1、安装开发所需要的一些基本包
sudo apt-get install build-essential
sudo apt-get install vim cmake git
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev
2、CUDA安装
这一步包括三个部分:
- nvidia驱动
- cuda-toolkit
- cuda-samples
在CPU模式下仅需要安装cuda-toolkit,接下来介绍如何安装cuda-toolkit
解压下载得到的.run文件,得到三个文件,我们只安装第一个,即cuda-toolkit包
-
- CUDA安装包: cuda-linux64-rel-6.5.14-18749181.run
- NVIDIA驱动: NVIDIA-Linux-x86_64-340.29.run
- SAMPLE包: cuda-samples-linux-6.5.14-18745345.run
意思是不运行安装脚本,把.run文件解压到Downloads目录。
chmod +x *.run
安装CUDA需要在纯命令行下进行(非常重要),按 ctrl+alt+F1进入tty,登录后执行如下命令
sudo service lightdm stop
或者
sudo stop lightdm
sudo ./cuda-linux64-rel-6.5.14-18749181.run
3、添加环境变量
sudo vim /etc/profile
安装完成后在/etc/profile中添加环境变量,在文件最后添加
PATH=/usr/local/cuda-6.5/bin:$PATH
export PATH
保存后,执行下列命令,使环境变量立即生效
source /etc/profile
4、 添加lib库路径
sudo vim /etc/ld.so.conf
里面有incluede xxxxxxxxx
加上 include /usr/local/cuda-6.5/lib64
在/etc/ld.so.conf.d/目录下增加文件cuda.conf,内容如下
/usr/local/cuda-6.5/lib64
执行下列命令立刻生效
sudo ldconfig
5、退出命令行
sudo service lightdm start
或者
sudo start lightdm
6、安装BLAS
参考http://blog.sina.com.cn/s/blog_6d09848701018smp.html
$mkdir openblas
$cd openblas
然后下载git库
$git clone https://github.com/xianyi/OpenBLAS.git
$cd OpenBLAS
然后编译
$make
这个编译是很帅的,是多线程编译。编译好之后安装之
$sudo make install
安装完后添加lib路径,
sudo vim /etc/ld.so.conf
在/etc/ld.so.conf.d/目录下新建OpenBLAS.conf,内容:
/openblas/OpenBLAS/lib
即在下面加上include /openblas/OpenBLAS/lib
使之生效:
sudo ldconfig
7、安装Opencv
(1) 从github上下载安装脚本:https://github.com/jayrambhia/Install-OpenCV
sudo git clone
https://github.com/jayrambhia/Install-OpenCV
(2) cd 到InstallOPENCV
cd进到Ubuntu目录,对所有脚本增加可执行权限
sudo chmod +x *.sh
安装最新版本(当前为2.4.9),有人自己写了2.4.20版本的,有兴趣的可以去下:http://pan.baidu.com/s/1m3hQu
(3) 安装依赖项
sudo ./dependencies.sh
(4)cd 2.4
sudo sh ./opencv2_4.9.sh
8、安装其它依赖项
Ubuntu14.04用户执行
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
其它版本参考官网说明
9、安装Python环境
在Ubuntu的软件中心 搜索 spyder 它内置了iPython环境
10.编译Caffe
- 下载:https://github.com/BVLC/caffe
- 进入caffe目录,复制一份Makefile.config
cp Makefile.config.example Makefile.config
- 根据自己环境修改Makefile.config的相应内容
1 取消 CPU_ONLY := 1前面的注释
2. cuda 安装路径改为自己的路径 : CUDA_DIR := /usr/local/cuda-6.5
3. 配置路径:实现caffe对python和matlab接口的支持
PYTHON_INCLUDE := /usr/include/python2.7 \ /usr/lib/python2.7/dist-packages/numpy/core/include PYTHON_LIB := /usr/local/lib INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib MATLAB_DIR := /usr/local/MATLAB/R2014a
4. BLAS := open (根据自己选择的版本,分别设为atlas, mkl, open
同时也要记得把BLAS的路径去掉注释
然后加入路径
/openblas/include
/openblas/lib
- 编译caffe
sudo make all -j2
sudo make test
sudo make runtest
在一这步可能会碰到问题:undefined refrence to ' cudaGetDevice '
解决方法:
1. 修改Makefile.config, 修改CUSTOM_CXX := g++-4.6
2. 执行命令 sudo apt-get install gcc-4.6 g++-4.6 gcc-4.6-multilib g++-4.6-multilib
3. 修改以下两个文件
vi src/caffe/common.cpp
vi tools/caffe.cpp
使用google替代gflags
4. 重新make
如果在make的过程中提示:“error while loading shared libraries: xxx.so.x”,可能是cuda及OpenBLAS环境变量没有设置正确,检查相应步骤,可参考:http://blog.csdn.net/sahusoft/article/details/7388617
10、编译python wrapper
make pycaffe
11、测试lenet这部分可参考caffe官网:http://caffe.berkeleyvision.org/gathered/examples/mnist.html,非常详细。
注:这一部分默认在caffe的根目录下完成,不能去相应的子目录下执行脚本,因为脚本中的路径是相对于caffe目标的相对路径 。
- 获取数据: sudo sh data/mnist/get_mnist.sh
- 重建lmdb/ leveldb文件,caffe支持三种数据格式输入: images(.jpg,.png等),leveldb, lmdb
-
./examples/mnist/create_mnist.sh
- 第3步可能会出现错误:
error while loading shared libraries: libopenblas.so.0: cannot open shared object file: No such file or directory
解决方法:我的是这个方法解决的The fix is the following: 参见https://github.com/sermanet/OverFeat/issues/10
(可能http://blog.csdn.net/jjff46/article/details/38072433中的
- sudo su
- cat /etc/ld.so.conf
- echo "/usr/local/lib" >> /etc/ld.so.conf
- ldconfig
有可能也会有用 先mark一下)
1、sudo apt-get install libopenblas-base
And then
2、export LD_LIBRARY_PATH=/usr/lib/openblas-base/
Although, if you build from source, I think you could change the LD_LIBRARY_PATH and you would be fine
3、 export LD_LIBRARY_PATH=/opt/OpenBLAS/lib/
- 切换到CPU模式: 在lenet_solver.prototxt中修改 solover_mode = CPU , 在最后一行
- 训练minist: sudo sh examples/mnist/train_lenet.sh
没有错误的话,就可以看到一串串的输出信息啦。
参考:
http://blog.csdn.net/hunterlew/article/details/52069093
http://blog.csdn.net/w_u_yang/article/details/50269115
http://www.cnblogs.com/dupuleng/articles/4213834.html
https://gist.github.com/bearpaw/c38ef18ec45ba6548ec0