caffe--ubuntu14.04.04+cuda7.5+opencv3.0+python2.7(Anaconda)+matlab(笔记本双显卡，独显为NVIDIA1060)

最新推荐文章于 2023-08-29 13:23:58 发布

JPDAYSUNDAY

最新推荐文章于 2023-08-29 13:23:58 发布

阅读量1.8k

点赞数

分类专栏： DeepLearning 文章标签： caffe linux ubuntu cuda

本文链接：https://blog.csdn.net/jpday/article/details/70555461

版权

DeepLearning 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

官方caffe安装文档

1.依赖库(可以在装完cuda后执行)

官网的依赖库：

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

参考书上的依赖库安装：

sudo apt-get install libprotobuf-dev libdevldeleveldb-dev libsnappy-e-dev libopencv-dev libboost-all-dev

sudo apt-get install libhdf5-serial-dev libgflags-dev libgoogle-glglog-dev liblmdb-dev protobuf-compiler

参看依赖库安装：

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

注意：如果提示找不到哪个依赖包，就使用命令sudo apt-get update更新源文件；

2.下载和计算机相应的驱动，笔记本和台式机分别有对应型号的驱动

a.将驱动文件存放在非中文文件夹下；

b.载账户登录界面使用ctrl+alt+F1，进入驱动所在的安装包文件夹;

c.关闭图形化界面：sudo service lightdm stop

d.卸载当前的驱动：sudo apt-get remove --purge nvidia*

e.使用命令安装驱动，一定要使用带参数的命令安装驱动，否则会出现重复登录账户的情况：sudo sh NVIDIA*******.run -no-x-check -no-opengl-files -no-nouveau-check，如果没有按照该方法安装驱动出现不能进入ubuntu界面的情况下，也可以使用上面的b，d卸载已经装好的驱动，在按照e方法装一遍驱动即可；

测试驱动是否安装成功：nvidia-smi，显示GPU信息

启动图像画界面：sudo service lightdm start，重启，观察分辨率是否提高

3.安装并编译并测试cuda中的example（安装cuda官方说明文档一步步安装）

检测是否具备显卡：lspci | grep -i nvidia

检查当前系统版本：uname -m && cat /etc/*release

检测是都安装gcc：gcc --version (ubuntu14.04自身会安装)

检测系统是否安装了kernel head：uname -r ，没有则需要安装：sudo apt-get install linux-headers-$(uname -r)
下载相应的run包进行安装，一定要使用本地的.run包进行安装(这样可以进行选择安装的功能)，否则安装好后会出现很多错误：sudo sh cuda...........(安装过程中，example会被复制一次到jieping/文件夹，并且以NVIDIA相应型号的文件名命名)

选项：accept，n(不安装图形驱动)，y(安装toolkit)，默认路径，y,y(安装cuda7.5列子)

设置环境变量：

sudo vi /etc/profile

export PATH=/usr/local/cuda-7.5/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH

重启（我这边重启后系统界面的分辨率变得很不正常，选择分辨率的时候只有一个分辨率的选项，参考该网址调节分辨率，再重启就正常了，也可能要多重启几遍）；查看系统环境变量：env，能够查看到上面写入的两条路径
官方文档里说只需在终端中运行上述两条export语句即可，但如果不将它们不写入/etc/profile文件的话，这样的环境变量在你退出终端后就消失了，不起作用了，所以写入才是永久的做法。验证并检验cuda是否安装成功具体方法：参考网址

编译cuda中的列子(验证cuda是否安装成功)：

sudo apt-get install build-essential(否则make的时候会出现缺少依赖库的错误，安装make和opencv需要的依赖库)

进入/usr/local/cuda-7.5/samples：执行命令 sudo make all 等待编译完成

编译的过程中可能会出现：ubuntu can not find libglut，只要输入下面的安装命令就可以在/usr/lib中找到libglut文件：

sudo apt-get install freeglut3 freeglut3-dev

cd bin/x86_64/Linux/release/

./deviceQuery 运行device_query文件，如果cuda安装成功则会显示GPU的相关信息

./bandwidthTest 不是参考文档中的sandwidthTest

卸载cuda：sudo ./usr/local/cuda-X.Y/bin/uninstall_cuda_X.Y.pl

4.安装cuDNN

tar -zxvf cudnn-7.5-linux-x64-v5.0-ga.tgz 解压文件

cd cuda 进入解压的文件

sudo cp lib64/lib* /usr/local/cuda/lib64 复制解压文件的lib文件到cuda的lib64

sudo cp include/cudnn.h /usr/local/cuda/include/ 复制头文件

更新cuDNN库文件的软链接

cd /usr/local/cuda/lib64

sudo chmod +r libcudnn.so.5.0.5 更改文件的权限

sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5 设置两个文件的链接库文件

sudo ln -sf libcudnn.so.5 libcudnn.so

sudo ldconfig 系统共享动态链接库

后面需要修改caffe文件中的Makefile.config，将USE_CUDNN取消注释，将CPU_ONLY:=1注释

5.安装BLAS

sudo apt-get install libopenblas-dev

后面需要修改caffe文件中的Makeifle.config，将BLAS:=open

安装python及其依赖库

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
【警告】：下列软件包不能通过验证！
  liblmdb0 liblmdb-dev lmdb-doc

解决不能通过验证的办法：sudo apt-get update

6.下载对应版本的OpenCV源文件参考opencv安装方法，转换opencv版本

先按照文档安装必须的依赖库文件，按照上面文档的方法在cmake变异opencv过程中下载ippicv_linux_20141027.tgz文件的时候会出现编码不匹配的情况，如下：

for file: [/home/jieping/software/DP/opencv-3.0.0/3rdparty/ippicv/downloads/linux-8b449a536a2157bcad08a2b9f266828b/ippicv_linux_20141027.tgz]
expected hash: [8b449a536a2157bcad08a2b9f266828b]
actual hash: [9d44e7247b139c51d3d7a90ddc99cae6]
Call Stack (most recent call first):
3rdparty/ippicv/downloader.cmake:108 (_icv_downloader)
cmake/OpenCVFindIPP.cmake:235 (include)
cmake/OpenCVFindLibsPerf.cmake:12 (include)
CMakeLists.txt:526 (include)
CMake Error at 3rdparty/ippicv/downloader.cmake:75 (message):
ICV: Failed to download ICV package: ippicv_linux_20141027.tgz.

解决方法：重新自己手动下载该文件或手动替换该文件参考网址，下载文件下载文件

下述方法安装步骤：unzip opencv-3.0.0.zip

mkdir build 在解压文件夹下创建build文件

sudo apt-get install cmake

cd build

cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..，cmake参数参考

make

sudo make install

sudo /bin/bash -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf' 使用bash执行shell脚本命令，添加路径/usr/local/lib到新创建的opencv.conf文件中，一定要加该路径，虽然测试的时候能成功，但是后面执行caffe的runtest就会出现如下错误：

.build_release/tools/caffe: error while loading shared libraries: libopencv_core.so.3.0: cannot open shared object file: No such file or directory

sudo ldconfig

更改环境变量：

sudo gedit /etc/bash.bashrc 在末尾添加下面的路径

PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH

编译opencv3.0中自带的列子程序

cd samples/

sudo cmake .

sudo make -j $(nproc) 使用计算机上的核心数并行执行

cd cpp

./cpp-example-facedetect ../data/lena.jpg 显示图像中圈出脸部区域

保存后重新开启终端使其生效；

7. 安装caffe的Python环境

使用发行版python安装，anaconda

bash Anaconda2-4.3.1-Linux-x86_64.sh

sudo /bin/bash -c 'echo "/home/jieping/anaconda2/lib" > /etc/ld.so.conf.d/anaconda2.conf'

sudo gedit /etc/bash.bashrc

export LD_LIBRARY_PATH="/home/jieping/anaconda2/lib:$LD_LIBRARY_PATH”

8.安装Anaconda，参考安装方法

bash Anaconda2-4.3.1-Linux-x86_64.sh

yes,yes,安装路径：/home/jieping/anaconda2

sudo gedit /etc//ld.so.conf 添加路径：/home/jieping/anaconda2/lib，这条命令等价于sudo gedit ~/.bashrc，export PATH="/home/lwp/anaconda2/bin:$PATH"

安装验证：conda install hdf5

`9.安装caffe的python依赖库(安装了Anaconda不需要执行这一步)`

进入caffe目录下的python文件夹：cd caffe-master/python/

安装pip：sudo apt-get install python-pip

for req in $(cat requirements.txt); do pip install $req; done

上面的7,8,9都是属于安装python有关的依赖库，但是也可以使用系统默认自带的python2.7，这样在后面配置makefile的时候可以省去很多路径配置和编译出错的问题，只需要使用命令安装python-dev包依赖

sudo apt-get install python-dev

安装python调用caffe，也可以后面在安装pycaffe的时候执行

10.安装并编译caffe的python依赖库

sudo apt-get install git

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

cd caffe-master/

cp Makefile.config.example Makefile.conig

修改Makefile.config文件，下面两个区域分别是取消#和加上#：

USE_CUDNN := 1
OPENCV_VERSION := 3
CUDA_DIR := /usr/local/cuda
BLAS := open
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 := $(ANACONDA_HOME)/lib
#PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include

无gpu，anaconda版本的makefile配置
make all -j4
make test
make runtest
最后在runtest的时候出现错误：F0428 20:33:42.580351 17111 threshold_layer.cu:24] Check failed: error == cudaSuccess (8 vs. 0) invalid device function