ubuntu16.04+cuda8.0+opencv3.1+GTX1080配置caffe

安装过程

1.安装相关依赖项

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

2.安装NVIDIA驱动

（1）查询NVIDIA驱动

首先去官网(http://www.nvidia.com/Download/index.aspx?lang=en-us)查看适合自己显卡的驱动：

选择型号，点击search

（2）安装驱动

安装之前先卸载已经存在的驱动版本：

sudo apt-get remove --purge nvidia*

若电脑是集成显卡（NVIDIA独立显卡忽略此步骤），需要在安装之前禁止一项：

sudo service lightdm stop   必要时候重启电脑

执行以下指令安装驱动：

sudo add-apt-repository ppa:xorg-edgers/ppa   //可能需要更换ppa，    可以使用 ppa:graphics-drivers/ppa试试

sudo apt-get update

sudo apt-get install nvidia-375 #注意在这里指定自己的驱动版本！可能最新的下载不了，就用以前的也行

完成之后重启电脑

安装完成之后输入以下指令进行验证：

sudo nvidia-smi

若列出了GPU的信息列表则表示驱动安装成功

3.安装CUDA

CUDA是NVIDIA的编程语言平台，想使用GPU就必须要使用cuda。

（1）下载CUDA

首先在官网上(https://developer.nvidia.com/cuda-downloads)下载CUDA：

下载之后我是放在home下的 ，然后根据

进行安装

安装之后进行测试

（2）测试CUDA的sammples

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery

make

sudo ./deviceQuery

如果现实一些关于GPU的信息，则说明安装成功。

4.配置cuDNN

cuDNN是GPU加速计算深层神经网络的库。

首先去官网(https://developer.nvidia.com/rdp/cudnn-download)下载cuDNN,可能需要注册一个账号才能下载。由于本人的显卡是GTX1080，所以下载版本号如下图：

选择linux版本即可

下载cuDNN5.1之后进行解压，

tar zxvf cudnn***.tgz

cd进入解压后的文件夹下，进入include目录，在命令行进行如下操作：

sudo cp cudnn.h /usr/local/cuda/include/    #复制头文件

再将cd进入lib64目录下的动态文件进行复制和链接：

sudo cp lib* /usr/local/cuda/lib64/    #复制动态链接库

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.5.0.5 libcudnn.so.5  #生成软衔接

sudo ln -s libcudnn.so.5 libcudnn.so      #生成软链接

5.安装opencv3.1

从https://sourceforge.net/projects/opencvlibrary/files/?source=navbar下载Opencv,并将其解压到你要安装的位置

假设放在home目录下

然后进入到opencv目录下

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

否则会出现

modules/cudalegacy/src/graphcuts.cpp:120:54: error: 

‘NppiGraphcutState’ has not been declared

typedef NppStatus (*init_func_t)(NppiSize oSize, 

NppiGraphcutState** ppState, Npp8u* pDeviceMem);

然后
cd opencv3.1
mkdir build
cd build

cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
可能会出现opencv3.1下载ippicv_linux_20151201失败
解决方法：手动下载
ippicv_linux_20151201
下载链接http://pan.baidu.com/s/1bpJAxgr  密码3z3d
下载之后放在opencv目录下的3rdparty/ippicv/downloads/linux-**/文件夹下
make -j16 #大小根据自己电脑配置

接着sudo make install

6.配置caffe

去官网下载caffe（https://github.com/BVLC/caffe）

然后解压

进入caffe目录下，

cp Makefile.config.example Makefile.config 

接着修改Makefile.config文件

根据个人情况修改文件：

1.若使用cudnn，则

将

#USE_CUDNN := 1

修改成： 

USE_CUDNN := 1

2.若使用的opencv版本是3的，则

将

#OPENCV_VERSION := 3 

修改为： 

OPENCV_VERSION := 3

3.BLAS选择atlas

4.若要使用python来编写layer，则

将

#WITH_PYTHON_LAYER := 1 

修改为 

WITH_PYTHON_LAYER := 1

5.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       

这是因为ubuntu16.04的文件包含位置发生了变化，尤其是需要用到的hdf5的位置，所以需要更改这一路径.

（5）修改makefile文件

打开makefile文件，做如下修改：

将：

NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)

替换为：

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

（6）编辑/usr/local/cuda/include/host_config.h

将其中的第115行注释掉：

将

#error-- unsupported GNU version! gcc versions later than 5.0 are not supported!

改为

//#error-- unsupported GNU version! gcc versions later than 5.0 are not supported!

7.编译

make all -j16

make test -j16

make runtest -j16

可能会出现 error while loading shared libraries: xxx.so.0:cannot open shared object file: No such file or directory

解决方法：在/etc/ld.so.conf中加入/usr/local/lib这一行，保存之后，再运行：/sbin/ldconfig–v更新一下配置即可

出现passed配置成功

接着配置python接口

make pycaffe   #python接口

可能出现：python/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: 没有那个文件或目录


解决方法：sudo apt-get install python-numpy

MNIST数据集测试

配置caffe完成后，我们可以利用MNIST数据集对caffe进行测试，过程如下：

 

1.将终端定位到Caffe根目录

cd ~/caffe

 

2.下载MNIST数据库并解压缩

./data/mnist/get_mnist.sh

 

3.将其转换成Lmdb数据库格式

./examples/mnist/create_mnist.sh

 

4.训练网络

./examples/mnist/train_lenet.sh

训练的时候可以看到损失与精度数值，如下图：