戴尔笔记本双显卡配置nvidia367+cuda8.0+caffe（通用版）

大家好，最近闲的无聊，我的戴尔笔记本（2011年买的，i7-2600M,显卡nvida GT525M）装了ubuntu16.04，突发奇想，应该叫贼心不死吧，因为之前真没用这台笔记本装成过，当然台式机除外了。笔记本的双显卡装cuda，我觉得要靠运气和人品，没错我测试成功了。哈哈……特此博客跟大家分享下，其中有些关键点，我会告诉你如何处理的。当然我这个不是傻瓜教程，毕竟思路和方法才是最关键的。

首先说下我的硬件：

戴尔n5100笔记本：

 i7-2600M

nvida gt525M 1G

inter集显

操作系统：ubuntu 16.04 LTS

一、屏蔽 nouveau 

创建

sudo gedit /etc/modprobe.d/blacklist-nouveau.conf

内容

blacklist nouveau
options nouveau modeset=0

更新一下

sudo update-initramfs -u

重新系统 （要进入文本模式，Ctrl+Alt+F1），看下nouveau 是否被屏蔽，使用命令：

lsmod | grep nouveau

如果没有输出，证明已经成功屏蔽nouveau

二、安装显卡驱动 nvidia 367

直接在文本模式下，安装显卡驱动：

sudo apt-get install nvidia-367

安装完成后，重启下：

sudo reboot 

打开 关于这台计算机，出现如下画面，证明安装显卡成功。

三、安装CUDA8.0

进入nvidia官网，下载cuda8.0：https://developer.nvidia.com/cuda-downloads

请安装上图操作，一般不会有问题。

安装过程可能出现：

/sbin/ldconfig.real: /usr/lib/nvidia-375/libEGL.so.1 is not a symbolic link
/sbin/ldconfig.real: /usr/lib32/nvidia-375/libEGL.so.1 is not a symbolic link

解决办法：

两步，更名+重新链接

sudo mv /usr/lib/nvidia-375/libEGL.so.1 /usr/lib/nvidia-375/libEGL.so.1.org
sudo mv /usr/lib32/nvidia-375/libEGL.so.1 /usr/lib32/nvidia-375/libEGL.so.1.org
sudo ln -s /usr/lib/nvidia-375/libEGL.so.375.39 /usr/lib/nvidia-375/libEGL.so.1
sudo ln -s /usr/lib32/nvidia-375/libEGL.so.375.39 /usr/lib32/nvidia-375/libEGL.so.1
sudo ldconfig #立即生效

cuda8.8环境配置，进入~/.bashrc，添加：

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

然后设置环境变量，在命令行输入：

sudo gedit /etc/profile

在打开的文件末尾加入：

export PATH = /usr/local/cuda/bin:$PATH

保存，创建链接文件：

sudo gedit /etc/ld.so.conf.d/cuda.conf

在打开的文件中添加如下的语句：

/usr/local/cuda/lib64

保存，执行：

sudo ldconfig

链接立刻生效

下面测试下CUDA 是否安装成功：

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
make
sudo ./deviceQuery

出现一下信息，证明安装成功CUDA

四、（可选）cudnn安装

首先，说明一下，这个是可选的，因为对于我这个款的gpu 性能太低，所以不能支持cudnn，如果装了cudnn 到时候安装caffe还是需要屏蔽掉，不然make runtest会报错！

cudnn官方网站：https://developer.nvidia.com/rdp/cudnn-download

进去之后，会让登陆，自己注册个账号，然后就可以下载了，这里选用cudnn v5

下载完之后，解压，得到是inclue和lib64文件。

复制文件

sudo cp lib64* /usr/local/cuda/lib64/
sudo cp include/cuda.h /usr/local/cuda/include/

更新软连接

sudo rm -rf libcudnn.so libcudnn.so.5 #删除原先的动态文件 
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5
sudo lin -s libcudnn.so.5 libcudnn.so

然后,输入以下命令：（这个为什么要加呢？主要是编译caffe是，可能会出现/sbin/ldconfig.real: /usr/local/cuda-8.0/targets/x86_64-Linux/lib/libcudnn.so.5 不是符号连接‘’）

sudo ln -sf /usr/local/cuda-8.0/targets/x86_64-linux/lib/libcudnn.so.5.1.5 /usr/local/cuda-8.0/targets/x86_64-linux/lib/libcudnn.so.5 

立刻生效

sudo ldconfig

这样cudnn 就安装完了！

再强调一遍，这是可选的安装！

五、caffe 安装

终于到了安装caffe ，是不是很激动呢

准备一下，配置依赖包，这是我需要出现配置的情况，你在编译还有其他的依赖，就自己补上。正所谓缺啥补啥！

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler libatlas-base-dev liblmdb-dev

libgflags-dev libgoogle-glog-dev liblmdb-dev

首先去github下载：

git clone https://github.com/weiliu89/caffe.git

生成Makefile.config文件

cp Makefile.config.example Makefile.config

这里不需要cudnn ,打开CMakeLists.txt ,USE_CUDNN 为OFF

打开Makefile.config文件，USE_CUDNN注释掉，加个#

编译,进入caffe的根目录下：

mkdir build
cd build
cmake -DBLAS=Open -DCUDA_NVCC_FLAGS=--Wno-deprecated-gpu-targets ..    #消除NVCC警告的，正常情况下，cmake ..
make all -j8
make runtest
make pycaffe

好了，到这里caffe 就安装完成了。

-------------------------------------------QAQ--------------------------------------------------------------------

1、进行make runtest，出现 Check failed: status == CUDNN_STATUS_SUCCESS (6 vs. 0) 错误？

这个问题的本质在于，你的GPU 版本过低导致的，你需要查看你的显卡是否支持cudnn。

这里USE_CUDNN=1 注释掉，CMakelists.txt 文件中USE_CUDNN 改成OFF

2、nvcc warning : The 'compute_20', 'sm_20', and 'sm_21' architectures are deprecated, and may be removed in a future release (Use -Wno-deprecated-gpu-targets to suppress warning). ？？

cmake -DBLAS=Open -DCUDA_NVCC_FLAGS=--Wno-deprecated-gpu-targets ..

3、/home/liang/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:120:54:error: ‘NppiGraphcutState’ has not been declared
     typedef NppStatus (*init_func_t)(NppiSize oSize, NppiGraphcutState** ppState, Npp8u* pDeviceMem);

解决办法：

在graphcuts.cpp中将
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) 


改为
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) || (CUDART_VERSION >= 8000)