ubuntu16.04+opencv3+anaconda2+caffe 环境搭建（cpu版本）

最新推荐文章于 2022-07-26 20:01:40 发布

jiachen0212

最新推荐文章于 2022-07-26 20:01:40 发布

阅读量2k

点赞数 3

分类专栏：深度学习框架 linux tensorflow 文章标签： caffe安装 ubuntu opencv anaconda tensorflow

本文链接：https://blog.csdn.net/jiachen0212/article/details/79045231

版权

linux 同时被 3 个专栏收录

13 篇文章 0 订阅

订阅专栏

tensorflow

6 篇文章 0 订阅

订阅专栏

深度学习框架

3 篇文章 0 订阅

订阅专栏

网上的资源真的很多了，贴链接：

参考博客：点击打开链接

点击打开链接

这篇写python接口的很详细：点击打开链接

解决把anaconda和caffe关联起来的问题：点击打开链接

解决import caffe 出现 ImportError:No module named _caff 的问题：点击打开链接

有这几个差不多够了，过程中报错了的话就百度找解决方法。安装的各种坑还是得亲自踩一遍的。。。

下面这个比较精髓，看requirements.txt，然后缺什么装什么。。。

有一条比较好的for循环命令解决这个步骤：

########@ubuntu:~$ for req in $(cat requirements.txt); do pip install $req; done

注意这里用了conda（anaconda）安装哈，不是pip。

过程我简单整理一下吧：

1.首先安装一些必要的依赖项，按照官网上的那些一个个装：

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 freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

2.我跳过了cuda，因为我就是个pc啊，没有gpu～

3.安装opencv3：先安装依赖，官方列出了：

sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
sudo apt-get install libopencv-dev libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev libtbb-dev libqt4-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip
sudo apt-get install ffmpeg libopencv-dev libgtk-3-dev python-numpy python3-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libv4l-dev libtbb-dev qtbase5-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev

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

安装先创建编译opencv的文件夹：

cd ~/opencv-3.1.0/
mkdir build
cd build

配置：

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D WITH_V4L=ON -D WITH_QT=ON -D WITH_OPENGL=ON -D WITH_GTK=ON -D WITH_GTK_2_X=ON -D CUDA_NVCC_FLAGS="-D_FORCE_INLINES" ..

编译：

sudo make -j8

安装：

sudo make install -j8

4.安装Anaconda：

bash Anaconda2-4.3.0-Linux-x86_64.sh     然后一直执行就好了
在命令行输入python，会调用ubuntu自带的python，所以执行完之后需要替换python
sudo gedit ~/.bashrc
加入anaconda的安装目录是/home/xxx/anaconda2，那么在文件的最后加上
alias python=’/home/xxx/anaconda2/bin/python‘
然后source .bashrc
再在命令行敲入python就变成了anaconda的python了～

5.最后安装caffe：

sudo apt-get install git     安装git，用来下载caffe的

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

cp Makefile.config.example Makefile.config     不执行cp的话，后面会报错的，我试了哈～

sudo gedit Makefile.config       编辑Makefile.config文件，进行一些你我们自己需要的更改

再安装一系列依赖库：

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev

编译安装sudo make all -j8
sudo make pycaffe    这个坑，没这句import caffe 会出现不存在caffe_的错误 
sudo make test -j8
sudo make runtest -j8

makefire.config的更改基本仿照https://zhuanlan.zhihu.com/p/25709284就基本够了。
这里写一下我做的改变：

若使用的opencv版本是3的，则将#OPENCV_VERSION := 3 修改为：OPENCV_VERSION := 3
若要使用python来编写layer，则将#WITH_PYTHON_LAYER := 1修改为 WITH_PYTHON_LAYER := 1
使用anaconda的话，把之前的PYTHON_INCLUDE注释掉，ANACONDA_HOME及下面的PYTHON_INCLUDE都去掉注释，如下：
# Anaconda Python distribution is quite popular. Include path:
# Verify anaconda location, sometimes it's in root.
ANACONDA_HOME := $(HOME)/anaconda2
PYTHON_INCLUDE := $(ANACONDA_HOME)/include \
		 $(ANACONDA_HOME)/include/python2.7 \
		 $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \
# PYTHON_LIB := /usr/lib　　　注释
PYTHON_LIB := $(ANACONDA_HOME)/lib　　这里去掉注释
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 := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
修改makefile文件：
(大概409行的样子)：NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
大概181行，把 hdf5_hl和hdf5修改为hdf5_serial_hl 和 hdf5_serial，即改为：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

这个博主很精髓：点击打开链接

你可能会需要的链接：点击打开链接　解决anaconda和系统路径间的冲突：

make clean
export CPLUS_INCLUDE_PATH=/usr/include/python2.7
make all -j8

python路径都改为了anaconda的路径，但是CPLUS的path没有设置，系统中我也没把aneconda设置成默认的python导致的。

anaconda+tensorflow+ubuntu的也试了，比caffe的复杂度低一些，可以搭好。丢个参考链接：点击打开链接

按照上面的链接安装，我遇到的问题是：anaconda里的库一大推，但是和anaconda下的envs/tensorflow被隔开了，在ide里是独立的两个路径，导致有tensorflow的那个路径下的库并不多。一个比较sb的解决方法是：把anaconda下的lib copy到envs/tensorflow/lib里 这样就可以了～  不知道中间安装的时候哪一个步骤路径没有弄好。。。

乌邦图很玄学的，安装报错，你再多来几次或者重启一下（本以为不像windows那样重启万能的哈哈）就又突然能装好了。。。就是这么神奇。。。

20180307更新新坑：

因为一些原因，我又重新配置了一遍tensorflow anaconda pycharm。出现的问题是，我的tensorflow库怎么都加不进pycharm......截图如下：

这个问题折腾了我好久，各种重装....

最后的解决方法是：

conda create -n tensorflow python=2.7 #这一步只会装很少量的一部分库......

source activate tensorflow

然后重点来了！！！放弃一些csdn上给的用pip装tensorflow的方法吧，真的是坑啊......

直接上conda命令：

conda install -c conda-forge tensorflow 启发于点击打开链接

这句是精髓啊！虽然会很慢，并且可能下载到一半就停了....没事，停了就命令再来一遍接着下～漫长的等待后，你就会发现，pycharm倒库终于可以成功了～！！！

原因，我估计是因为用pip安装tensorflow的话，除了第一步conda create -n tensorflow python=2.7会装很少量的一些py库后，第三步基本没增加什么库... 所以倒入进来的库寥寥无几，并且tensorflow这个库你也没法加进来，会一直出现上上上张图中的那个红感叹号！简直了...最后还是选择老老实实用conda慢慢的去装吧... 问题终于解决了～

20180311更新：

1. tensorflow gpu 版本更新：（原本是1.01版的...）

pip install --upgrade tensorflow-gpu

但是，这样更新出来的tensorflow会是当前最新的版本(比如这个时间点最新的是tf1.6 )，import tf的话，会出现：

ImportError: libcudnn.so.6: cannot open shared object file: No such file or directory

因为之前装的貌似只是cuda 或者 cudnn，没办法兼容这么高版本的tf吧。。。想着装cuda还是蛮繁琐的，就还是退到低一点够用的版本吧，1.2吧：

pip install tensorflow-gpu==1.2

那么怎么解决这个 libcudnn.so.6 的问题呢？参考了实验室师兄留下的安装文档(鼓掌)：

cuda 版本查看

cat /usr/local/cuda/version.txt

ubuntu版本信息查看

uname -m && cat /etc/*release

然后去下载cudnn包，官网：cuda官网

注册后就可以下载了。版本很多，我找了好几个包才找到我要的

192M的一个包文件。。

然后：

$ tar zxvf  cudnn-8.0-linux-x64-v6.0.tgz
$ cd cuda
$ sudo cp include/cudnn.h /usr/local/include
$ sudo cp lib64/libcudnn.* /usr/local/lib
$ sudo ln -sf /usr/local/lib/libcudnn.so.6.0.21 /usr/local/lib/libcudnn.so.6
$ sudo ln -sf /usr/local/lib/libcudnn.so.6 /usr/local/lib/libcudnn.so
$ sudo ldconfig -v

再是cuda的环境配置：

sudo gedit /etc/ld.so.conf.d/cuda.conf

在文本中写下以下两行：

/usr/local/cuda-8.0/lib64
/lib

执行命令使文本生效：

 sudo ldconfig -v

出现图下所示即成功了～：

最后，放心的去 pip 你想要的版本的tensorflow吧～：

pip install tensorflow-gpu==1.3

嗯成功了！！！

以后再有需要升级tf的话，匹配tf版本所需的cudnn版本，然后按照上述的流程走就可以了～。。。

2. anaconda 下管理兼容不同版本的python：

有时候需要用到 python3，那么就得使得原先的python2和3兼容。。其实和anaconda下搭建tf环境是一样的，会在anaconda/envs 下新生成你建的p3环境：

首先conda新建新python3的环境：

conda create --name python3.5 python=3.5

如下图效果：

然后：

source activate python3.5 #激活python3.5环境
conda install *** #尽情安装你需要的包吧～
source deactivate #退出python3.5环境

之后的使用也是这样，你需要进入python3.5环境工作的话，就source activate python3.5，退出的话就source deactivate。。。

其他python版本或者是tensorflow环境也是一样的使用的～...

20180313更新：

tensorflow gpu版本安装：参考博客链接：tensorflow-gpu安装

jiachen0212

关注

3
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录