Ubuntu16.04 desktop版本安装 cuda8+Caffe+cudnn5+torch+tensorflow+digits+nccl 最完整教程

最新推荐文章于 2024-05-09 21:57:49 发布

置顶 luhuaxiang

最新推荐文章于 2024-05-09 21:57:49 发布

阅读量1k

点赞数 2

分类专栏：运维 Ubuntu 文章标签： Ubuntu安装 cuda caffe cudnn5 tensorflow

本文链接：https://blog.csdn.net/luhuaxiang/article/details/85262120

版权

运维同时被 2 个专栏收录

15 篇文章 4 订阅

订阅专栏

Ubuntu

10 篇文章 0 订阅

订阅专栏

第1步安装依赖包

sudo apt-get update
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 git cmake build-essential
sudo apt-get install python-numpy
sudo apt install python-pip
sudo pip install -U scikit-image

安装后续步骤或环境必需的依赖包，依次输入以下命令:

有一定几率安装失败而导致后续步骤出现问题，所以要确保以上依赖包都已安装成功，验证方法就是重新运行安装命令，如验证 git cmake build-essential是否安装成功共则再次运行以下命令：

sudo apt-get install git cmake build-essential

界面提示如下则说明已成功安装依赖包，否则继续安装直到安装成功。

第2步禁用 nouveau(如果装了显卡驱动忽略这一步)

安装好依赖包后需要禁用 nouveau，只有在禁用掉 nouveau 后才能顺利安装 NVIDIA 显卡驱动，禁用方法就是在 /etc/modprobe.d/blacklist.conf 文件中添加一条禁用命令，首先需要打开该文件，通过以下命令打开：

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

打开后的最后一行加入：

blacklist nouveau option nouveau modeset=0

保存后关闭文件，注意此时还需执行以下命令使禁用 nouveau 真正生效：

sudo update-initramfs -u

重启执行lsmod |grep nouveau 没有提示说明禁用成功。

附加说明：如装完显卡驱动有出现如下错误 The system is running in low-fraphics mode

如果出现无法进入桌面的问题，这是因为驱动修改了xorg的配置，可执行一下命令：

cd /usr/share/X11/xorg.conf.d/ 
sudo mv nvidia-drm-outputclass.conf nvidia-drm-outputclass.conf.bak
sudo reboot

如果还有问题，可参考我的另一篇文章：Ubuntu系统出现 The system is running in low-graphics mode的多种解决方法。_luhuaxiang的博客-CSDN博客

第3步配置环境变量

使用 gedit 命令打开配置文件：

sudo gedit /etc/profile

打开后在文件最后加入以下两行内容：

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

保存退出。

source /etc/profile使环境变量生效

第4步下载 CUDA 8.0

进入 CUDA Toolkit 11.7 Update 1 Downloads | NVIDIA Developer ，依次选择 CUDA 类型然后下载即可。如下图：

第5步安装 CUDA 8.0

如已经安装正确的 nvidia 显卡驱动，则直接开始安装 CUDA 8.0，在安装过程中选择不再安装 nvidia 显卡驱动。如要卸载重装指定驱动，命令如下：

卸载命令位置/usr/bin/nvidia-uninstall，以下命令即可卸载。

sudo /usr/bin/nvidia-uninstall

不找这个命令的位置，也可以

sudo apt-get install autoremove --purge nvidia*

为了方便开始安装过程的路径查找，把下载的 CUDA 安装文件移动到 HOME 路径下，然后通过 Ctrl + Alt + F1 进入文本模式，输入帐号密码登录，通过 Ctrl + Alt + F7 可返回图形化模式，在文本模式登录后首先关闭桌面服务：

sudo service lightdm stop

然后通过 Ctrl + Alt + F7 发现已无法成功返回图形化模式，说明桌面服务已成功关闭.

然后运行 CUDA 安装文件进行安装，之前我们已经把 CUDA 安装文件移动至 HOME，直接通过 sh 命令运行安装文件即可：

sudo chmod a+x cuda_8.0.61_375.26_linux.run 
sudo ./cuda_8.0.61_375.26_linux.run –-no-opengl-libs

其中 cuda_8.0.61_375.26_linux.run 是我的 CUDA 安装文件名，而你需替换为自己的 CUDA 安装文件名，若此时忘记可直接通过 ls 文件查看文件名，这也是我建议把 CUDA 安装文件移动到 HOME 下的另一个原因。

执行此命令约1分钟后会出现 0%信息，此时出现如下画面按q：

先输入 accept ，然后让选择是否安装 nvidia 驱动，这里我们之前装过了，所以选择n

然后按照提示操作即可，输入“y”确认安装或确认默认路径安装，开始安装，如下图：

安装完成后重启：

重启后登录进入系统，配置 CUDA 环境变量，与第2步相同，使用 gedit 命令打开配置文件：

使用 gedit 命令打开配置文件：

sudo gedit /etc/profile

打开后在文件最后加入以下三行内容：(注意cuda版本)

export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
export CUDA_HOME="/usr/local/cuda-8.0:$CUDA_HOME"

保存退出。

source /etc/profile使环境变量生效

第6步验证 CUDA 8.0 是否安装成功

分别执行以下命令：

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

若看到类似以下信息则说明 cuda 已安装成功：

第7步安装 cudnn

cuDNN是GPU加速计算深层神经网络的库

登录官网：https://developer.nvidia.com/rdp/cudnn-download ，下载对应 cuda 版本且 linux 系统的 cudnn 压缩包，注意官网下载 cudnn 需要注册帐号并登录。

下载完成后解压，得到一个 cuda 文件夹，该文件夹下include 和 lib64 两个文件夹，然后进行以下操作：

sudo tar -xzf cudnn-8.0-linux-x64-v5.1.tgz -C /usr/local
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5        #删除原有动态文件
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5  #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so         #生成软链接

这里需要注意我下的是libcudnn.so.5.1.10，选择对应的版本

修改文件的权限

sudo chmod a+r /usr/local/cuda/include/cudnn.h  /usr/local/cuda/lib64/libcudnn*

更新链接库：

sudo ldconfig

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：

查看cudnn版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

第8步安装 opencv3.1

进入官网 : Releases - OpenCV , 选择 3.1.0 版本的 source , 下载 opencv-3.1.0.zip （版本根据客户要求选择下载）

解压到你要安装的位置,这是在home目录，命令行进入已解压的文件夹 opencv-3.1.0 目录下

由于opecv3.1与cuda8.0不兼容。解决办法：

修改 /opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp 文件内容，如图：

sudo gedit /opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp

返回opencv-3.1.0 目录

mkdir build 
cd build
sudo cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..   # 注意 ..前有空格

如出现-- ICV: Downloading ippicv_linux_20151201.tgz...

之后就会提示很多错误。

则需要自己下载ippicv_linux_20151201.tgz

然后复制到opencv-3.1.0/3rdparty/ippicv/downloads/linux-808b791a6eac9ed78d32a7666804320e目录下

sudo make -j8 #编译,8代表CPU核数，不加也可以

编译成功后安装：

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

第9步安装 caffe

首先在你要安装的路径下 clone ：

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

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.config

复制一份的原因是编译 caffe 时需要的是 Makefile.config 文件，而Makefile.config.example 只是caffe 给出的配置文件例子，不能用来编译 caffe。

然后修改 Makefile.config 文件，在 caffe 目录下打开该文件：

sudo gedit Makefile.config

修改 Makefile.config 文件内容：

应用 cudnn

将 #USE_CUDNN := 1 修改成： USE_CUDNN := 1

应用 opencv 版本

将 #OPENCV_VERSION := 3 修改为： OPENCV_VERSION := 3

使用 python 接口

将 #WITH_PYTHON_LAYER := 1 修改为 WITH_PYTHON_LAYER := 1

修改 python 路径

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

PYTHON_LIB := /usr/lib

修改为：

PYTHON_LIB := /usr/lib/python2.7/config-x86_64-linux-gnu

然后修改 /usr/local/cuda/include/host_config.h 文件 :

#error-- unsupported GNU version! gcc versions later than 5 are not supported!

改为

//#error-- unsupported GNU version! gcc versions later than 5 are not supported!

可以开始编译了，在 caffe 目录下执行：

make all -j8

编译成功后可运行测试：

sudo make runtest -j8

显示结果为上图所示，则表示 caffe 已经成功安装。

如出现以下错误：

解决办法是将一些文件复制到/usr/local/lib文件夹下：

#注意自己CUDA的版本号！

sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcublas.so.8.0 /usr/local/lib/libcublas.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcurand.so.8.0 /usr/local/lib/libcurand.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcudnn.so.5 /usr/local/lib/libcudnn.so.5 && sudo ldconfig

然后

make clean

再编译，在 caffe 目录下执行：

make all -j8

编译成功后可运行测试：

sudo make runtest -j8

再运行测试看是否正常

10、安装 pycaffe notebook 接口环境

首先编译 pycaffe :

cd caffe

sudo make pycaffe -j8

编译 pycaffe 成功后，验证一下是否可以在 python 中导入 caffe 包，首先进入 python 环境：

输入python

然后导入 caffe :

输入import caffe

若不报错则表示 caffe 的 python 接口已正确编译

最后一步，配置notebook环境

首先进入 caffe/python 目录下，执行安装代码：

sudo apt-get install gfortran

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

安装完成以后执行：

sudo pip install -r requirements.txt

然后安装 jupyter ：

sudo pip install jupyter

安装完成后运行 notebook :

jupyter notebook或ipython notebook

就会在浏览器中打开notebook,点击右上角的New-python2,就可以新建一个网页一样的文件，扩展名为ipynb。在这个网页上，我们就可以像在命令行下面一样运行python代码了。输入代码后，按shift+enter运行，更多的快捷键，可点击上方的help-Keyboard shortcuts查看，或者先按esc退出编辑状态，再按h键查看。

11、安装Torch

第一步：从git上获取安装LuaJIT（C语言编写的Lua的解释器）和Torch所必需的依赖包：

在终端执行：git clone https://github.com/torch/distro.git ~/torch --recursive

在你的根目录下生成一个torch文件夹，安装文件都在里面：

第二步：进入torch目录，执行：bash install-deps

第三步：执行：./install.sh, 这一步最后会出现如下提示，并输入yes

然后修改环境变量

sudo gedit ~/.bashrc 最后一行加入

export TORCH_DIR=$HOME/torch

保存退出后

执行source ~/.bashrc

第五步：输入：th测试是否安装成功，当出现如下标识说明已成功安装：

12、安装 Tensorflow环境

根据自己的情况选择以下命令之一进行安装：

pip install tensorflow==1.2 # Python 2.7; 仅支持CPU

pip3 install tensorflow==1.2 # Python 3.n; 仅支持CPU

pip install tensorflow-gpu==1.2 # Python 2.7; 支持CPU

pip3 install tensorflow-gpu==1.2 # Python 3.n; 支持CPU

注意：这里的==1.2.是表示tensorflow的版本，请根据实际情况修改。cuda8.0对应的是1.2

如下载速度慢或者老是出现下载中断，解决办法：Ubuntu16.04下配置pip国内镜像源加速安装_luhuaxiang的博客-CSDN博客

验证tensorflow是否安装成功

启动终端，输入python

输入以下代码：

>>> import tensorflow as tf

>>> hello = tf.constant('Hello, TensorFlow!')

>>> sess = tf.Session()

>>> print(sess.run(hello))

如果输出Hello, TensorFlow!则代表安装成功，如下图。

13、安装digits

digits是caffe的一个可视化工具，可使我们对caffe的操作变得方便容易

1.获取digits安装包

sudo git clone https://github.com/NVIDIA/DIGITS.git digits

2.安装digits及依赖项

cd digits

sudo apt-get install graphviz gunicorn

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

配置环境变量

sudo gedit /etc/profile

export CAFFE_ROOT=/home/你的账户名/caffe/

source /etc/profile

3.打开digits

cd digits

./digits-devserver

在网页上输入http://localhost:5000即可打开界面

14、安装NCCl

在多个 GPU 上运行 Caffe 需要使用 NVIDIA NCCL。可使用以下命令安装 NCCL

git clone https://github.com/NVIDIA/nccl.git

cd nccl

sudo make install -j8

luhuaxiang

关注

2
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
Ubuntu16.04 desktop版本安装 cuda8+Caffe+cudnn5+torch+tensorflow+digits+nccl 最完整教程

第1步安装依赖包sudo apt-get updatesudo apt-get upgradesudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilersudo apt-get install --no-inst...
复制链接

扫一扫