址

e.安装cuda有点讲究

下载完成后重启电脑，在出现登录界面时，登录tty1,按Ctrl + Alt + F1，在文本模式中登录.

关闭桌面服务

sudo service lightdm stop。

这步对于安装Nvidia驱动至关重要

进入下载cuda文件的目录执行：

sudo sh cuda-8.0.44_linux.run --no-opengl-libs

如果不加–no-opengl-libs应该是会出现循环登录问题

安装过程中完全按照它的指引就可以了，先输入accept，然后一连串的yes就可以。

Accept EULA conditions

Say YES to installing the NVIDIA driver

Say YES to installing CUDA Toolkit + Driver

Say YES to installing CUDA Samples等等。

然后重启，这个时候没有循环登录问题，正常进入桌面。

f.修改环境配置

vim ~/.bashrc

加上：export PATH=/usr/local/cuda-8.0/bin:$PATH

     export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

刷新配置执行

source ~/.bashrc

g.测试CUDA的samples：

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery

sudo make

./deviceQuery

会看到你的GPU信息，如果看到，说明CUDA安装成功。

2.配置cuDNN

cuDNN是GPU加速计算深层神经网络的库。

(a)首先去官网(https://developer.nvidia.com/rdp/cudnn-download)下载cuDNN,需要注册一个账号才能下载

(b)下载cuDNN5.1之后进行解压，cd进入cuDNN5.1解压之后的cuda/include目录，在命令行进行如下操作：

sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件

(c)再将cd进入lib64目录下的动态文件进行复制和链接：

sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库
cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5 #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接

3.安装opencv3.1

博主这个时候就有点SB了，opencv可以apt-get，我当时却自己编译的，不过还好，只有一个坑。

从官网(http://opencv.org/downloads.html)下载Opencv,并将其解压到你要安装的位置。

在你的OpenCV目录下

mkdir build # 创建编译好的文件目录

cd build

配置：

cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..

编译：

make -j8 #-j8表示并行计算，根据自己电脑的配置进行设置，配置比较低的电脑可以将数字改小或不使用，直接输make。

以上只是将opencv编译成功，还没将opencv安装，需要运行下面指令进行安装：

sudo make install

• 可能出现的错误，编译opencv遇到的坑：

类似此类错误，应该在进度92%处出现。

modules/cudalegacy/src/graphcuts.cpp:120:54: error: 
‘NppiGraphcutState’ has not been declared
typedef NppStatus (*init_func_t)(NppiSize oSize, 
NppiGraphcutState** ppState, Npp8u* pDeviceMem);

这是因为opecv3.1与cuda8.0不兼容导致的。解决办法：

修改 ～/opencv/modules/cudalegacy/src/graphcuts.cpp文件内容，如图：

4.安装Caffe

不建议安装Anaconda，我开始安装Anaconda，但是出现问题，后来使用原生态的python就OK了。

遇到了什么问题呢？下图：

caffe的GitHub的issue也有问题的解决方法：

https://github.com/BVLC/caffe/issues/985

我按照GitHub所说，执行

rm ~/anaconda/lib/libm.*

后无卵用，我就用原生态的Python接口了，很方便配置。所以忽略Anaconda，直接安装Caffe。

下面安装Caffe：

1）将终端cd到要安装caffe的位置。

2）从github上获取caffe：

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

3）因为make指令只能make Makefile.config文件，而Makefile.config.example是caffe给出的makefile例子，因此，首先将Makefile.config.example的内容复制到Makefile.config：

sudo cp Makefile.config.example Makefile.config

4）打开并修改配置文件：

sudo gedit Makefile.config #打开Makefile.config文件

修改文件：

a.若使用cudnn，则:

将
#USE_CUDNN := 1
修改成： 
USE_CUDNN := 1

b.因为opencv版本是3的，则

将
#OPENCV_VERSION := 3 
修改为： 
OPENCV_VERSION := 3

c.若要使用Python来编写layer，则

将
#WITH_PYTHON_LAYER := 1 
修改为 
WITH_PYTHON_LAYER := 1

d. 重要的一项 :

将# Whatever else you find you need goes here.下面的

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 /usr/lib/x86_64-linux-gnu/hdf5/serial       

这是因为ubuntu16.04的文件包含位置发生了变化，尤其是需要用到的hdf5的位置，所以需要更改这一路径.

5）修改makefile文件，打开makefile文件，做如下修改：

将：
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

在Makefile文件的第173行，把 hdf5_hl 和hdf5修改为hdf5_serial_hl 和 hdf5_serial，也就是把下面第一行代码改为第二行代码。

将：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改为：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

6）编辑/usr/local/cuda/include/host_config.h

将其中的第115行注释掉：

将
#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
改为
//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!

7）编译

make all -j8 #-j根据自己电脑配置决定

sudo make runtest -j8 # 跑test

sudo make pycaffe -j8 #编译pycaffe

然后，配置环境变量，将caffe/python加到环境变量里去，然后输入Python：

import caffe

开开心心去玩耍吧！

Reference ：

1.http://blog.csdn.net/xuzhongxiong/article/details/52717285

2.http://blog.csdn.net/t5131828/article/details/53258925