【手把手AI项目】二、ubuntu16.04+caffe＋CUDA10.0+cudnn7.4+opencv2.4.9.1+python2.7　（超超细致）

最新推荐文章于 2024-10-12 09:59:08 发布
置顶 最新推荐文章于 2024-10-12 09:59:08 发布
阅读量9.8k 收藏 47
点赞数 11
分类专栏： opencv Deep Learning caffe
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_33431368/article/details/84717053
版权
Deep Learning 同时被 3 个专栏收录
28 篇文章 8 订阅
订阅专栏
caffe
9 篇文章 2 订阅
订阅专栏
opencv
3 篇文章 0 订阅
订阅专栏

安装开发所需依赖包：

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

在这里插入图片描述

sudo apt-get update; sudo aptitude install build-essential #执行这句解决问题

在这里插入图片描述
在这里插入图片描述
直接点回车，成功安装
可能出现如下图，照做就好运行，运行apt-get update等，重新执行上述的安装依赖包的过程
在这里插入图片描述
安装成功差不多如下所示
在这里插入图片描述

安装CUDA 10.0前提

1.首先确认自己电脑的GPU兼容CUDA，只要电脑是N卡应该就支持，A卡应该是不支持了
我的电脑是1060ti，显示 compatible兼容

lspci | grep -i nvidia

在这里插入图片描述
2.确定linux版本支持CUDA

uname -m && cat /etc/*release

在这里插入图片描述
3.确定系统安装了gcc：

gcc --version

在这里插入图片描述
4.确定系统已经安装了正确的Kernel Headers和开发包：

首先查看系统正在运行的kernel版本：

uname -r

在这里插入图片描述

安装对应的kernels header和开发包：

sudo apt-get install linux-headers-$(uname -r)

在这里插入图片描述
我电脑自己已经装好了

安装CUDA10.0

1.下载CUDA10.0
https://developer.nvidia.com/cuda-downloads
如下选择（我的linux版本是16.04, 64位）
在这里插入图片描述
Download 之后按照Installation Instructions安装
在这里插入图片描述

2.首先进行md5校验：

md5sum cuda-repo-ubuntu1604-10-0-local-10.0.130-410.48_1.0-1_amd64.deb

首先进入下载的deb文件所在的文件夹，之后执行terminal，这里的deb的名称根据你当时下载的deb文件来输入
在这里插入图片描述

3.安装

    sudo dpkg -i cuda-repo-ubuntu1604-10-0-local-10.0.130-410.48_1.0-1_amd64.deb
    sudo apt-get update
    sudo apt-get install cuda

出现输入key，按照做就好
在这里插入图片描述
之后再输入

sudo dpkg -i cuda-repo-ubuntu1604-10-0-local-10.0.130-410.48_1.0-1_amd64.deb

再输入

   sudo apt-get update
   sudo apt-get install cuda

等一会就能装好了
在这里插入图片描述
安装完成
在这里插入图片描述
会发现自己的usr/local里有两个文件夹如下图
在这里插入图片描述
4.安装好之后添加环境变量
我个人习惯都喜欢用.bashrc来改环境变量
.bashrc为隐藏用户环境变量文件，首先直接点击桌面打开terminal终端

vim .bashrc

如果vim没有装的话，那就先执行

sudo apt-get install vim

在这里插入图片描述
进入 .bashrc文件拉到最下面，添加如下两句环境变量（vim的使用随便百度都是这里不详细介绍了，linux基础，简单说一下，按i可输入，按ESC之后按：wq！保存退出即可）

export PATH=/usr/local/cuda-10.0/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

在这里插入图片描述
保存退出
让修改的环境变量生效

source ~/.bashrc

在这里插入图片描述

验证CUDA是否安装成功

重启才能奏效

cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery

sudo make　　＃编译deviceQuery.cpp文件，生成deviceQuery可执行文件

./deviceQuery

在这里插入图片描述
也正好显示为1060ti说明安装成功

安装Cudnn

1.下载Cudnn
https://developer.nvidia.com/rdp/cudnn-download
在这里插入图片描述
没有账号的话这里需要申请一个账号，并且邮箱验证，等等，都是傻瓜式操作，稍微按照要求操作一下就行了,下载界面如下图所示。
在这里插入图片描述
下载后进入压缩包的文件夹内，并解压压缩包
在这里插入图片描述
进入解压后的cuda文件夹里

sudo cp lib64/* /usr/local/cuda/lib64/　　　　　#复制头文件
sudo cp include/cudnn.h /usr/local/cuda/include/ 　　　　　　#复制动态链接库

在这里插入图片描述

cd /usr/local/cuda/lib64
sudo rm -rf libcudnn.so libcudnn.so.10.0
sudo ln -s libcudnn.so.10.0.64 libcudnn.so.10.0
sudo ln -s libcudnn.so.10.0 libcudnn.so

在这里插入图片描述
全部ok检查是否成功

nvcc -V

在这里插入图片描述

关于opencv

因为我只需要用opencv读取照片和显示所以这边使用opencv自带的即可
执行下面这句，可知道linux自带opencv版本

 pkg-config --modversion opencv

在这里插入图片描述

如果想用opencv3.4　(这里用3.4，后面的编译caffe修改makeconfig部分需要参考补充部分)
安装请参考我另外一波博客
Linux下安装opencv3.4.3
尝试一下

python 
import cv2

出现错误

ImportError: No module named cv2

在这里插入图片描述
解决方案：

sudo apt-get install python-opencv

解决ｏｋ
在这里插入图片描述

安装caffe

因为安装caffe是目标检测用，用的是ssd所以这边直接编译caffe_ssd，编译原生caffe是一样的步骤，没区别
１．先clone掉github上的caffe

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

２．进入clone的caffe文件夹，执行以下命令，把Makefile.config.example复制更名为Makefile.config

sudo cp Makefile.config.example Makefile.config

在这里插入图片描述
３．修改此文件（很关键）相当于caffe编译配置文件

sudo gedit Makefile.config

修改 Makefile.config 文件内容：

①使用cudnn

#USE_CUDNN := 1
修改成： 
USE_CUDNN := 1

②.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

补充. opencv 版本（如果使用opencv3的话）

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

如下图
在这里插入图片描述

在这里插入图片描述

修改 caffe 目录下的 Makefile 文件（这两个不改都会报错，编译类型错误等等。）

将：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5 
改为：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

在这里插入图片描述

将：
 NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS) 
替换为：
 NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

在这里插入图片描述
进行正式编译

make all -j8

报错
在这里插入图片描述
问题在于CUDA在CUDA architecture setting有版本兼容问题
解决办法如下：

CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \
		-gencode arch=compute_20,code=sm_21 \
		-gencode arch=compute_30,code=sm_30 \
		-gencode arch=compute_35,code=sm_35 \
		-gencode arch=compute_50,code=sm_50 \
		-gencode arch=compute_52,code=sm_52 \
		-gencode arch=compute_60,code=sm_60 \
		-gencode arch=compute_61,code=sm_61 \
		-gencode arch=compute_61,code=compute_61
改为
CUDA_ARCH := -gencode arch=compute_50,code=sm_50 \
		-gencode arch=compute_52,code=sm_52 \
		-gencode arch=compute_60,code=sm_60 \
		-gencode arch=compute_61,code=sm_61 \
		-gencode arch=compute_61,code=compute_61

运行如下

make clean
make all

出现错误：

/usr/bin/ld: 找不到 -lcudnn

在这里插入图片描述
解决办法，进入cudnn解压得到的cudn文件夹lib64文件夹内
执行以下几句即可

sudo cp libcudnn.so /usr/local/cuda/lib64/
sudo cp libcudnn.so.7 /usr/local/cuda/lib64/
sudo cp libcudnn.so.7.4.1 /usr/local/cuda/lib64/
sudo cp libcudnn_static.a /usr/local/cuda/lib64/

在这里插入图片描述
再重新运行如下

make clean
make all

在这里插入图片描述
成功，继续：

make test
make runtest -j8

能看到RUN OK不报错一直跑下去就没问题
在这里插入图片描述
编译成功！！！

尝试import caffe

首先像上面一样的方式，就是用.bashrc的方式添加环境变量

export PATHONPATH=/home/xxx/caffe/python/caffe:$PATHONPATH　＃xxx为用户名

执行以下两句，来make caffe的python接口

cd caffe

sudo make pycaffe -j8

出现错误：
在这里插入图片描述
解决问题如下：

sudo apt-get install python-numpy

尝试

python
import caffe

出现新问题
在这里插入图片描述
解决方案：

sudo apt install python-pip

pip install --upgrade pip

pip install -U scikit-image

也可能出现以下问题

输入pip命令报错：from pip import main ImportError: cannot import name 'main'

解决方式为（这里使用的python２.7，所以只有pip没有pip3）
参考
https://blog.csdn.net/qq_38522539/article/details/80678412
修改文件

vim /usr/bin/pip

修改内容为：

//修改前 
from pip import main
if __name__ == '__main__': 
	sys.exit(main()) 
 修改后 
from pip import __main__ //这行也要修改
if __name__ == '__main__':
	sys.exit(__main__._main())　　　//增加__main__._

之后继续运行

sudo pip install -U scikit-image

之后再次import caffe 出现又一个error

ImportError: No module named google.protobuf.internal

解决方法

sudo apt-get install python-protobuf

最后python import caffe 终于成功
在这里插入图片描述

测试caffe，train以下minst数据集

cd caffe
sh data/mnist/get_mnist.sh    #获取dataset
sh examples/mnist/create_mnist.sh   #生成caffe输入的lmdb格式

在这里插入图片描述
在这里插入图片描述开始训练：

sh examples/mnist/train_lenet.sh

在这里插入图片描述训练完毕，可见loss为０．０２６９７０２

ＯＶＥＲ

出现其他error解决方案

１．关于ＣＵＤＡ
Pro１:CUDA 和CUDnn的配置
https://blog.csdn.net/u010417185/article/details/59105765?locationNum=6&fps=1
Pro２:查看版本CUDA 和 CUDnn
https://blog.csdn.net/Teeyohuang/article/details/79082003
Pro３:卸载CUDA和Cudnn
http://www.cnblogs.com/feifanrensheng/p/9541733.html
２．其他
Pro1:“fatal error: hdf5.h: 没有那个文件或目录”解决方法/ 修改Makefile.config文件,根据运行平台修改配置
https://blog.csdn.net/u012033124/article/details/61200524
Pro2: caffe-ssd-install
https://blog.csdn.net/zhang_shuai12/article/details/52346878
Pro3: nvcc fatal : Unsupported gpu architecture ‘compute_20’
https://blog.csdn.net/kemgine/article/details/78781377
Pro4: .bashrc文件如何打开
https://zhidao.baidu.com/question/502451392.html
Pro5: ubuntu环境变量的三种设置方法
https://blog.csdn.net/vertor11/article/details/70799971
Pro6: 验证后出现错误：/usr/bin/ld: 找不到 -lcudnn
https://blog.csdn.net/u010417185/article/details/59105765?locationNum=6&fps=1
Pro7: 编译 pycaffe时报错：fatal error: numpy/arrayobject.h没有那个文件或目录
https://blog.csdn.net/wuzuyu365/article/details/52430657
Pro８: 错误提示：ImportError: No module named skimage.io
https://blog.csdn.net/hdmjdp/article/details/65628685
Pro9: Python pip 下载速度慢? Windows 设置 国内源，用 阿里云 国内镜像 加速
https://www.jianshu.com/p/0b3ce7298bde
３．opencv
Pro1: ImportError: No module named cv2的完美解决方法！！！
https://blog.csdn.net/mieleizhi0522/article/details/79123638?utm_source=blogxgwz0

Reference

http://www.cnblogs.com/wm123/p/5385940.html

https://blog.csdn.net/yhaolpz/article/details/71375762

https://blog.csdn.net/xiaoxue5246/article/details/78992000

https://blog.csdn.net/u013524303/article/details/81609643

https://blog.csdn.net/u012033124/article/details/61200524

https://blog.csdn.net/kemgine/article/details/78781377

https://blog.csdn.net/u012033124/article/details/61200524

https://blog.csdn.net/qq_38522539/article/details/80678412

https://blog.csdn.net/dongjuexk/article/details/78567717

特此感谢前路人，为作为小白的我铺路，谢谢！

AI蜗牛车
关注
专栏目录
vs2015 + cuda10.0 + gtx2080 编译的caffe
04-30
经历的很长事件的折腾，终于把caffe编译过了。把成果发上来，大家参考下。
Ubuntu16.04+Cuda9.0+Cudnn7.0+python2.7+Caffe
weixin_42287851的博客
05-23 1510
Ubuntu16.04+Cuda9.0+Cudnn7.0+python2.7+Caffe 1.驱动安装 2.Cuda9.0安装 3.Cudnn7.0安装 以上3步见： https://blog.csdn.net/weixin_42287851/article/details/80421821 4.opencv安装 https://blog.csdn.net/weixin_42287851...
ubuntu18.04上安装与运行webodm
最新发布
forever17age的博客
10-12 926
在执行./start.sh --no-gunicorn时可能会遇包括但不限于如下的一些问题：postgres密码错误1、进入postgres数据库2、修改密码3、退出\q缺少XX1、安装上述两个小可爱还有很多问题，但是我忘了，欢迎来讨论最后，在使用webodm重建时需要添加节点NODE，不然不能重建你可以按照这里记载的，在本地搞个nodeODM：也可以地狱一点，使用docker版本的nodeODM（那为什么不用docker版的webODM。
windows10 + caffe 配置CUDA10.0
qq_29007291的博客
10-25 1976
背景 一直以来生产中的环境都是caffe + GTX1060显卡 + CUDA8 + cuDNN5，因为面临着10系越来越不好买（停产一年有余），所以需要更换20系的显卡，并选择了RTX 2060。 但是由于2060是图灵架构，只能使用CUDA10， ...
环境安装(二):windows10下安装caffe框架(cuda10.0、cudnn7.6.4)
源的博客
03-18 842
文章目录1.安装cuda10.0和cudnn7.6.42.安装caffe框架2.1.下载caffe源码压缩包2.2 下载NugetPackages 1.安装cuda10.0和cudnn7.6.4 如果要安装这两个可以看我另外一篇博客： https://blog.csdn.net/m0_51004308/article/details/112318578 2.安装caffe框架 2.1.下载caffe源码压缩包 https://github.com/Microsoft/caffe 2.2 下载NugetPac
ubuntu全版本安装CUDA任意版本和cudnn任意版本，以及随意卸载
xinjieyuan的博客
09-09 8175
最近重装了几次，干脆写个笔记；另外我习惯用oh-my-zsh所以顺带写了安装这个后的配置方法。 安装显卡驱动 检查一下你有没有驱动 nvidia-smi 如果没有，那就去安装一下。 显卡安装教程 安装cuda 我的版本是cuda_9.0.176_384.81_linux.run 切换到该文件目录下 # 先更改权限以免报错 chmod a+x cuda_9.0.176_384.81_linux.r...
ubuntu16.04+cuda10.0+cudnn7.4+opencv2.4.9.1+python2.7安装过程填坑简单回忆记录
weixin_43329515的博客
05-31 879
本人安装过程参考博客 坑一：安装CUDA 一开始装的是CUDA10.1，但是因为一些原因（比如：驱动的问题，毕竟caffe对于库之间的依赖性太强了），导致caffe编译过程报错，无法解决，只能更换CUDA 版本至CUDA10.0。 坑二：如果报错：找不到 lcxxxx 就说明库里没有该.so文件，只要在安装包中找到再复制到对应的路径下就行，至于无法复制的问题，网上很容易就能找到解决方法，这里就不多...
Ubuntu16.04+CUDA10.0+cuDNN7.4+Opencv3.4+Anaconda3-5（Python3.6）+pytorch
qq_41915226的博客
10-15 1493
Ubuntu16.04安装请参照下文 Ubuntu16.04安装 系统分盘请参照下文 MBR和GPT的区别！自己选择！ CUDA9.0+cuDNNv7+Opencv3.4.0安装请参照下文 Ubuntu 16.04+CUDA 9.1+cuDNN v7+OpenCV 3.4.0+Caffe+PyCharm 完全安装指南，国内最全！(适用CUDA 9.0) 查看cuda版本 nvcc -V 查看cu...
Ubuntu16.04+cuda9.0+cudnn7.05+opencv3.4.0+caffe配置
05-10
### Ubuntu16.04+cuda9.0+cudnn7.05+opencv3.4.0+caffe配置详解 #### 一、环境搭建概述 本文档详细介绍了如何在Ubuntu 16.04系统上搭建一套包含CUDA 9.0、cuDNN 7.05、OpenCV 3.4.0以及Caffe的深度学习环境。这一...
Ubuntu16.04安装CUDA10.0+cudnn7.4
epchy12的博客
02-27 1376
1. 在cuda官网下载对应的cuda版本 2. 验证环境 首先打开终端输入如下命令，一步一步运行，运行结果参照官方文档 $ lspci | grep -i nvidia $ uname -m&&cat /etc/*release $ gcc --version $ uname -r $ sudo apt-get install linux -headers -$(uname -...
Ubuntu 16.04+CUDA 8.0+CUDNN 6.0+OpenCV 3.6+Python 2.7/3.5 GPU 安装教程
"本篇教程详细介绍了如何在Ubuntu 16.04操作系统上搭建一个支持GPU的Caffe深度学习框架环境，涉及的主要组件包括CUDA 8.0、cuDNN 6.0、OpenCV 3.6以及Python 2.7和3.5。整个过程分为两个步骤：第一步是安装必要的...
OpenCV2.4.13 Ubuntu & Window下安装配置
u011997078的博客
12-15 1047
一、Ubuntu下Opencv安装 系统环境：Ubuntu16.04、OpenCV2.4.13 注：我这里是配置支持CUDA加速的OpenCV ref from: http://leoybkim.com/wiki/installing-opencv-2.4.13-on-ubunto-16.04/ 1、卸载老版本opencv（如需）   $ cd in the "build" fold...
Ubuntu20.04安装cuda10.0、cudnn
m0_55019159的博客
08-29 782
因为Ubuntu20.04自带gcc-9，而cuda10.0支持gcc-4，因此要降级，但是gcc-4安装失败，尝试用gcc-7后面也安装成功了。
Ubuntu安装cuda10.0（详细有图）
weixin_45629790的博客
03-14 5162
下载文件 网址如下：https://developer.nvidia.com/cuda-10.0-download-archive 如果用别的版网址如下：https://developer.nvidia.com/cuda-toolkit-archive 将下载的文件移动到home目录下 下载如图 点击download下载完成后，将其copy到home目录下 开始安装CUDA 在home目录下鼠标右键空白处，open in Te…，运行： sudo sh cuda_10.0.130_410.48_linux
Ubuntu 配置多个版本cuda(10.0、10.1)
深度觉醒
10-11 2957
很多刚接触深度学习的朋友面临的第一个大坎就是开发环境的配置，经常一折腾就是一两天，更有甚至十天半月也不一定能让代码跑起来，实在是大大滴不友好。环境配置问题一般都是各个框架与cuda版本的...
ubuntu下安装多版本cuda及版本切换教程
热门推荐
zeeq的博客
10-27 3万+
首先，从官网下载所需版本的cuda安装包，下载链接。选择对应版本后，会跳转到该版本的配置信息页面。比如我是ubuntu20.04系统，已经安装好了cuda10.0，但是现在还需要用到cuda9.0。那么，在选定版本后，配置信息如下图所示（由于Version选项中没有20.04，因此我们随便选一个即可，这里选的16.04，这一选项不会影响后面的安装），Installer Type选择为runfile（因为使用deb文件进行安装的话，可能会将已经安装的较新的显卡驱动给替换掉），选择好之后点击Base Insta
ubuntu20.04安装nvidia驱动以及cuda以及cudnn
schFallingCloud
04-11 3152
ubuntu安装nvidia显卡驱动
Ubuntu20.04安装CUDA10.0
weixin_43399955的博客
03-25 3246
Ubuntu20.04 RTX3070 安装CUDA10.0
ubuntu16.04+cuda10.0+cudnn7.6+tensorflow_gpu-1.11.0环境安装
slender_1031的博客
11-21 902
为了搭深度学习环境,又装了一遍各种库,在此记录安装版本和流程.
评论 30
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