ubuntu16.04+cuda8.0+cudnn5.1+caffe 安装（基于独立主机&集成显卡&GTX1080Ti）

最近开始配置自己的深度学习主机，由于之前只在笔记本上和单显卡主机上安装过，所以可以说是zero经验，以至于很多问题不了解都当成了bug，故为了方便以后的自己以及大众，特在此写下post一篇。（由于可能会有很多的问题我没有遇到但各位可能遇到，故在文末贴出其他的安装链接，请自取）

~~~~~~~~~~~~~~~~~~~~华丽丽分割线~~~~~~~~~~~~~~~~~~~~

一、ubuntu16.04安装

1.首先当然是系统盘的制作，这个不作赘言，一般使用 UltraISO，具体度娘会告诉你；

2.紧接着就是安装，如何安装，如何分区，度娘也会一一告知，此处就说几个不同之处：

1）首先，带有独立显卡的主机，通常有独显输出和集显输出两种端口，而独显是需要安装驱动才可以使用的，所以最初装系统的时候需要使用集显输出的端口，否则你可能完全进不去安装界面；

2）其次，在BOOT界面选择启动项的时候，对U盘启动会出现两个选项，第一个带有前缀UEFI，另一个这没有。这是因为现在的主板驱动一般有 BIOS 和 UEFI 两种，虽说 UEFI 是BIOS 的继任者，但 BIOS 才用起来 更加顺手。更重要的是在用UEFI模式进行ubuntu16.04安装的时候，在安装后期会出现bug中断，具体什么不记得了，与grub有关，会导致系统无法启动，而这与UEFI有莫大的关系，所以安全起见，选后不带UEFI前缀的，也就是BIOS模式进行系统安装；

3）ubuntu16.04 安装好之后，启动可能会出现 grub rescue 故障，找不到 normal.mod，这可以通过我的另一篇 post 解决，附上解救指南：ubuntu系统下grub rescue故障恢复

3.至此，ubuntu16.04 算是安装完毕，第一次撒花o(∩_∩)o 

注：需要注意的是，目前我们也一直在使用集成显卡输出！且直到安装好nvidia驱动重启都要一直使用集成显卡输出！！！

二、各种依赖环境安装：

[plain]  view plain  copy

1. sudo apt-get update  
2.   
3. sudo apt-get upgrade  
4.   
5. sudo apt-get install -y build-essential cmake git pkg-config  
6.   
7. sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler  
8.   
9. sudo apt-get install -y libatlas-base-dev   
10.   
11. sudo apt-get install -y --no-install-recommends libboost-all-dev  
12.   
13. sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev  
14.   
15. # (Python general)  
16. sudo apt-get install -y python-pip  
17.   
18. # (Python 2.7 development files)  
19. sudo apt-get install -y python-dev  
20. sudo apt-get install -y python-numpy python-scipy  
21.   
22. # (or, Python 3.5 development files)  
23. sudo apt-get install -y python3-dev  
24. sudo apt-get install -y python3-numpy python3-scipy  
25.    
26. # (OpenCV 2.4)  
27. sudo apt-get install -y libopencv-dev  
28.   
29. (or, OpenCV 3.X - see other blogs in the end of the post)  

以上是caffe官方安装指南的内容，亲测好用无疑，其实文末的caffe官方安装指南还是很不多错的指南，只是在nvidia驱动、cuda、cudnn、open3.x方面很不足（貌似这些都是重点内容，结果都被caffe官方文档屏蔽了，手动滑稽(*^__^*) ）

注：在upgrade时，可能会提起缺少fireware，这个不是大问题，直接上网下载相应版本的固件安装即可

三、Nvidia驱动+cuda安装

写在安装前：

1）其实在cuda的安装中会涉及到nvidia驱动的安装，但是屡次尝试，总是会出现kernel souce的error，所以，还是提前安装为好。

2）安装nvidia驱动需要在命令行模式下，但有时可能会出现无法进入命令行或者进入命令行黑屏及显示nouveau相关的error提示，这是可通过以下的改动进行修复，重启后可能会出现屏幕显示非常延迟卡顿的现象，这正常，因为我们把显示驱动修改了。不过建议把需要的nvidia驱动、cuda和cudnn都下载好后再进行处理，否则如此卡顿会很忧伤的o(∩_∩)o

[plain]  view plain  copy

1. sudo gedit /etc/default/grub  
2.   
3. GRUB_CMDLINE_LINUX_DEFAULT = "quiet splash nomodeset"
   
4.   
5. sudo update-grub  
6.   
7. sudo reboot  

1.下载需要的nvidia驱动程序（下载最新的即可），附上飞行链接：NVIDIA驱动程序下载

2.下载需要的cuda程序，下载runfile版本的，同样附上飞行链接：CUDA下载

2.卸载之前安装的nvidia驱动程序，新安装的系统不需要的这一步，但依旧写在此以告后人，因为nvidia驱动重复安装会出现循环登录无法进入系统的问题，或者反过来说，循环登录无法进入系统一般都是由于显卡驱动出现问题导致的，卸载后重新安装即可：

[html]  view plain  copy

1. sudo apt-get remove –purge nvidia*  

3.禁用nouveau，其实这一步可能并不需要，因为在厂商安装的原始系统中并没有相关文件，我想可能是因为我们的集成显卡和独立显卡分别有各自的输出端口，可以自主插拔选择显示使用的显卡，而在笔记本等上面，两种显卡是同时连接的，故需要进行禁用：

[plain]  view plain  copy

1. sudo gedit /etc/modprobe.d/blacklist-nouveau.conf  
2.   
3. blacklist nouveau
   
4. options nouveau modeset=0   
5.   
6. sudo update-initramfs -u

再配置环境

[plain]  view plain  copy

1. sudo gedit ~/.bashrc  
2.   
3. # add the following two lines  
4.     export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH  
5.     export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH   
6.   
7. source ~/.bashrc  

4.开始正式安装驱动

1）进入命令行模式（Ctrl+Alt+F1），并关闭桌面

[plain]  view plain  copy

1. sudo service lightdm stop  

2)  进入驱动文件所在目录，修改文件权限（可选），然后执行文件

[plain]  view plain  copy

1. sudo chmod a+x NVIDIA-Linux-x86_64-375.26.run  # optional  
2.   
3. sudo bash ./NVIDIA-Linux-x86_64-375.26.run  --no-opengl-files

3）安装过程中开始会提示一个预安装script安装失败，问你要continue 还是abort，点击 continue就行，不用管。

5.进入cuda安装文件的文件夹，安装cuda

[plain]  view plain  copy

1. sudo sh cuda_8.0.61_375.26_linux.run  

1）在选择是否安装nvidia驱动时，选‘n’，因为我们已经安装好了

2）在选择安装cuda samples，选 ‘n’，因为不需要

3）其余选项选择‘y’，或默认就行了

4）安装成功后，关机（命令为 shutdown -h now），更换显示输出端口为独立显卡的输出端后再启动；此处如果直接重启（sudo reboot）的话，由于未更换显示输出端口，而原驱动被禁用等原因，会出现循环登录的情况，此时强行关机再更换显示输出端口即可。

6.启动后配置cuda环境变量

1）一般配置此步即可，但有时会出现问题，可以选择用root用户进行编辑，也可以尝试后两步

[html]  view plain  copy

1. gedit ~/.bashrc  # if can't edit, add sudo before  
2.   
3. # add the two lines following  
4.     export PATH=/usr/local/cuda/bin:$PATH  
5.     export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH  
6.   
7. # cuda can change as cuda-8.0 specifically  
8.   
9. source ~/.bashrc  # MUST source  

2）

[plain]  view plain  copy

1. sudo gedit /etc/ld.so.conf.d/cuda.conf  
2.   
3. # add the two lines following  
4.     /usr/local/cuda/lib64  
5.     /lib  
6.   
7. sudo ldconfig -v  

3）

[plain]  view plain  copy

1. sudo gedit /etc/profile    
2.   
3. # add following two lines  
4.     PATH=/usr/local/cuda/bin:$PATH  #  不能有空格！！   
5.     export PATH    
6.   
7. source /etc/profile  

7.验证是否安装成功：

[plain]  view plain  copy

1. cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery  
2.   
3. sudo make  
4.   
5. ./deviceQuery  

四、安装cudnn

1.下载对应cuda版本的cudnn，可以去官网下载，需要注册；不想注册的可以从网盘下载；网盘是5.1，建议去下载6.0（tensorflow要求6.0），用下面的命令行下载：

[plain]  view plain  copy

1. wget http://developer.download.nvidia.com/compute/redist/cudnn/v6.0/cudnn-8.0-linux-x64-v6.0.tgz  

2.下载后解压，得到cuda文件夹，里面有include和lib64两个子文件夹

3.进入include子文件夹

[plain]  view plain  copy

1. sudo cp cudnn.h /usr/local/cuda/include/  # 复制头文件到之前安装的cuda目录  

4.进入lib64子文件夹，可以图形界面进入看清楚版本号，方便后期修改

[plain]  view plain  copy

1. sudo cp lib* /usr/local/cuda/lib64/  # 复制动态链接库到之前安装的cuda目录，注意查看  

5.重新生成软链接

[plain]  view plain  copy

1. cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.x  # 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  
2.   
3. sudo ln -s libcudnn.so.x.x.x libcudnn.so.x  # 生成软衔接，具体看cudnn的lib64中为什么版本，注意变化  
4.   
5. sudo ln -s libcudnn.so.x libcudnn.so  # 生成软链接  
6.   
7. sudo ldconfig -v  

6.验证安装cudnn后cuda是否依旧可用

[plain]  view plain  copy

1. nvcc --version  # or nvcc -V  

五、安装caffe

1.下载caffe，此处下载caffe-master源码，并解压至任何地方即可；

2.进入caffe根目录，进行配置，文件中对每项设置都有注释，看看基本能懂

[plain]  view plain  copy

1. sudo cp Makefile.config.example Makefile.config  
2.   
3. sudo gedit ./Makefile.config  

配置好后，Makefile.config会包含以下有效内容

[plain]  view plain  copy

1. USE_CUDNN := 1  
2. CUDA_DIR := /usr/local/cuda    # or cuda-8.0  
3. CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \  
4.         -gencode arch=compute_20,code=sm_21 \  
5.         -gencode arch=compute_30,code=sm_30 \  
6.         -gencode arch=compute_35,code=sm_35 \  
7.         -gencode arch=compute_50,code=sm_50 \  
8.         -gencode arch=compute_52,code=sm_52 \  
9.         -gencode arch=compute_60,code=sm_60 \  
10.         -gencode arch=compute_61,code=sm_61 \  
11.         -gencode arch=compute_61,code=compute_61  
12. BLAS := atlas  
13. PYTHON_INCLUDE := /usr/include/python2.7 \  
14.                 /usr/lib/python2.7/dist-packages/numpy/core/include \  
15.                 /usr/local/lib/python2.7/dist-packages/numpy/core/include  
16. PYTHON_LIB := /usr/lib  
17. WITH_PYTHON_LAYER := 1  
18. INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/  
19. LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial/  
20. BUILD_DIR := build  
21. DISTRIBUTE_DIR := distribute  
22. TEST_GPUID := 0  
23. Q ?= @  

3.进一步更改配置

[plain]  view plain  copy

1. sudo gedit ./Makefile  
2.   
3. # replace this line  
4.     NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)  
5. # with the following line  
6.     NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)  

并打开CMakelists.txt添加一下内容

[plain]  view plain  copy

1. # ---[ Includes  
2. set(${CMAKE_CXX_FLAGS} "-D_FORCE_INLINES ${CMAKE_CXX_FLAGS}")  

4.为hdf5添加软连接，在ubuntu16.04的某些升级之后，此步不再需要，但安全起见依然进行

[plain]  view plain  copy

1. cd /usr/lib/x86_64-linux-gnu  
2.   
3. sudo ln -s libhdf5_serial.so.10.1.0 libhdf5.so  # 源文件的版本可能有所不同，可进入文件夹进行查看后再确定  
4.   
5. sudo ln -s libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so   

5.安装需要的python模块，先进入caffe根目录（可以以root用户运行，避免出现一些权限问题）

[plain]  view plain  copy

1. cd python  
2.   
3. for req in $(cat requirements.txt); do pip install $req; done  

如果有任何问题，可以再次执行以下命令

[plain]  view plain  copy

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

6.开始正式编译caffe

[plain]  view plain  copy

1. make all -j8  

7.编译成功后，进行验证，没有错误即安装成功，大大地撒花o(∩_∩)o 

[plain]  view plain  copy

1. make runtest -j8  

注：有的时候可能会出现找不到cuda相关的文件，可以直接进入cuda安装目录进行确认，一般都是存在的，可能是环境没有配置好，可以使用root用户重新配置环境并用root用户运行runtest，或者重启，一般都不会有大问题

六、编译其他结构

可以编译caffe的matlab和python接口，此处我们只编译python接口

1.直接进入caffe根目录，编译pycaffe

[plain]  view plain  copy

1. make pycaffe -j8  

2.配置环境

[plain]  view plain  copy

1. sudo gedit ~/.bashrc  
2.   
3. # add the following line  
4. export PYTHONPATH=/path/to/caffe-master/python:$PYTHONPATH  
5.   
6. source ~/.bashrc  

3.测试pycaffe

[plain]  view plain  copy

1. python  
2.   
3. >>> import caffe    # 不报错即安装成功  

注：如果提示找不到caffe，可以尝试用root用户配置环境，并用root用户执行；或者今后在写代码的时候，每次都直接将caffe的路径加入即可，只要caffe安装成功了，其他都是小问题

[plain]  view plain  copy

1. import sys  
2.   
3. sys.path.append('/path/to/caffe-master/python')  
4.   
5. import caffe  

4.最后，可以安装jupyter神器

[plain]  view plain  copy

1. sudo pip install jupyter  
2.   
3. # 命令终端输入以下语句即可使用  
4. jupyter notebook