Ubuntu16.04安装caffe非常细致教程（历经两周的血泪史）

于 2019-05-20 10:07:42 发布
阅读量328 收藏
点赞数 1
分类专栏： ubuntu

博客原文：https://blog.csdn.net/qq_40265629/article/details/81086092

 

 

我这两周安装了很多次caffe，一直都是按照网上的教程，资料很多，但是说的感觉都不太全面，对于我这一个首次接触Ubuntu系统的小白而言，每一步操作都是感觉如临深渊。所以想写一篇教程，避免大家重蹈我的覆辙。以下，就开始进入正题：

想要安装caffe跑深度学习的人注意了，这里面包括好几步，请一步一步来，个人感觉一蹴而就容易出问题，首先就是安装nvidia驱动，我看网上很多例程说是可以和cuda一起安装，但是一旦出了问题就不知道在哪里了，而且很容易出错！！！血和泪的教训啊！！！所以还是一步步来。

网上有很多安装NVIDIA驱动的教程，90%都说用下载.run文件，然后安装，然而我安装后使用nvidia-smi命令出现的却没有正在运行时的线程（这个问题我之前没有足够的重视，造成最后出现很多问题），而且ppa安装方式确实简单，还安全。建议大家使用这种方式。

1、PPA安装NVIDIA驱动

（1）禁用nouveau

sudo gedit /etc/modprobe.d/blacklist.conf

在最后另起一行添加如下


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     blacklist vga16fb
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     blacklist nouveau
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     blacklist rivafb
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     blacklist rivatv
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     blacklist nvidiafb

进行更新保存

sudo update-initramfs -u

接下来关机重启之后，在终端输入

lsmod | grep nouveau

若没有输出，则证明关闭nouveau成功！

（2）PPA安装NVIDIA驱动

 

添加Graphic Drivers PPA


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sudo 
     
     add-apt-repository ppa:graphics-drivers/ppa
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sudo apt-
     
     get update

查找合适的版本

ubuntu-drivers devices

其中一个driver后面加上了recommend字样，记住该版本，这个版本就是你要安装的NVIDIA驱动版本

确定版本之后，接下来就进入到正式安装了！！！

在进入安装之前，建议没设置root密码的设置一下，因为一会儿用得到，很简单，在终端输入

sudo passwd

接下来设置的root密码


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     输入新的UNIX密码：
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     重新输入新的UNIX密码：
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     passwd:已成功更新密码

设置完成后，按Ctrl+Alt+F1进入终端模式

输入你的账号密码后，获取你的root权限，输入su，之后输入你设置的root密码后，即获得root权限（若不获取，之后可能会出现权限问题）

接着，输入以下命令关闭图形界面

sudo service lightdm stop

安装driver，后面的数字修改为相应的版本号。

sudo apt-get install nvidia-396

等待一段时间之后（需要一会儿），之后直接重启

sudo reboot

验证是否成功

sudo nvidia-smi

注意Processes一栏，若出现如图所示的线程信息，则成功，否则就有问题了！！！

（3）配置环境变量

使用 gedit 命令打开配置文件：

sudo gedit ~/.bashrc

打开后在文件最后加入以下两行内容，然后保存退出：


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     export LD_LIBRARY_PATH=
     
     /usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     export LD_LIBRARY_PATH=
     
     /lib/x86_64-linux-gnu:$LD_LIBRARY_PATH

2、安装CUDA（最好是cuda8.0+cudnn5.1)
由于现在官网下载都是最新版的，而大多数用的都是cuda8.0版本，所以这里分享给你们百度云链接：

https://pan.baidu.com/s/1mkEPRYPWpwLS6sNtE1Gn8A 密码：8fw8

（1）安装cuda

下载完成后开始安装cuda，在终端里执行命令


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sudo 
     
     chmod 777 
     
     cuda_8
     
     .0
     
     .61_375
     
     .26_linux
     
     .run
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sudo 
     
     sh 
     
     cuda_8
     
     .0
     
     .61_375
     
     .26_linux
     
     .run 
     
     --no-opengl-libs

注意，这里的cuda后面的数字是我安装的版本号，我的百度云链接的cuda版本也是这个。还有要注意的就是，建议大家把软件包都放在根目录下，以便于安装，若直接放在下载文件下，终端输入中文识别有问题。

下面安装时要注意：执行后会有一系列提示让你确认，但是注意，在accept之后，第二步就是问你是否安装nvidia375驱动，这个时候输入n。

剩下的选择则都输入“y”确认安装或确认默认路径安装，开始安装，安装完成后最好还是重启一下，输入命令

reboot

重新登陆后，打开终端，配置cuda环境变量，打开~/.bashrc文件


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     export  PATH=
     
     /usr/local
     
     /cuda-8.0/bin${
     
     PATH:+
     
     :${PATH}}
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     export  LD_LIBRARY_PATH=
     
     /usr/local
     
     /cuda8.0/lib64${
     
     LD_LIBRARY_PATH:+
     
     :${LD_LIBRARY_PATH}}

（2）测试cuda是否安装正确

在终端输入命令：


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

若显示这样的内容，则证明你的cuda安装成功了！！


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     ./deviceQuery Starting...
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
      CUDA Device Query (Runtime API) version (CUDART static linking)
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     Detected 1 CUDA Capable device(s)
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     Device 0: "GeForce GT 740M"
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       CUDA Driver Version / Runtime Version          8.0 / 8.0
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       CUDA Capability Major/Minor version number:    3.5
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Total amount of global memory:                 2004 MBytes (2100953088 bytes)
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       ( 2) Multiprocessors, (192) CUDA Cores/MP:     384 CUDA Cores
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       GPU Max Clock rate:                            1032 MHz (1.03 GHz)
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Memory Clock rate:                             800 Mhz
    
    
    
   
   
  14. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Memory Bus Width:                              64-bit
    
    
    
   
   
  15. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       L2 
     
     Cache 
     
     Size:                                 
     
     524288 
     
     bytes
    
    
    
   
   
  16. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Maximum Texture 
     
     Dimension 
     
     Size (x,y,z)         
     
     1D=(
     
     65536), 
     
     2D=(
     
     65536, 
     
     65536), 
     
     3D=(
     
     4096, 
     
     4096, 
     
     4096)
    
    
    
   
   
  17. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Maximum Layered 
     
     1D Texture 
     
     Size, (
     
     num) layers  
     
     1D=(
     
     16384), 
     
     2048 layers
    
    
    
   
   
  18. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Maximum Layered 
     
     2D Texture 
     
     Size, (
     
     num) layers  
     
     2D=(
     
     16384, 
     
     16384), 
     
     2048 layers
    
    
    
   
   
  19. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Total amount 
     
     of 
     
     constant 
     
     memory:               
     
     65536 
     
     bytes
    
    
    
   
   
  20. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Total amount 
     
     of 
     
     shared 
     
     memory per 
     
     block:       
     
     49152 
     
     bytes
    
    
    
   
   
  21. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Total 
     
     number 
     
     of registers available per 
     
     block: 
     
     65536
    
    
    
   
   
  22. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Warp 
     
     size:                                     
     
     32
    
    
    
   
   
  23. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Maximum 
     
     number 
     
     of threads per multiprocessor:  
     
     2048
    
    
    
   
   
  24. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Maximum 
     
     number 
     
     of threads per 
     
     block:           
     
     1024
    
    
    
   
   
  25. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     Max 
     
     dimension 
     
     size 
     
     of a 
     
     thread 
     
     block (x,y,z): (
     
     1024, 
     
     1024, 
     
     64)
    
    
    
   
   
  26. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     Max 
     
     dimension 
     
     size 
     
     of a grid 
     
     size    (x,y,z): (
     
     2147483647, 
     
     65535, 
     
     65535)
    
    
    
   
   
  27. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Maximum 
     
     memory pitch:                          
     
     2147483647 
     
     bytes
    
    
    
   
   
  28. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Texture alignment:                             
     
     512 
     
     bytes
    
    
    
   
   
  29. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     Concurrent copy 
     
     and kernel execution:          Yes 
     
     with 
     
     1 copy 
     
     engine(s)
    
    
    
   
   
  30. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Run 
     
     time 
     
     limit 
     
     on kernels:                     
     
     No
    
    
    
   
   
  31. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Integrated GPU sharing Host 
     
     Memory:            
     
     No
    
    
    
   
   
  32. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Support host page-
     
     locked 
     
     memory 
     
     mapping:       Yes
    
    
    
   
   
  33. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Alignment requirement 
     
     for Surfaces:            Yes
    
    
    
   
   
  34. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Device has ECC support:                        Disabled
    
    
    
   
   
  35. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Device supports Unified Addressing (UVA):      Yes
    
    
    
   
   
  36. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       Device PCI 
     
     Domain 
     
     ID / Bus 
     
     ID / location 
     
     ID:   
     
     0 / 
     
     1 / 
     
     0
    
    
    
   
   
  37. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     Compute 
     
     Mode:
    
    
    
   
   
  38. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
          < 
     
     Default (multiple host threads can 
     
     use ::cudaSetDevice() 
     
     with device simultaneously) >
    
    
    
   
   
  39. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  40. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     deviceQuery, CUDA Driver = CUDART, CUDA Driver 
     
     Version = 
     
     8.0, CUDA Runtime 
     
     Version = 
     
     8.0, NumDevs = 
     
     1, Device0 = GeForce GT 
     
     740M
    
    
    
   
   
  41. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     Result = PASS

3、安装cudnn

这就要求你事先对自己的电脑有所了解了，尤其是显卡，你可以通过https://developer.nvidia.com/cuda-gpus查询自己电脑的计算能力，大于3的，装cudnn才有意义。

cudnn需要去官网下载，而去官网下载还需要注册，很麻烦，我就把我的百度云链接发出来，供大家下载

链接：https://pan.baidu.com/s/1O7vvWEAvAHbHVCQOboav5A 密码：f20o

下载cuDNN5.1之后进行解压，XXX是你自己的注册账号。

sudo tar -zxvf /home/XXX/cudnn-8.0-linux-x64-v5.1.tgz -C /home/XXX

解压之后，你会在跟目录下看见cuda文件夹，在终端执行命令


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     cd cuda; sudo cp lib64/lib* /usr/
     
     local/cuda/lib64/; 
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sudo cp include/cudnn.h /usr/
     
     local/cuda/include/  
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     更新软连接: 
     
     cd /usr/
     
     local/cuda/lib64/
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sudo chmod +r libcudnn.so.5.1.10
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sudo ln -sf libcudnn.so.5.1.10 libcudnn.so.5
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sudo ln -sf libcudnn.so.5 libcudnn.so
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sudo ldconfig

注意，请到自己解压后的lib64文件夹看这个文件libcudnn.so.5.0.5 ，电脑配置不同后面的数字型号不同，进行相应的修改，否则会报错。

安装完成后可用 nvcc -V 命令验证是否安装成功，若出现以下信息则表示安装成功：


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     nvcc: 
     
     NVIDIA (
     
     R) 
     
     Cuda 
     
     compiler 
     
     driver
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     Copyright (
     
     c) 2005
     
     -2016 
     
     NVIDIA 
     
     Corporation
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     Built 
     
     on 
     
     Tue_Jan_10_13
     
     :22
     
     :03_CST_2018
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     Cuda 
     
     compilation 
     
     tools, 
     
     release 8
     
     .0, 
     
     V8
     
     .0
     
     .61

4、安装opencv3.1.0

首先是下载opencv3.1.0安装包，进入官网： http://opencv.org/releases.html，选择 3.1.0 版本的 source , 下载 opencv-3.1.0.zip

安装opencv需要的一些库，这个是都需要安装的，能安装的尽量都安装上。


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sudo apt-get 
     
     install 
     
     build-essential
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sudo apt-
     
     get 
     
     install cmake git libgtk2
     
     .0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sudo apt-
     
     get 
     
     install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394
     
     -22-dev
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sudo apt-
     
     get 
     
     install 
     
     --assume-yes 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
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     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

将安装包放在根目录下，进行解压

unzip opencv-3.1.0.zip

解压后，由于opencv3与cuda的兼容问题，所以需要修改一下，修改 /opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp 文件内容,修改成如图

再执行命令


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     cd opencv-3.1.0
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     mkdir build
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     cd build
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/
     
     local ..
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sudo make -j4

编译成功后进行安装

sudo make install

安装完成后通过查看 opencv 版本验证是否安装成功：

pkg-config --modversion opencv

5、安装caffe

终于可以安装caffe了，使用Git直接下载Caffe非常简单，或者去https://github.com/BVLC/caffe下载。由于我习惯去github上找代码，所以就直接去下载的源码。

将caffe-master放在根目录下，解压

unzip caffe-master.zip

将解压后的文件夹的名字改为caffe，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


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     cd 
     
     caffe
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sudo 
     
     cp 
     
     Makefile
     
     .config
     
     .example 
     
     Makefile
     
     .config

打开Makefile.config文件

sudo gedit Makefile.config

在打开的文件中修改如下

a.若使用cudnn，则 将

#USE_CUDNN := 1 

修改成： 

USE_CUDNN := 1 

b.若使用的opencv版本是3的，则 将

#OPENCV_VERSION := 3 

修改为： 

OPENCV_VERSION := 3 

c.若要使用python来编写layer，则 将

#WITH_PYTHON_LAYER := 1 

修改为

WITH_PYTHON_LAYER := 1 

d.重要的一项 : 
将 # Whatever else you find you need goes here. 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

若你用的是anaconda，则还需要修改


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     # NOTE: this is required only if you will compile the python interface.
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     # We need to be able to find Python.h and numpy/arrayobject.h.
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #PYTHON_INCLUDE := /usr/include/python2.7 \
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    		
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    	 
     
     #/usr/lib/python2.7/dist-packages/numpy/core/include
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     # Anaconda Python distribution is quite popular. Include path:
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     # Verify anaconda location, sometimes it's in root.
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     ANACONDA_HOME 
     
     := $(HOME)/anaconda
    
    
    
   
   
  14. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  15. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     PYTHON_INCLUDE 
     
     := $(ANACONDA_HOME)/
     
     include \
    
    
    
   
   
  16. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    		
    
    
    
   
   
  17. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     	 $(ANACONDA_HOME)/
     
     include/python2.
     
     7 \
    
    
    
   
   
  18. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    		
    
    
    
   
   
  19. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     	 $(ANACONDA_HOME)/lib/python2.
     
     7/site-packages/numpy/core/
     
     include
    
    
    
   
   
  20.

修改makefile文件


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     替换为：
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
    
    
    
   
   

 
 

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     改为：
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

编辑/usr/local/cuda/include/host_config.h 将其中的第115行注释掉：

也许你打开后的文件显示只读，这时你就在此文件夹打开终端，执行命令将其改为可写

chomd a+w host_config.h

将

#error– unsupported GNU version! gcc versions later than 4.9 are not supported!

修改为

//#error– unsupported GNU version! gcc versions later than 4.9 are not supported!

接下来就是编译测试了！！！

在caffe文件夹下，执行命令

sudo make all -j4

这是如果之前的配置或安装出错，那么编译就会出现各种各样的问题，所以前面的步骤一定要细心。我之前子啊这里出现很多错误，也遇到很多问题，有的看别人的教程能解决，有的解决不了的就只能系统重装！

如果没有问题，那么执行

sudo make runtest -j8

这会经历一段时间，测试很多项是否正确，如果都没有问题，那么就会出现如图所示的画面

大功告成！！！！！

ruolyn
关注
专栏目录
ubuntu caffe安装
qq_15505637的博客
08-15 1185
进入 caffe ，将 Makefile.config.example 文件复制一份并更名为 Makefile.config ，也可以在 caffe 目录下直接调用以下命令完成复制操作 ： sudo cp Makefile.config.example Makefile.config11 复制一份的原因是编译 caffe 时需要的是 Makefile.config 文件，而Makefile
Ubuntu16.04 Caffe 安装步骤记录
嘿芝麻的树洞
12-15 764
环境： Cuda: 8.0.61 Cudnn: 6.0.21 前期准备啥的就不赘述了，下面正式开始安装caffe 1 首先在你要安装的路径下 clone ： git clone https://github.com/BVLC/caffe.git 2 进入 caffe ，将 Makefile.config.example 文件复制一份并更名为 Makefile.config ，也可以在 caff...
ubuntu16.04 安装caffe opencv2.4.13.16 ，cuda9.0
worldeert的博客
07-09 981
安装caffe1.从github直接下载caffe到服务器上git clone https://github.com/BVLC/caffe.git 2.因为是服务器原因，之前各种依赖包已经拥有，所以不用下载3.进入caffe文件夹，可以看到里面有以下两个文件cd caffe sudo cp Makefile.config.example Makefile.config   //将Makefile....
ubuntu 16.04 安装 caffe
opencv_857310866的博客
08-19 316
配置caffe： https://blog.csdn.net/qq_38160725/article/details/79127683 注意： 1.安装opencv时使用bash 来启动脚本 2.不要使用anaconda2，使用Ubuntu自带的python，anaconda中会有很多和系统相冲突的库...
VMware下Ubuntu16.04镜像完整安装教程
01-11
本文为大家分享了VMware 12 下 Ubuntu 16.04镜像 安装教程，供大家参考，具体内容如下 1）安装前准备 PC电脑操作系统是WIN7，已正确安装虚拟机VMware 12。 2）安装Ubuntu 16.04镜像 下载Ubuntu镜像文件，下载链接 ...
vitrualBox+ubuntu16.04安装python3.6最新教程及详细步骤
01-09
因为这两天在学习深度学习需要用到ubuntu+python3.6版本，所以就按照网上的教学安装，但是ubuntu16.04自带的是python2.7和3.5版本，所以需要另外安装。但是安装了半天浪费了一整天时间踩了各种坑。最后终于成功了。...
Ubuntu 16.04 安装caffe2具体步骤及出现的问题解决方法
05-15
### Ubuntu 16.04 下 Caffe2 的安装与问题解决 #### 一、概述 Caffe2 是一个开源的深度学习框架，它继承和发展了原 Caffe 的优点，并支持移动设备上的部署。本文主要介绍如何在 Ubuntu 16.04 系统上通过 Anaconda ...
Ubuntu 16.04 安装 Qt 5.14.1
01-07
安装4.环境变量配置5.新建工程验证 1. 概述 Qt 是 一个跨平台的C++图形用户界面应用程序框架，图形界面库，Qt library为Qt程序提供头文件、静态链接库和动态链接库。 Qt Creator是跨平台的 Qt IDE。 以前的低版本Qt ...
Ubuntu 16.04 安装Caffe GPU教程：显卡驱动与分辨率设置
本教程详细介绍了如何在Ubuntu 16.04系统上安装Caffe深度学习框架，特别强调了在使用GTX 1060显卡和CUDA 8.0环境下的安装步骤，并包含了对GPU显卡驱动的安装以及分辨率设置。以下是教程的主要知识点： 1. **安装前...
ubuntu安装caffe教程
09-27
ubuntu安装caffe教程,含GPU ,包括错误处理解决办法，cudnn包下载等
Ubuntu16.04 Caffe 安装步骤记录（超详尽）
热门推荐
yhao的博客
05-19 26万+
历时一周终于在 ubuntu16.04 系统成功安装 caffe 并编译，网上有很多教程，但是某些步骤并没有讲解详尽，导致配置过程总是出现各种各样匪夷所思的问题，尤其对于新手而言更是欲哭无泪，在我饱受折磨后决定把安装步骤记录下来，尽量详尽清楚明白，避免后来小白重蹈覆辙。安装硬件： intel i5 + NVIDIA 740 M安装流程细分为如下10个步骤，细化步骤粒度更易避免出错
Ubuntu16.04 安装配置Caffe
weixin_30894583的博客
12-16 387
Caffe已经是第三次安装配置了，为什么是第三次呢？因为我实在是低估了深度学习对于硬件的要求。第一次我在自己笔记本上配置的单核，CPU only ... 结果是，样例数据跑了4小时，这还怎么玩？第二次在台式机上，因为台式机比较low，I5处理器4核，没有NVIDIA的GPU。我把别人训练好的模型下载下来，然后自己测试，发现真的成功了，心里小激动~ 然而，当我自己训练模型时，我训练7天........
Caffe学习1——在ubuntu16.04环境下安装Caffe（CPU）
wusy的博客
07-01 929
目前在网上，已经存在很多的Caffe安装教程。本文主要介绍笔者在安装Caffe——CPU版本所遇到的问题，以及相关解决方法。以下给出基于ubuntu 16.04系统的Caffe的CPU安装步骤：1. 安装gitsudo apt-get install git2. 安装依赖库sudo apt-get install libprotobuf-dev sudo apt-get install libl...
【深度学习环境配置踩坑记】二. ubuntu16.04+anaconda3安装caffe
zl3090的博客
04-21 744
caffe需要的前期准备包括anaconda3+显卡驱动+cuda+cudnn请参见这两篇博客： https://blog.csdn.net/zl3090/article/details/89297031 https://blog.csdn.net/zl3090/article/details/89304484 接下来进入正题，本博文主要参考： https://blog.csdn.n...
ubuntu16.04安装caffe cpu版
Double_V的博客
09-01 4199
ubuntu安装cpu caffe，完整教程
ubuntu16.04安装caffe以及各种问题汇总
autocyz
06-29 3万+
本文参考了： https://github.com/BVLC/caffe/wiki/Ubuntu-16.04-or-15.10-Installation-Guide https://gist.github.com/wangruohui/679b05fcd1466bb0937f#file-caffe-ubuntu-15-10-md http://blog.csdn.net/g0m3e/artic
Ubuntu14.04 安装Caffe（仅CPU）
from_jiarenyf
08-04 2万+
Ubuntu14.04 安装Caffe（仅CPU）
ubuntu安装HDF5链接库（基于VFH描述子的聚类识别与6自由度位姿估计编译问题）
qq_36501182的博客
12-14 4707
最近研究描述子，编译了基于VFH的聚类识别和自由度估计，但是遇到一些问题。 具体就是：提示HDF5链接库找不到。 解决办法：安装这个库，我们采用源码编译的方式（貌似也没有其他方式）。 （１）下载。地址如下。有 HDF51.10.1 HDF51.8.20 两个版本。类似office高版本支持低版本，低版本不支持高版本。 （建议在用户目录下新建lib文件夹作为地址）https://su
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值