nvidia jetson TX2配置caffe

 英伟达在2017年3月发布了全新嵌入式计算平台TX2，从网上的介绍来看，TX2延续了小体积、高度集成的特性，整合了 4 核 ARM A57 CPU、Pascal 架构 GPU(16 纳米工艺)、最高 8G 内存、32G 固态存储器等组件。标准功耗为 7.5W。另外，TX2 也可以将功率提高到 15W，从而提升计算能力。

   看到如此诱人的配置，笔者入手了一块TX2，见下图

   TX2自带的系统为Ubuntu16.04，笔者迫不及待地开始在TX2上配置caffe，下面记录了笔者的配置过程。

   配置caffe一共分为两大步骤，第一大步是进行JetPack3.0安装，这一步由笔者的同事luval完成，在此对他的贡献表示感谢。JetPack3.0中包含了cuda8.0，是caffe运行必不可少的组件，首先附上JetPack的下载链接https://developer.nvidia.com/embedded/jetpack点击打开链接，在下载时可能需要登录nvidia账户。

然后再附上JetPack的安装指南http://docs.nvidia.com/jetpack-l4t/index.html#developertools/mobile/jetpack/l4t/3.0/jetpack_l4t_install.htm点击打开链接

请大家安装的时候一定要跟随官网的安装指南，下面记录一下JetPack3.0的安装过程：

首先准备一台宿主机，luval用的是一个ubuntu14.04的虚拟机，将下载的JetPack-L4T-3.0-linux-x64.run放到相应的文件夹下，并在文件夹下执行：

sudo ./JetPack-L4T-3.0-linux-x64.run

在进入图形界面之后，一路next到如下界面：

如果需要刷机的话，就勾选蓝框中的东西，如果不需要刷机，只需要安装JetPack组件的话，可以在下面选择，上图显示了luval的选择，然后再经过以下两步：

到了下面这一步：

   此时TX2应该是开机状态，而且宿主机应该与TX2在同一个网络里，luval的做法是将TX2与宿主机分别用网线连接到同一个路由器。IP行填TX2的ip地址,user name行填TX2的登录用户名，password填TX2的对应的账户密码（TX2自带nvidia/nvidia），点next，如果IP和用户名以及密码正确，进入到安装功能包的界面，这是自动进行的，保持网络连接即可，直到完成。

在程序安装完毕后，在TX2上设置环境变量

sudo gedit /etc/bash.bashrc

在文件的末尾加入如下

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

export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

然后cuda就配置完毕了，运行

nvcc -V

查看一下cuda版本

那么，我们再查看一下其他安装或者自带组件的版本

   然后我们开始进行第二大步，配置caffe:

首先安装一般依赖项

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

再安装BLAS依赖项

sudo apt-get install libatlas-base-dev

然后是python和其余依赖项,安装python及其头文件

sudo apt-get install python

sudo apt-get install python-dev

安装python的其他依赖

sudo apt-get install python-numpy

sudo apt-get install ipython

sudo apt-get install ipython-notebook

sudo apt-get install python-sklearn

sudo apt-get install python-skimage

sudo apt-get install python-protobuf

然后是谷歌glog和gflags和lmdb依赖项

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

接着安装git，并且下载代码

sudo apt-get install git

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

然后进入到源码目录

cd caffe

编译Caffe

cp Makefile.config.example Makefile.config

需要使用cuDNN的朋友可以将Makefile.config中USE_CUDNN := 1这一行之前的井号注释去掉，

同时，为了匹配cuda8.0的计算能力，请把Makefile.config中CUDA_ARCH中的前两行去掉，如下图所示(保留也行，编译的时候会弹出警告)

然后

make all -j8

值得注意的是，笔者在第一次编译的时候遇到了如下问题：

./include/caffe/util/hdf5.hpp:6:18: fatal error: hdf5.h: No such file or directory

解决方法笔者参阅了http://blog.csdn.net/hongye000000/article/details/51043913点击打开链接，在链接博客中，解决方法如下：

在Makefile.config文件中，添加 /usr/include/hdf5/serial/ 到 INCLUDE_DIRS，也就是把下面第一行代码改为第二行代码。
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/

在Makefile文件中，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。
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

上述解决方法笔者亲测有效，感谢博主，然后

make clean

make all -j8

caffe编译成功。

written by jiong

兴趣是最好的老师