C++使用pointnet++训练模型进行点云分类

环境:

ubuntu-18.04

nvidia驱动-470

cuda-10

cudnn-7.4

tensorflow1.13.1

1.版本信息

cuda和driver版本

tensorflow版本信息

2.安装nvidia驱动

2.1查看本机显卡硬件型号[ubuntu-drivers devices]

推荐安装为版本nvidia-driver-510,我安装的nvidia-driver-470

2.2命令行安装

sudo add-get-repository ppa:graphics-drivers/ppa

sudo apt-get update

ubuntu-drivers devices

sudo ubuntu-drivers autoinstall或者sudo apt-get install nvidia-driver-XX  //推荐的版本号

2.3查看安装是否成功[nvidia-smi]

 网上找的数据信息:

 2.4如有需要设置使用nvidia驱动

我笔记本因为双显卡,安装nvidia驱动后会频繁卡死,好像是在自带的驱动和nvidia驱动之间切换导致,设置使用nvidia驱动就行了

[nvidia-settings]

 一些先看查询使用命令:

查看现有显卡
sudo lshw -c display
检查现在正在使用的卡:
prime-select query

如果要使用Intel图形卡,请运行以下命令:

sudo prime-select intel

要切换回Nvidia卡,请运行

sudo prime-select nvidia


如果由于某种原因你不再需要专有驱动程序,可以通过运行以下命令将其删除:

sudo apt purge nvidia-*

sudo apt autoremove

要删除Nvidia驱动程序PPA,请运行:

sudo add-apt-repository --remove ppa:graphics-drivers/ppa

至此,删除Nvidia完成。

3.安装cuda10.0

3.1下载地址:https://developer.nvidia.com/compute/cuda/10.0/Prod/local_installers/cuda_10.0.130_410.48_linux

3.2安装

sudo chmod +x cuda_10.0.130_410.48_linux.run

sudo ./cuda_10.0.130_410.48_linux.run

安装过程或出现几次提示,大部分默认安装即可,只有在提示是否安装显卡驱动时,填写no,就好,另外将CUDA samples安装在用户的主目录中,方便后面的测试

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?----[选n]

 安装结束后,添加系统变量

sudo vi ~./bashrc

然后在文件的最后添加上:

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

LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib6

export CUDA_HOME=/usr/local/cuda

保存修改后,在终端刷新系统变量

source ~/.bashrc

3.3测试

可以通过以下命令查看CUDA是否配置正确:

 测试cuda是否安装成功,进入CUDA_sampmles目录中,然后执行下面的命令:

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

sudo make

./deviceQuery

最后一行出现pass则安装成功,cuda可正常使用

 如果报错:cudaGetDeviceCount returned 30

双显卡查看是否使用nvidia,找不到显卡,我是之前好的,突然出现这个报错,重启电脑解决

4.安装cudnn7.4

下载地址:https://developer.nvidia.com/rdp/cudnn-download没有账号需要注册

 4.1安装cuDNN

安装cudnn比较简单,简单地说,就是复制几个文件:库文件和头文件

将cudnn的头文件复制到cuda安装路径的include路径下,将cudnn的库文件复制到cuda安装路径的lib64路径下。具体操作如下

#解压文件

tar -xvf cudnn-10.0-linux-x64-v7.4.2.24.tgz

cd cuda/

 #复制include里的头文件(记得转到include文件里执行下面命令)

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

#复制lib64下的lib文件到cuda安装路径下的lib64(记得转到lib64文件里执行下面命令)

sudo cp ./lib64/*  /usr/local/cuda/lib64/

 #设置权限

sudo chmod a+r /usr/local/cuda/include/cudnn.h 

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

#以下命名看是否需要修改版本信息和阮链接,我自己安装时没用到

#======更新软连接======

cd /usr/local/cuda/lib64/ 

#删除原有动态文件,版本号注意变化,可在cudnn的lib64文件夹中查看 

sudo rm -rf libcudnn.so libcudnn.so.7

#生成软衔接(注意这里要和自己下载的cudnn版本对应,可以在/usr/local/cuda/lib64下查看自己libcudnn的版本)

sudo ln -s libcudnn.so.7.0.2 libcudnn.so.7

#生成软链接

sudo ln -s libcudnn.so.7 libcudnn.so

sudo ldconfig -v #立刻生效

最后我们看看验证安装cudnn后cuda是否依旧可用

nvcc --version  # or nvcc -V 

4.2测试

通过cuDNN sample测试一下(https://developer.nvidia.com/rdp/cudnn-archive 页面中找到对应的cudnn版本

下载文件:libcudnn7-doc_7.4.2.24-1+cuda10.0_amd64.deb

 执行命令:sudo dpkg -i libcudnn7-doc_7.4.2.24-1+cuda10.0_amd64.deb

默认安装目录:/usr/src/cudnn_samples_v7

#复制样本文件到local文件夹下

sudo cp -r /usr/src/cudnn_samples_v7/ /usr/local

#进入到样本目录

cd /usr/local/cudnn_samples_v7/mnisrCUDNN

#编译

make clean && make

#执行测试,看是否成功,出现Test Passed表示成功

./mnistCUDNN

5.安装anaconda

Anaconda是python的一个科学计算发行版,内置了数百个python经常会使用的库

也包括许多做机器学习或数据挖掘的库,这些库很多是TensorFlow的依赖库。安装好Anaconda可以提供一个好的环境直接安装TensorFlow。

下载地址:https://www.anaconda.com/download/

Anaconda3-2021.11-Linux-x86_64.sh

chmod +x #后面是下载的sh安装文件

./#后面是下载的sh文件名称,#比如

chmod +x Anaconda3-2021.11-Linux-x86_64.sh

./Anaconda3-2021.11-Linux-x86_64.sh

安装时安装在个人目录下即可,比如说~/anaconda3。提示是否修改./bashrc文件时,建议输入“yes”。

修改conda源,将其修改为国内源,提高下载安装速度。首先打开~/.condarc文件,没有的话,创建一个即可,修改文件内容如下:

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

如果清华的conda源不能使用的问题,如果再遇到这种情况,可以改用上交的源:

channels:
- https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main/
- https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/free/
- defaults
show_channel_urls: true

5.1去掉base字段

重新打开终端,正常情况下,在用户名前会有“base”字样,说明已经进入了conda虚拟环境,如果没有则执行“conda init”命令即可

如果想去掉base,修改文件[~/.bashrc],添加conda deactivate

6.安装tensorflow1.13.1

6.1创建环境

conda create -n tensorflow python=3.7 

conda activate tensorflow

#顺便安装相应的库

#sudo apt-get install python3-pip

#pip install numpy scipy matplotlib pylint

6.2安装tensorflow-gpu,1.13.1

sudo pip3 install tensorflow-gpu==1.13.1 -i https://mirror.baidu.com/pypi/simple

6.3测试

使用python指令进入python编译环境,测试能否使用gpu

python

import tensorflow as tf

#本步骤有警告属于正常现象,强迫症可以根据提示将响应文件后面括号中的“1”改为“(1,)”,这是因为python本班的问题引起的

#输出ture,表示可以使用GPU了

print(tf.test.is_gpu_available())

tf.__version__

我安装时候出错: module 'tensorflow' has no attribute '__version__'

重新安装解决问题:

pip3 uninstall tensorflow-gpu==1.13.1

pip3 install tensorflow-gpu==1.13.1

tf.__version__

>>> tf.__version__

6.4 include和lib地址

include:python -c 'import tensorflow as tf; print(tf.sysconfig.get_include())'

/home/mooe/anaconda3/envs/tensorflow/lib/python3.7/site-packages/tensorflow/include

lib:python -c 'import tensorflow as tf; print(tf.sysconfig.get_

  • 3
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值