TX1刷机以及配置caffe全备忘(Jetpack2.3+)

本文详述了在双系统环境下Ubuntu的重装步骤,包括删除Ubuntu启动项和磁盘空间回收。接着介绍了TX1的刷机过程,并提供了相关参考资料。最后,详细阐述了在TX1上配置Caffe的流程,包括环境安装、Caffe下载、编译修改配置文件以及测试环节,特别提示避免使用英伟达官方的Caffe版本。
摘要由CSDN通过智能技术生成

1,双系统下ubuntu重装:

1)删除

笔记本装的是win7+ubuntu14.04双系统,启动管理用的是easyBCD,重装ubuntu首先需要修复mbr,百度下载MBRFix.exe(或MBRFix64.exe),解压后放置在C盘根目录,win+R键打开命令行,输入cmd回车打开DOS,输入命令MbrFix /drive 0 fixmbr /win7 /yes,即可删除mbr,在easybcd的edit boot menu项中删除ubuntu启动项,重启电脑,之后右击计算机-管理-磁盘管理,找到之前为ubuntu分配的空间,右击删除卷。

2)重装

下载想要安装的ubuntu版本,用UltralSO制作U盘启动盘,简单快捷,百度搜索即可。做好之后电脑插入启动盘重启,开机中按F12,选择U盘启动,之后进入安装引导界面,地址:http://jingyan.baidu.com/article/eb9f7b6d8536a8869364e813.html,注意在安装时一般不要选择安装更新和第三方软件。 安装完成之后进行更新即可。


2,TX1刷机:

此处可参考http://blog.csdn.net/Jalong_Ma/article/details/52743923,其中安装opencv3.0的部分可以忽略,直接选择安装opencv2.4.13版本即可。刷机过程中可能会在某些地方等待较长时间,耐心等待即可。

3,TX1配置caffe:

此处坑比较多,我第一次安装也是过程曲折

1)安装caffe环境:

$ sudo add-apt-repository universe  
$ sudo apt-get update  
$ sudo apt-get install cmake git aptitude screen g++ libboost-all-dev \  
libgflags-dev libgoogle-glog-dev protobuf-compiler libprotobuf-dev \  
bc libblas-dev libatlas-dev libhdf5-dev libleveldb-dev liblmdb-dev \  
libsnappy-dev libatlas-base-dev python-numpy libgflags-dev \  
libgoogle-glog-dev python-skimage python-protobuf python-pandas \  
libopencv-dev
上面提到的每一项务必都保证正确安装之后再进行下一步,安装opencv时可能会提示有有些依赖项未安装,按提示安装之后即可。

2)caffe下载

此处参考了 http://blog.csdn.net/q6324266/article/details/52193076

不可下载英伟达自己的caffe,可用以下命令下载:

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

3)caffe 编译

首先修改配置文件,将caffe目录下自带的Makefile.config.examples文件改名为Makefile.config,去掉第五行的#号,即把#use_cudnn :=1改为use_cudnn :=1。

找到下面行:

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/hdf5/serial/

保存退出。编译中如果出现
CXX src/caffe/solvers/nesterov_solver.cpp
CXX src/caffe/data_reader.cpp
CXX src/caffe/parallel.cpp
CXX src/caffe/solver.cpp
AR -o .build_release/lib/libcaffe.a
LD -o .build_release/lib/libcaffe.so.1.0.0-rc3
/usr/bin/ld: cannot find -lhdf5_hl
/usr/bin/ld: cannot find -lhdf5
collect2: error: ld returned 1 exit status
Makefile:566: recipe for target '.build_release/lib/libcaffe.so.1.0.0-rc3' failed
make: *** [.build_release/lib/libcaffe.so.1.0.0-rc3] Error 1
修改caffe里面的Makefile 文件(注意不是Makefile.config) 
将里面的
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)测试

用caffe自带的mnist进行测试,分别输入以下语句:
$ bash ./date/mnist/get_mnist.sh  
$ bash ./examples/mnist/create_mnist.sh  
$ bash ./examples/mnist/train_lenet.sh 
运行成功说明caffe被成功安装。
如果出现以下提示
F0221 16:54:21.855986 11564 im2col.cu:49] Cuda kernel failed. Error: invalid device function
*** Check failure stack trace: ***
@ 0x7f2556cc1b4d google::LogMessage::Fail()
@ 0x7f2556cc5b67 google::LogMessage::SendToLog()
@ 0x7f2556cc39e9 google::LogMessage::Flush()
@ 0x7f2556cc3ced google::LogMessageFatal::~LogMessageFatal()
@ 0x463bf2 caffe::im2col_gpu<>()
@ 0x452031 caffe::ConvolutionLayer<>::Forward_gpu()
@ 0x41288f caffe::Layer<>::Forward()
@ 0x41c9be caffe::ConvolutionLayerTest_TestSimpleConvolution_Test<>::TestBody()
@ 0x43becd testing::internal::HandleExceptionsInMethodIfSupported<>()
@ 0x42dab1 testing::Test::Run()
@ 0x42db97 testing::TestInfo::Run()
@ 0x42dcd7 testing::TestCase::Run()
@ 0x432bdf testing::internal::UnitTestImpl::RunAllTests()
@ 0x43ba7d testing::internal::HandleExceptionsInMethodIfSupported<>()
@ 0x42d0da testing::UnitTest::Run()
@ 0x40f774 main
@ 0x318ae1ecdd (unknown)
@ 0x40f4c9 (unknown)
说明gpu未被成功配置,解决此问题需要重新编译caffe,
第一步:将已成功的caffe文件夹备份,按上面步骤重新下载caffe,做完caffe编译那一步后进行下面操作;
第二步:需要查看自己gpu的型号和型号对应的computer capability,NVIDIA常用GPU型号对应表如下
版权声明:本文为LEE Jiajun原创文章,转载请注明出处http://blog.csdn.net/jiajunlee):
GPU Compute Capability
Tesla K80 3.7
Tesla K40 3.5
Tesla K20 3.5
Tesla C2075 2.0
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值