Ubuntu16.04+Cuda8.0+Caffe+ Opencv3.2+Matlab2015b的配置、安装与编译 (二)

二、安装Cuda，Caffe

【参考文献】

    [1].Ubuntu 16.04 安装配置Caffe 图文详解★★★★

    [2]. Ubuntu下安装Caffe.pdf★★★★★

    [3]. CUDA_Quick_Start_Guide.dpf★★★★★

    [4]. Caffe|UbuntuInstallation★★

    [5]. Ubuntu16.04 or 15.10 Installation Guide(Caffe)★★★★★

    [6]. ubuntu快速安装Caffe (CPU_ONLY,无cuda、无cuDNN) ★★★

    [7]. ubuntu16.04安装caffe以及各种问题汇总

    [8]. 【Caffe安装】caffe安装系列——史上最详细的安装步骤

    [9]. ubuntu16.04+gtx1060+cuda8.0+caffe安装、测试经历

【下载软件】

    Caffe（下载链接:https://github.com/BVLC/caffe）

    cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb（百度云盘链接: https://pan.baidu.com/s/1i4ZoMqD密码: 2h9t）

    参考文献[8]简要说明了为什么要搭建这样一个平台。刚开始完全是按照文献[1]进行一步一步进行的，在进行cuda的run安装阶段，安装显卡驱动时，始终无法进行“sudo service lightdm stop”，从而无法安装显卡驱动，因而无法进行cuda的run安装，折腾了两天后，改为cuda的deb安装，以为要一口气安装cuda、cuDNN、Opencv、MATLAB、Python，后来看到了参考文献[6]后，才发现并非如此。

    1.安装相关依赖包。【需要联网】

    安装命令如下：参考了文献[1,2]

$sudo apt-get install libprotobuf-devlibleveldb-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-devliblapack-dev libatlas-base-dev

$sudo apt-get install libgflags-devlibgoogle-glog-dev liblmdb-dev

    具体为什么要安装这些依赖包，部分可以参考文献[5]。

    2.安装Cuda

    由于是进行cuda的deb安装，设置并不复杂，直接按照参考文献[3]进行。

    （1）执行以下命令；【需要联网】

$ sudo dpkg --install cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb

$ sudo apt-get update

$ sudo apt-get install cuda

    （2）重新启动，加载NVIDIA显卡；

$ reboot                  #加载NVIDIA显卡

$ sudo nvidia-smi           #显示NVIDIA显卡信息

    （3）设置环境变量，修改PATH和LD_LIBRARY_PATH

$ sudo gedit ~/.bashrc

    文档最后添加以下文本：

$ exportPATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}

$ exportLD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64\

${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

    修改后保存，然后关闭并重新打开终端，使得/.bashrc起作用。

    （4）测试CUDA的samples

    ①参考文献[1]中的测试：

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

$ make

$ sudo ./deviceQuery

    如果显示一些关于GPU的信息，则说明安装成功。

    ②参考文献[3]的测试：

$ cuda-install-samples-8.0.sh ~

$ cd ~/NVIDIA_CUDA-8.0_Samples/5_Simulations/nbody

$ make

$ ./nbody

    3.安装caffe

    （1）解压

$ sudo unzip caffe-master.zip      #解压

$ cp –R caffe-master /home/tsiu   #复制

$ cd /home/tsiu                #tsiu为我的用户名

$ sudo mv caffe-master caffe      #文件名改为caffe

    （2）配置

    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

$ cd /home/tsiu/caffe

$ sudo cp Makefile.config.exampleMakefile.config

$ sudo gedit Makefile.config

    由于在编译过程中，会出现下列类似错误：

    “……hdf5.h:没有那个文件或目录。……”

    解决方法是修改Makefile.coonfig文件：

    将 # Whatever else you find you need goeshere. 下面的

1 INCLUDE_DIRS := $(PYTHON_INCLUDE)/usr/local/include

2 LIBRARY_DIRS := $(PYTHON_LIB)/usr/local/lib /usr/lib

    修改为：

1 INCLUDE_DIRS := $(PYTHON_INCLUDE)/usr/local/include/usr/include/hdf5/serial

2 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。

    （3）编译

$ make all –j8   #大约3分钟

    -j8 是指使用几个线程来同时编译，可以加快速度，j后面的数字可以根据CPU core的个数来决定，如果CPU是8核的，则参数为-j8，也可以不添加这个参数，直接使用“make all”，这样速度可能会慢一点儿。

$ make test     #大约5分钟

$ make runtest  #大约8分钟

    （4）MNIST数据集测试

    完成caffe的配置编译后，我们可以利用MNIST数据集对caffe进行测试，过程如下：

    ①将终端定位到Caffe根目录

$ cd ~/caffe

    ②下载MNIST数据库并解压缩【需要联网】

$ ./data/mnist/get_mnist.sh

    在/home/tsiu/caffe/data/mnist/目录下会多出训练集图片、训练集标签、测试集图片和测试集标签等4个文件

    ③将其转换成Lmdb数据库格式

$ ./examples/mnist/create_mnist.sh

    ④训练网络

$ ./examples/mnist/train_lenet.sh

    训练的时候可以看到损失与精度的数值，实验中为0.9906。

    至此，表示caffe已安装成功。如果需要更简单的caffe（即：CPU only），可以详细参考文献[6]。

    接下来再慢慢安装OpenCV，MATLAB。