Ubuntu16.04安装caffe非常细致教程（历经两周的血泪史）

最新推荐文章于 2024-05-21 10:46:49 发布

置顶九天那个好揽月

最新推荐文章于 2024-05-21 10:46:49 发布

阅读量1.8w

点赞数 10

本文链接：https://blog.csdn.net/qq_40265629/article/details/81086092

版权

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

blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
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

sudo add-apt-repository ppa:graphics-drivers/ppa
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

输入新的UNIX密码：
重新输入新的UNIX密码：
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：

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

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

sudo chmod 777 cuda_8.0.61_375.26_linux.run
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

export  PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export  LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

（2）测试cuda是否安装正确

在终端输入命令：

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

若显示这样的内容，则证明你的cuda安装成功了！！

./deviceQuery Starting...

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce GT 740M"
  CUDA Driver Version / Runtime Version          8.0 / 8.0
  CUDA Capability Major/Minor version number:    3.5
  Total amount of global memory:                 2004 MBytes (2100953088 bytes)
  ( 2) Multiprocessors, (192) CUDA Cores/MP:     384 CUDA Cores
  GPU Max Clock rate:                            1032 MHz (1.03 GHz)
  Memory Clock rate:                             800 Mhz
  Memory Bus Width:                              64-bit
  L2 Cache Size:                                 524288 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
  Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers
  Maximum Layered 2D Texture Size, (num) layers  2D=(16384, 16384), 2048 layers
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       49152 bytes
  Total number of registers available per block: 65536
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  2048
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             512 bytes
  Concurrent copy and kernel execution:          Yes with 1 copy engine(s)
  Run time limit on kernels:                     No
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      Yes
  Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 8.0, NumDevs = 1, Device0 = GeForce GT 740M
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

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

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Tue_Jan_10_13:22:03_CST_2018
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。

sudo apt-get install build-essential

sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

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

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

cd opencv-3.1.0
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
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

cd caffe
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

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

若你用的是anaconda，则还需要修改

# NOTE: this is required only if you will compile the python interface.

# We need to be able to find Python.h and numpy/arrayobject.h.

#PYTHON_INCLUDE := /usr/include/python2.7 \
		
	 #/usr/lib/python2.7/dist-packages/numpy/core/include

# Anaconda Python distribution is quite popular. Include path:

# Verify anaconda location, sometimes it's in root.
 
ANACONDA_HOME := $(HOME)/anaconda
 
PYTHON_INCLUDE := $(ANACONDA_HOME)/include \
		
	 $(ANACONDA_HOME)/include/python2.7 \
		
	 $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include

修改makefile文件

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

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

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

chmod 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！！！！！

九天那个好揽月

关注

10
点赞
踩
67

收藏

觉得还不错? 一键收藏
24
评论
Ubuntu16.04安装caffe非常细致教程（历经两周的血泪史）

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...
复制链接

扫一扫