ubuntu 14.04 + GPU（CUDA7.5+CuDNN7.5）+ opencv2.4.10 + caffe小白手记

盼星星盼月亮终于有了GPU啦，师姐让我把环境搭建写一下以后作参考，哈哈哈～

1.检查硬件环境

$ lspci | grep -i nvidia；//检查是否有GPU对应版本，https://developer.nvidia.com/cuda-gpus
$ uname -m && cat /etc/*release； //检查系统环境，我的是x86_64
$ gcc --version  //查看是否有gcc以及版本

但是，查看系统设置，没有看到对应的GPU信息:

• 百度了一下，发现是N卡的驱动没有正确安装！上官网下载驱动： nvidia驱动：http://www.geforce.cn/drivers

• 注意，如果你不知道自己显卡的型号，选择了自动检测GPU，要事先安装java才行，但是配置了jre环境变量之后重启电脑出现了登录死循环，密码输入正确，但是进不了图形界面！！！被这个环境变量坑了一波！！！这时候ctrl+alt+F1进入tty1，如果输入ls等命令报错，则重置环境变量export PATH=/usr/bin:/usr/sbin:/bin:/sbin:/usr/X11R6/bin即可。然后sudo vim /etc/environment，双击dd删除自己添加的那几行代码。

• 在官网找不到我的型号，所以打算从PPA私有源安装：

1：sudo add-apt-repository ppa:mamarley/nvidia //PPA是Personal Package Archive的缩写，如果这个源失效，可以换成其他的，比如这个命令sudo add-apt-repository ppa:xorg-edgers/ppa
2：输入你的root密码
3：sudo apt-get update
4：sudo apt-get install nvidia-版本号 nvidia-prime
5：等待安装完成，重启之后，你的电脑应该就是在用nvidIa显卡驱动了，你可以使用

重启之后，就可以查看计算机的显卡已经切换了：

2.安装cuda

下载地址：https://developer.nvidia.com/cuda-downloads， 官网上没有找到ubuntu14.04的cuda版本，所以从百度网盘下载了ubuntu14.04-cuda7.5版本，1.88G。
然后，手动安装：

$ sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb
$ sudo apt-get update
$ sudo apt-get install cuda

等几分钟就可以啦，接下来添加环境变量/etc/environment，但是每次修改了environment之后重启就会陷入死循环。后来尝试修改～./profile文件，source .profile没有用，然后重启了一下，生效！

$ export PATH=/usr/local/cuda-7.5/bin:$PATH 
$ export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH

然后cd /etc/ld.so.conf.d/，新建文件cuda.conf，写入cuda的lib64的路径/usr/local/cuda-7.0/lib64，保存即可。
接下来就是走ubuntu安装caffe的流程了。

3.安装Boost库

$ sudo apt-get install mpi-default-dev　　#安装mpi库
$ sudo apt-get install libicu-dev　　　　　#支持正则表达式UNICODE字符集
$ sudo apt-get install python-dev　　　　　#需要python的话
$ sudo apt-get install libbz2-dev
$ sudo apt-get install libatlas-base-dev #安装矩阵库Atlas

4.安装opencv

在安装之前，查一下电脑显卡的实际计算能力：

$ cd /usr/local/cuda/samples/
$ sudo make all -j4 
$ cd ./bin/x86_64/linux/release
$ ./deviceQuery  

会看到如下信息：

其中，CUDA Capability Major/Minor version number ： 5.2就是该显卡的计算能力了！

安装opencv依赖：

$ sudo apt-get install build-essential
$ sudo apt-get install  libgtk2.0-dev libavcodec-dev libavformat-dev  libtiff4-dev  libswscale-dev libjasper-dev
$ sudo apt-get install cmake

官网上面下载opencv安装包，我下的是2.4.10的，可以自己选择：https://sourceforge.net/projects/opencvlibrary/files/opencv-unix/2.4.10/opencv-2.4.10.zip ，然后解压opencv，安装：

$ cd opencv-2.4.10
$ mkdir release
$ cd release
$ cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D CUDA_ARCH_BIN=5.2 ..      #这个5.2就是上面查询到的显卡计算能力
$ make
$ sudo make install

（注意下载2.4.9版本的会报错：NCVPixelOperations.hpp(133): error: a storage class is not allowed in an explicit specialization，查看网上说要替换NCVPixelOperations.hpp，但是网站报502错误，于是直接改换安装opencv-2.4.10，成功。）然后cd /etc/ld.so.conf.d/，新建文件opencv.conf，写入/usr/local/lib，保存即可。

5.安装caffe

step1. python依赖

$ sudo apt-get python-pip
$ 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

step2.下载caffe

$ cd ~
$ git clone git://github.com/BVLC/caffe.git
$ cd ~/caffe
$ cp Makefile.config.example Makefile.config #Makefile.config是重要的配置文件
$ make all
$ make test
$ make runtest

make all的时候报错：

是因为在Makefile.config中，注释掉cuda高版本：

然后重新执行make all以及之后的命令。

附加步骤：6.安装CuDNN

本来不想装CuDNN，但是看见介绍说是专门针对DL设计的一套GPU计算加速方案，觉得可以用一下
http://pan.baidu.com/s/1i55BpVf

$ tar -xzvf cudnn-7.5-linux-x64-v5.1.tgz
$ cd cuda/lib64/
$ sudo cp lib* /usr/local/cuda/lib64/
$ cd ..
$ cd include
$ sudo cp cudnn.h /usr/local/cuda/include

把这些文件拷贝到系统文件之后，在~/caffe/Makefile.config中，去掉 USE_CUDNN := 1的注释，然后再次编译：

$ make clean #清楚之前的编译得到的文件
$ make all
$ make test
$ make runtest

7.编译pycaffe

$ cd ~/caffe
$ make pycaffe

修改环境变量~/profile，写入：export PYTHONPATH=/home/dell/caffe/python:$PYTHONPATH。

8.测试import caffe

$ python
$ import caffe

报错：No module named skimage.io
第一种：安装一堆python库：

$ sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython

第二种：直接安装scikit-image库：

 sudo pip install scikit-image

再次import caffe测试，大功告成！