安装前需验证是否支持GPU加速:
nvidia-smi
1.安装Anaconda
URL : https://www.continuum.io/downloads/
wget https://repo.continuum.io/archive/Anaconda2-4.3.1-Linux-x86_64.sh
下载成功后,在终端执行:
bash Anaconda2-4.3.1-Linux-x86_64.sh
在安装过程中,会问安装路径,按回车即可。询问是否添加到~/.bashrc中,回复yes即可。
安装完成后,source一下~/.bashrc,执行命令如下:
source ~/.bashrc
随后,输入如下命令可即查看已经安装完成的库:
conda list
注意: Anaconda2默认支持python2.7,如果安装的是Anaconda3默认支持python3,可以使用如下命令创建python2.7的环境:
conda create -n testcaffe python=2.7
创建完环境需要进入这个环境,使用如下命令:
source activate testcaffe
也可以使用如下命令,退出所创建的环境:
source deactivate
2.安装Cuda
安装显卡驱动
禁用nouveau驱动:
按Ctrl+Alt+F1 进入tty1控制台,按i键,输入
sudo vim /etc/modprobe.d/blacklist-nouveau.conf
在里面写上
blacklist nouveau
options nouveau modeset=0
按esc 输入:wq 保存退出
执行
lspci | grep nouveau
什么都没有说明禁用成功。
重启后登录时,可能会循环出现填写登录密码,不能进入系统的情况,按Ctrl+Alt+F1,登录,
卸载显卡方法:
sudo apt-get remove --purge nvidia*
执行`sudo service lightdm stop
安装显卡驱动:
$ sudo add-apt-repository ppa:xorg-edgers/ppa
$ sudo apt-get update
$ sudo apt-get install nvidia-352
执行sudo start lightdm
输入密码能看到桌面就ok啦
安装Cuda8.0
首先在官网上下载安装文件https://developer.nvidia.com/cuda-downloads
运行下载好的 run file (假设 cuda_8.0.44_linux.run 在home目录下)。
$ sudo sh cuda_8.0.44_linux.run
注意:不要自动安装驱动:
install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?
(y)es/(n)o/(q)uit: n
一路回车即可。
验证是否安装成功:
输入 ls /dev/nvidia*
,若生成 4 个左右 Nvidia 开头的文件(夹),说明此步安装成功。此时已经安装好显卡驱动和CUDA 8.0。输入$ nvidia-smi
可查看显卡驱动和其他信息。
配置环境变量
输入$ sudo gedit /etc/profile
,打开 gedit ,最后两行输入
保存退出,环境变量配置完成。
验证是否完成
nvidia-smi
显示:
nvcc –V
显示:
nvcc -V nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2016
NVIDIA Corporation Built on Wed_May__4_21:01:56_CDT_2016 Cuda
compilation tools, release 8.0, V8.0.26
cd /home/…/NVIDIA_CUDA-8.0_Samples
make
3.安装Cudnn
https://developer.nvidia.com/cudnn下载安装包(需先注册)
按顺序输入以下代码:
$ cd ~
$ sudo tar xvf cudnn-8.0-linux-x64-v5.1.tgz
$ cd cuda/include
$ sudo cp *.h /usr/local/include/
$ cd ../lib64
$ sudo cp lib* /usr/local/lib/
$ cd /usr/local/lib# sudo chmod +r libcudnn.so.5.1.5
$ sudo ln -sf libcudnn.so.5.1.5 libcudnn.so.5
$ sudo ln -sf libcudnn.so.5 libcudnn.so
$ sudo ldconfig
4.安装Caffe
(1) 下载 caffe
在家目录执行 $ git clone https://github.com/BVLC/caffe.git,~下生成文件夹 caffe。
(2) 安装依赖
$ sudo apt-get install libatlas-base-dev libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
(3) 编译 caffe
打开 caffe 所在目录,找到Makefile.config.example文件,将其改名为Makefile.config,打开。将# USE_CUDNN := 1一行开头的#删除,保存。
在 MakeFile.config 中开启 cuDNN模式
打开终端,输入
cd ~/caffe
make -j
等待编译完成即可。
注意:编译需要非常大的内存和非常长的时间。一般情况下不会报错。
(4) 配置 caffe 环境
caffe 运行时需要调用 cuda 的库,我们在/etc/ld.so.conf.d目录下新建一个cafe.conf文件。终端输入
$ sudo gedit /etc/ld.so.conf.d/caffe.conf
打开 gedit 。添加内容:
/usr/local/cuda/lib64
保存退出。
更新配置
$ sudo ldconfig
运行测试
make clean
make all –j8
make test –j8
make runtest –j8
没有出错即安装成功
测试MNIST数据集
$ cd caffe
$ sh data/mnist/get_mnist.sh(下载数据集,二进制文件)
$ sh examples/mnist/create_mnist.sh(转换成lmdb格式,caffe只识别lmdb和leveldb格式,得到mnist_train_lmdb和mnist_test_lmdb两个数据集)
$ examples/mnist/train_lenet.sh(训练)
所有配置结束。
错误解析:
1.执行$ sh data/mnist/get_mnist.sh
时,若出现类似某某文件找不到时,可以尝试重建build文件:
$ cd caffe
$ sudo mkdir build
$ cd build
$ cmake ..
$ sudo make
2.错误:cuda driver version insufficient for runtime
解决办法:重新安装显卡驱动(相匹配的较高版本)
3.错误:check failed:status==CUDNN_STATUS_SUCCESS(6VS.0)
解决办法:GPU的加速性能不够,CUDNN只支持CUDA Capability 3.0以上的GPU加速,需将Makefile.config文件中的
CPU_ONLY=1改为CPU_ONLY=1
4.卸载旧驱动
$ sudo apt-get –purge remove nvidia-*
$ sudo apt-get –purge remove xserver-xorg-video-nouveau
5.授权问题