GeForce GTX 980Ti+ubuntu15.04+cuda7.0+caffe安装指南

 

GeForce GTX 980Ti+ubuntu15.04+cuda7.0+caffe安装指南

 

安装主要分为一下四个部分：

第一部分Ubuntu15.04安装

第二部分GeForce GTX 980Ti显卡驱动安装+CUDAToolkit的安装和调试

第三部分Python安装和调试

第四部分Caffe的安装和测试   

 

硬件配置:

电脑型号 ：华硕All Series 台式电脑

操作系统 ：Windows7家庭普通版64位sp1

处理器：英特尔Core i7-4790@3.6GHZ四核

主板：华硕Z97-AR（英特尔Haswell –Z97芯片组）

内存：16GB（金士顿DDR3 1600MHz）

主硬盘：希捷ST2000DM001-1ER164

显卡：Nvidia NVIDIAGeForce GTX 980Ti

显示器：宏碁ACR0304 AcerP209HQL

声卡：瑞昱ALC892

网卡：英特尔EthernetConnection(2)I218-V/华硕

 

  

 

第一部分Ubuntu15.04的安装

采用的是WIN7+Ubuntu15.04双系统的安装方法， 从win7的硬盘分出一部分区域用于安装Ubuntu。

问题及解决方案：

1:安装好ubuntu 之后，重新启动没有win7直接进入ubuntu .

 解决办法：在ubuntu下，启动终端，输入命令：

$ sudogedit /etc/default/grub

修改GRUB_TIMEOUT=”10”

然后在终端中输入$sudo update-grub

进入系统若发现已经按以上的设置了，可以将GRUB_DEFAULT的值改为1（默认值为0）。然后，$sudo update-grub。重启就可以看到win7的启动选项。

 

2:Ubuntu重装

以U盘启动为例，直接在安装的选项中选择卸载并重装即可。切忌不要直接在win7下将ubuntu所在的分区，会对win7产生影响。

 

3:Ubuntu系统装好之后执行ctrl+alt+f1~f6均无法进入tty的问题

解决办法：首先，重启电脑，选择ubuntu高级选项这一项，不要进入，按“E”进入编辑模式。将下图中的recovery前的”ro”改为”rw”变为可读可写（主要是解决在下一步recovery mode 下编辑出现****read only file的问题）

然后按F10进行引导，在出现的列表中，选择”root”一项，在下面的字符界面输入以下命令，禁止掉Ubuntu自带的nouveau驱动

 $ sudo /etc/init.d/gdm stop

$ sudo vi/etc/modprobe.d/nvidia-graphics-drivers.conf

写入：blacklist nouveau

检查：$ cat nvidia-graphics-drivers.conf

$ sudo vi/etc/default/grub

末尾写入：rdblacklist=nouveaunouveau.modeset=0

保存并退出: wq!

检查：$ cat /etc/default/grub

$sudo /etc/init.d/gdmstart

重启电脑，可进入tty

 

 

第二部分GeForceGTX 980Ti显卡驱动安装+CUDA Toolkit的安装和调试

 

1: Verify You Have aCUDA-Capable GPU

执行下面的操作，然后验证硬件支持GPU CUDA，只要型号存在于https://developer.nvidia.com/cuda-gpus，就没问题了

$ lspci |grep -i nvidia显示：

VGA compatible controller :NVIDIA Corporation Device 17c8 (reva1)

Audio device : NVIDIA corporation Device ofb0 (rev a1)

 

2:Verify You Have a SupportedVersion of Linux

$ uname -m&& cat /etc/*release

重点是“x86_64”这一项，保证是x86架构，64bit系统

 

3: Verify the SystemHas gcc Installed

$ gcc--version

没有的话就先安装吧，这个是必须的用来编译CUDA Toolkit

 

4:安装GeForce GTX 980Ti显卡驱动+CUDA

 从NVIDIA官网上下载对应的驱动NVIDIA-Linux-x86_64-352.21.run.

和CUDA_7.0.28-linux.run将这两个文件放在ubuntu的主文件夹下

进入TTY1,执行以下命令：

 $ sudo /etc/init.d/gdm stop

先安装显卡对应的驱动：

切换到NVIDIA-Linux-x86_64-352.21.run.所在的目录

执行；$ ls –l可以显示该目录下的文件

$ sudo sh NVIDIA-Linux-x86_64-352.21.run

一路accept即可

然后安装cuda；

记住安装中提问是否安装driver，选择no

$ sudo sh CUDA_7.0.28-linux.run

安装成功下面会显示，安装的情况要认真看提示的内容，

Driver:not delect

Toolkit: Installed in/usr/local/cuda-7.0

Samples: Installed in/home/caffe, butmissing recommendedlibraries

PATH includes /usr/local/cuda-7.0/bin

LD_LIBRARY-PATH includes /usr/local/cuda-7.0/lib64 or; add/usr/local/cuda-7.0/lib64 to /etc/ld.so.conf

注意这些路径，后面配置路径的时候要用上

这就安装成功了，但是缺少了一些推荐的库。

 

5: Extra Libraries

安装一些必要的库文件，譬如：OpenGL (e.g., Mesa), GLU, GLUT, and X11 (including Xi, Xmu,andGLX).

$ sudoapt-get install freeglut3-dev build-essential libx11-devlibxmu-dev libxi-devlibgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

$ sudo/etc/init.d/gdm start

 

6.POST-INSTALLATIONACTIONS

(1)环境变量配置

$ exportPATH=/usr/local/cuda-7.0 /bin:$PATH

$ exportLD_LIBRARY_PATH=/usr/local/cuda-7.0/lib64:$LD_LIBRARY_PATH

 

(2) Verify the Installation

a.验证驱动的版本，其实主要是保证驱动程序已经安装正常了

$ cat/proc/driver/nvidia/version

b. Compiling the Examples

$ nvcc -V

这里安装完，就可以编译了，切换目录到~/NVIDIA_CUDA-7.0_Samples：

$ cd /home/ls/NVIDIA_CUDA-7.0_Samples

$ make

这里要等很长时间。。。

c. Running the Binaries

运行编译好的文件，例如看看设备的基本信息和带宽信息：

$ cd /home/ls/NVIDIA_CUDA-7.0_Samples/bin/x86_64/linux/release

$./deviceQuery

$./bandwidthTest

安装成功的话会显示一些电脑的信息，如果没装成功，会显示no CUDA-capable device isdected

另外在系统终端输入命令：$ glxinfo｜　greprendering

如果出现“direct rendering:yes”,则已安装。

执行$ nvidia-smi会显示当前驱动的版本

到此安装成功

PS:打开“设置”---“详细信息”如果无法看到显卡型号，可以执行：

$ sudoapt-get install mesa-utils

 

第三部分Python安装和调试

1：安装IDE运行环境

选择一个适合你的IDE运行环境，我是用的是Spyder，因为它内置了 iPython 环境，Caffe有不少的程序是基于 iPython 环境完成的。安装方法很简单，直接在Ubuntu软件中心搜索“spyder”即可安装。

 

第四部分Caffe的安装和测试

对于Caffe的安装严格遵照官网的要求来：http://caffe.berkeleyvision.org/installation.html

一、安装BLAS

这里可以选择（ATLAS，MKL或者OpenBLAS），我这里使用MKL，首先下载并安装英特尔® 数学内核库 Linux* 版MKL，下载链接是：https://software.intel.com/en-us/intel-education-offerings， 请下载Student版，先申请，然后会立马收到一个邮件（里面有安装序列号），打开照着下载就行了。下载完之后，要把文件解压到home文件夹(或直接把tar.gz文件拷贝到home文件夹,为了节省空间，安装完记得把压缩文件给删除喔～)，或者其他的ext4的文件系统中。

接下来是安装过程，先授权，然后安装：

$ tar zxvfparallel_studio_xe_2015_update3.tgz（如果你是直接拷贝压缩文件过来的）

$ chmod a+xparallel_studio_xe_2015_update3 –R

$ sudo /home/ls/ parallel_studio_xe_2015_update3/install_GUI.sh

安装序列号：SKCG-XCR7XLXX

 

二、MKL与CUDA的环境设置

1:新建intel_mkl.conf， 并编辑之：

$ sudogedit /etc/ld.so.conf.d/intel_mkl.conf

/opt/intel/lib/intel64

/opt/intel/mkl/lib/intel64

 

2:新建cuda.conf，并编辑之：

$ sudogedit /etc/ld.so.conf.d/cuda.conf

/usr/local/cuda-7.0/lib64

/usr/local/cuda-7.0/lib

 

3:完成lib文件的链接操作，执行：

$ sudoldconfig -v

 

三、安装OpenCV

1:下载并编译OpenCV（官网原版OpenCV：http://opencv.org/）， 或者使用本站提供的修改版的安装包 Install-OpenCV-master 

 

2:切换到文件保存的文件夹，然后安装依赖项：

$ sudo /home/ls/Install-Opencv-master/Ubuntu/dependencies.sh

 

3.切换到目录/ubuntu/2.4 安装opencv_2._4_9rc1

$sudo  /home/ls/Install-Opencv-master/ Ubuntu/2.4/opencv_2._4_9rc1.sh

保证网络畅通，因为软件需要联网这里时间较长，请耐心等待。。。，

 

四、安装其他依赖项

1:Google LoggingLibrary（glog），下载地址：https://code.google.com/p/google-glog/，然后解压安装：

$ tar zxvfglog-0.3.3.tar.gz

$ /home/ls/glog-0.3.3/configure

$ make

$ sudo makeinstall

如果没有权限就chmod a+x glog-0.3.3 -R, 或者索性 chmod 777 glog-0.3.3 -R , 装完之后，这个文件夹就可以kill了。

 

2: 其他依赖项，确保都成功

$ sudoapt-get install -y libprotobuf-dev libleveldb-devlibsnappy-dev libopencv-devlibboost-all-dev libhdf5-serial-dev

$ sudoapt-get install -y libgflags-dev libgoogle-glog-devliblmdb-devprotobuf-compiler

 

五、安装Caffe并测试

1:安装pycaffe必须的一些依赖项：

$ sudoapt-get install -y python-numpy python-scipy python-matplotlib python-sklearnpython-skimage python-h5py python-protobuf python-leveldb python-networkxpython-nose python-pandas python-gflags Cython ipython

$ sudoapt-get install -y protobuf-c-compiler protobuf-compiler

 

2:切换到Caffe-master的文件夹，生成Makefile.config配置文件，执行：

$ cd/home/ls/caffe-master

$ cpMakefile.config.example Makefile.config

 

3:配置Makefile.config文件（仅列出修改部分）

$ sudogedit /home/ls/caffe-master/Makefile.config

a. 配置一些引用文件（增加部分主要是解决新版本下，HDF5的路径问题）可以验证一下路径是否正确

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include/usr/lib/x86_64-linux-gnu/hdf5/serial/include

LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib/usr/lib/x86_64-linux-gnu/hdf5/serial

b. 启用Intel Parallel Studio XE 2015 ProfessionalEdition for C++ Linux

BLAS := mkl

c. 配置路径，实现caffe对Python接口的支持

PYTHON_LIB := /usr/local/lib

4:编译caffe-master！！！"-j8"是使用CPU的多核进行编译，可以极大地加速编译的速度，建议使用。

$ make all-j8

$ make test-j8

$ makeruntest -j8

编译Python用到的caffe文件

$ makepycaffe -j8

如果遇到warning，make:***[build_release/src/caffe…..]error问题可不用管

 

五、使用MNIST数据集进行测试

Caffe默认情况会安装在$CAFFE_ROOT，就是解压到那个目录，例如：$ home/username/caffe-master，所以下面的工作，默认已经切换到了该工作目录。下面的工作主要是，用于测试Caffe是否工作正常，不做详细评估。具体设置请参考官网：http://caffe.berkeleyvision.org/gathered/examples/mnist.html

1:数据预处理

$ sh data/mnist/get_mnist.sh

 

2:重建lmdb文件。Caffe支持三种数据格式输入网络，包括Image(.jpg, .png等)，leveldb，lmdb，根据自己需要选择不同输入吧。(注意修改路径)

$ shexamples/mnist/create_mnist.sh

生成mnist-train-lmdb 和mnist-train-lmdb文件夹，这里包含了lmdb格式的数据集

 

3: 训练mnist

$ shexamples/mnist/train_lenet.sh

至此，Caffe安装的所有步骤完结，