ubuntu18.04安装cuda10.0+cudnn7.6+opencv3.4+caffe+openpose

最新推荐文章于 2022-06-16 15:26:16 发布

afab

最新推荐文章于 2022-06-16 15:26:16 发布

阅读量722

点赞数

分类专栏： Python ubutn 深度学习tensorflow

本文链接：https://blog.csdn.net/u011117131/article/details/103565254

版权

Python 同时被 3 个专栏收录

2 篇文章 0 订阅

订阅专栏

ubutn

2 篇文章 0 订阅

订阅专栏

深度学习tensorflow

2 篇文章 0 订阅

订阅专栏

安装cuda10.0

cuda官网选择适合自己电脑的版本下载
.在终端输入在第一步中选择好版本后官网给出的安装命令。
由于显卡驱动是之前就单独安装好的，所以在这里安装cuda时注意不要再安装驱动driver了。除了驱动不装，其他的都都安装。一路指令顺序执行下来。
环境变量的配置。打开 ~/.bashrc 文件补充代码。
在终端输入：
```
sudo gedit ~/.bashrc
```
在打开的文件底端补充：
```
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local
/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
```
输入完成后，保存并且关闭文档，终端界面上的警告可以忽略。然后再在终端输入：source ~/.bashrc 让配置生效
创建链接文件，终端输入：
```
sudo gedit /etc/ld.so.conf.d/cuda.conf
```
在打开的文件中添加语句：
```
/usr/local/cuda/lib64
```
文档保存关闭后终端输入：
```
sudo ldconfig
```
查看cuda是否安装成功, 终端输入：nvcc -V

安装cuDNN-7.6

这里需要注意的是，cuDNN的版本，要与已安装的CUDA版本对应
移动安装文件到用户根目录下
复制文件到CUDA安装目录

sudo cp ~/cuda/include/cudnn.h /usr/local/cuda-10.0/include
sudo cp ~/cuda/lib64/lib* /usr/local/cuda-10.0/lib64

创建库文件链接: 注意进入相关目录找到对应的.so文件，因为写错了.so名称此处也不会报错

cd /usr/local/cuda-10.0/lib64
sudo ln -sf libcudnn.so.7.6.5 libcudnn.so.7
sudo ln -sf libcudnn.so.7 libcudnn.so
sudo ldconfig -v

安装opencv3.4.1

安装依赖项：

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 libtiff5-dev libdc1394-22-dev         # 处理图像所需的包
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev liblapacke-dev
sudo apt-get install libxvidcore-dev libx264-dev         # 处理视频所需的包
sudo apt-get install libatlas-base-dev gfortran          # 优化opencv功能
sudo apt-get install ffmpeg

确保上面依赖项安装了
然后其他参看下面博客安装：

https://blog.csdn.net/cocoaqin/article/details/78163171

安装caffe
第一步安装相关依赖库

sudo apt-get --assume-yes install build-essential
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
# Python libs
sudo -H pip install --upgrade numpy protobuf
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

第二步下载caffe

使用Git直接下载Caffe ，没安装git就按照提示安装一下

git clone https://github.com/BVLC/caffe.git
cd caffe

第三步修改Makefile.config

1、进入 caffe ，将 Makefile.config.example 文件复制一份并更名为 Makefile.config ，也可以在 caffe 目录下直接调用以下命令完成复制操作：

sudo cp Makefile.config.example Makefile.config

复制一份的原因是编译 caffe 时需要的是 Makefile.config 文件，而Makefile.config.example 只是caffe 给出的配置文件例子，不能用来编译 caffe。

2、修改 Makefile.config 文件,在 caffe 目录下打开该文件：

sudo gedit Makefile.config

在文件中替换一下几个地方：

...
将
#USE_CUDNN := 1
修改成： 
USE_CUDNN := 1
...
 
...
#如果此处是OpenCV2，则不用修改
将
#OPENCV_VERSION := 3 
修改为： 
OPENCV_VERSION := 3
...
  将
 CUDA_DIR := /usr/local/cuda
修改为
CUDA_DIR := /usr/local/cuda-10.0
...
将
#WITH_PYTHON_LAYER := 1 
修改为 
WITH_PYTHON_LAYER := 1
...
 
...
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 /usr/local/cuda-10.0/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial /usr/local/cuda-10.0/lib64      
...
 
...
将
CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \
		-gencode arch=compute_20,code=sm_21 \
		-gencode arch=compute_30,code=sm_30 \
		-gencode arch=compute_35,code=sm_35 \
		-gencode arch=compute_50,code=sm_50 \
		-gencode arch=compute_52,code=sm_52 \
		-gencode arch=compute_60,code=sm_60 \
		-gencode arch=compute_61,code=sm_61 \
		-gencode arch=compute_61,code=compute_61
修改为
CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \
		-gencode arch=compute_35,code=sm_35 \
		-gencode arch=compute_50,code=sm_50 \
		-gencode arch=compute_52,code=sm_52 \
		-gencode arch=compute_60,code=sm_60 \
		-gencode arch=compute_61,code=sm_61 \
		-gencode arch=compute_61,code=compute_61
...

3、然后修改 caffe 目录下的 Makefile 文件：

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

4、然后修改 /usr/local/cuda/include/host_config.h 文件

将
#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
改为
//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!

第四步编译
在caffe目录下执行

   #jn  就是cpu的核心数，j8也就是八核
    sudo make all -j8

测试：

sudo make runtest -j8

openpose编译安装:
如果上面caffe按操作来不踩坑，建议参考下面博客编译openpose一般没问题：
https://blog.csdn.net/qq_27838651/article/details/89282776

下载OpenPose：

git clone https://github.com/CMU-Perceptual-Computing-Lab/openpose.git

下载模型（这一步可跳过，因为之后会自动下载）：

cd openpose
cd models
./getModels.sh
cd ..

打开cmke软件：

cmake-gui

填写openpose源码目录以及build：
在这里插入图片描述
点击Configure按钮, 选择Unix Makefile和use default native compling，点击finish按钮

点击Generate按钮，中间会出现一些红色的可配置项。之后按图操作配置caffe编译路径：
在这里插入图片描述【如果使用OpenPose的 Python API，需要在 CMake GUI 中设置 BUILD_PYTHON, 并且下载pybind11解压后的文件拷贝到3rdparty/pybind11/下即可】
最后点击Generate按钮

OpenPose 编译

cd OPENPOSE_ROOT/build/
make -j`nproc`

编译过程中出现过一个错误： cannot find #include “caffe/proto/caffe.pb.h”
解决办法：首先将caffe.proto中的required改为optional, 然后在caffe目录下输入如下代码：

protoc src/caffe/proto/caffe.proto --cpp_out=.
mkdir include/caffe/proto
mv src/caffe/proto/caffe.pb.h include/caffe/proto

最后重新编译caffe。
测试：

./build/examples/openpose/openpose.bin --video examples/media/video.avi

其他相关
下面是所有安装用到的东西请下载
链接：https://pan.baidu.com/s/1ud2XTUPQmTLcz3_mOgfqzg&shfl=sharepset
提取码：uqx6

链接: https://pan.baidu.com/s/1NQeE_NtOIsyG5XUnSNZymw&shfl=shareset 提取码: 4zu3

两个一样的，如果失效了就留言吧也许会回。

【注意】
[1] - 编译时不采用 cuDNN：

在OpenPose 配置中，去除 CMake 的 USE_CUDNN 勾选.

如果不采用 cuDNN，则需要减少 --net_resolution 设定的尺寸，以避免 GPU 显存不足.

–net_resolution 可尝试：640x320, 320x240, 320x160, 160x80。

如：–net_resolution -1x320.

[2] - 自定义 Caffe 版本：

在OpenPose 配置中，去除 CMake 的 BUILD_CAFEE 勾选，手工定义 Caffe include路径和 library路径.

在OpenPose 配置中，如果是从源码编译安装的 OpenCV，导致 OpenPose 不能找到 OpenCV路径，则可以手工指定 OPENCV_DIR 路径.
如：

cmake -DOpenCV_INCLUDE_DIRS=/home/"${USER}"/softwares/opencv/build/install/include \
  -DOpenCV_LIBS_DIR=/home/"${USER}"/softwares/opencv/build/install/lib \
  -DCaffe_INCLUDE_DIRS=/home/"${USER}"/softwares/caffe/build/install/include \
  -DCaffe_LIBS=/home/"${USER}"/softwares/caffe/build/install/lib/libcaffe.so -DBUILD_CAFFE=OFF ..

cmake -DOpenCV_CONFIG_FILE=/home/"${USER}"/softwares/opencv/build/install/share/OpenCV/OpenCVConfig.cmake \
  -DCaffe_INCLUDE_DIRS=/home/"${USER}"/softwares/caffe/build/install/include \
  -DCaffe_LIBS=/home/"${USER}"/softwares/caffe/build/install/lib/libcaffe.so -DBUILD_CAFFE=OFF ..

Python API

OpenPose的 Python API，需要在 CMake GUI 中设置 BUILD_PYTHON.

如:./build/examples/tutorial_developer/python_1_pose_from_heatmaps.py.

CPU 版本

为了可以手工选择 CPU 版本，则在 CMake GUI 中设置 GPU_MODE 为 CPU_ONLY.

注：CPU 版本的精度比 CUDA 版本的精度高大约 1%. 故结果可能有不同.

Ubuntu 中的 OpenPose 利用了 Caffe 的 Intel MKL(Math Kernel Library) 版本. 也可以通过取消选择USE_MKL，利用自定义的 Caffe 版本.

默认 CPU 版本在 Ubuntu 上大概每秒 0.2 张图像(比 GPU 版本慢 ~50X ). MKL 版本能够提升 2X 的速度，每秒 ~0.4 张图像.
OpenPose 重新安装与删除

[1] - 如果运行了 sudo make install，则，首先在 build/ 中运行 sudo make uninstall.

[2] - 删除 build/ 路径.

[3] - CMake GUI 中，点击 File - Delete Cache.

[4] - 重新安装.(或删除 OPENPOSE_ROOT/ 路径.)

afab

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
ubuntu18.04安装cuda10.0+cudnn7.6+opencv3.4+caffe+openpose

ubuntu18.04安装cuda10.0+cudnn7.6+opencv3.4+caffe+openpose安装cuda10.0cuda官网选择适合自己电脑的版本下载.在终端输入在第一步中选择好版本后官网给出的安装命令。由于显卡驱动是之前就单独安装好的，所以在这里安装cuda时注意不要再安装驱动driver了。除了驱动不装，其他的都都安装。一路指令顺序执行下来。环境变量...
复制链接

扫一扫