学习opencv3_Ubuntu16.04深度学习系统配置

本文针对的是Ububtu16.04+1050ti+cuda9.0+cudnn7.0.5+opencv3.1+tensorflow1.9.0+pytorch0.4.0电脑配置过程，亲测有效。如有错误，欢迎留言指正。如果留言没有回复的话，可以直接发邮件15754353506@163.com，咱们共同学习，因为我也是一个菜鸡。

建议在配置环境的时候多读几个教程，找到适合自己的一个，或者自己整合，少走一点弯路。

Ububtu16.04+1050ti+cuda9.0+cudnn7.0.5+opencv3.1+tensorflow1.9.0+pytorch0.4.0电脑配置过程

1. 安装显卡驱动

1）首先可以先把Python的默认改成3（这一步应该是可以不用的，不过每次我都做这一步）

输入下面两条命令：sudo update-alternatives --install /usr/bin/python/ python /usr/bin/python2 100

sudo update-alternatives --install /usr/bin/python/ python /usr/bin/python3 150

此时就从默认Python就从2切换到3了

如果需要重新切换回Python只需要在终端输入

sudo update-alternatives --config python

然后选择你需要的Python版本，输入序号回车即可

系统很多程序依赖于Python2，如果需要升级系统或者系统安装更新的时候，建议先切换到系统的默认版本的Python2，否则可能出现依赖无法安装的问题。

2）安装依赖包（此步骤当然也可以在安装完cuda之后安装，但是最好在这安装）

依次输入以下指令：

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

sudo apt-get install git cmake build-essential

如果有超过 两次安装不成功的话，可以运行以下命令之后再运行以上命令（也可在一开始便运行该命令）：

sudo apt-get updatedit

此命令的作用是更新下载源

3）禁用系统自带显卡驱动

输入：

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

打开后在最后一行加上：blacklist nouveau,保存配置文件（如果写第二行：options nouveau modeset=0,可能会造成在安装完显卡驱动后黑屏及重复登录的现象）

输入：

sudo update-initramfs -u

更新配置（重启电脑）

如果输入：lsmod | grep nouveau

之后无输出，则证明已经将nouveau禁用成功。

此时如果重启的话会发现，图形界面显示不正常，这是由于将系统自带的显卡驱动禁用的缘故。

4）安装显卡驱动

重启电脑后，按Ctrl+Alt+（F1~~F6）进入字符界面，输入账号密码登录，账号密码为安装系统时设置的账户密码。

输入：

service lightdm stop

输入密码，等待图形系统关闭

输入：

cd ~ （打开文件位置）

ls （获得文件列表）

输入：

sudo sh NVIDIA.run -no-opengl-files （没有后面一条命令的话会造成安装完显卡驱动后重复登录，不能进入系统，只有禁用opengl这样安装才不会出现循环登陆的问题，只安装驱动文件，不安装OpenGL文件，参考链接为：https://blog.csdn.net/xunan003/article/details/81665835）

然后按照默认按回车就好，唯一的一个例外是Would you like to run the nvidia-xconfigutility to automatically update your x configuration so that the NVIDIA x driver will be used when you restart x? Any pre-existing x confile will be backed up. 选择 Yes 继续。

检查驱动是否安装成功：

输入：nvidia-smi

如果输出

以下图片，则安装成功。

至此，显卡驱动安装成功，重启电脑，如果不会出现循环登录或者黑屏的现象，则显卡驱动安装成功

5）安装CUDA9.0

到cuda官网下载适合版本的CUDA，我下载的是9.0，放到Ubuntu系统某一个目录下。

打开文件目录，后，输入：

sudo sh cuda文件名字.run --no-opengl-libs （没有后面的语句的话，也会造成循环登录）

等大约一分钟后，单击回车，一路往下运行，直到提示“是否为NVIDIA安装驱动nvidia-384？”，选择否，因为已经安装好驱动程序了，其他的全都是默认，不过要记住安装位置，默认是安装在/usr/local/cuda文件夹下。

　　配置环境变量，运行如下命令打开profile文件

sudo gedit /etc/profile

　　打开文件后在文件末尾添加路径，也就是安装目录，命令如下：

export PATH=/usr/local/cuda-9.0/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH

输入：source ~/.bashrc （使配置生效）

保存，然后重启电脑

测试CUDA的例子

cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery

sudo make

./deviceQuery

如果显示的是关于GPU的信息，则说明安装成功了。

注意，如果出现如图所示的文字，是因为缺少相关依赖库，安装一下就好

输入：sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

6）安装cudnn

我选择的是7.5（应该安装7.0.5）

在官网上选择合适的版本后，输入以下命令进行安装

tar -zxvf cudnn-9.0-linux-x64-v7.0.tgz （解压缩文件）

cd cuda （进入文件目录）

输入：

sudo cp lib64/lib* /usr/local/cuda/lib64/

sudo cp include/cudnn.h /usr/local/cuda/include/

然后更新网络连接：（这一步可以不做）

cd /usr/local/cuda/lib64/

sudo chmod +r libcudnn.so.7.0.3 # 自己查看.so的版本

sudo ln -sf libcudnn.so.7.0.3. libcudnn.so.7

sudo ln -sf libcudnn.so.7 libcudnn.so

sudo ldconfig

Cudnn安装完成。

7）安装Anaconda

下载anaconda文件（参考链接https://blog.csdn.net/u012318074/article/details/77074665）

打开文件目录，输入：

bash Anaconda3-4.2.0-Linux-x86_64.sh

根据提示回车，即可。要选择将路径添加到环境中（在路径是否添加那一项要选择YES）此时Ubuntu系统中的Python版本已经是anaconda中的版本。

8）在anaconda中新建环境

输入：conda create -n 环境名字 python=3.6.4（版本）

9）安装pytorch

在pytorch官网上直接选择和你的环境相应的选项，就可以直接生成安装pytorch的命令。

我的是 ：conda install pytorch=0.4.0 cuda90 -c pytorch

验证是否安装成功是输入代码

import torch

10）安装opencv

激活环境，输入 ：conda install -c menpo opencv3

此时默认安装的是opencv3.1

但是这样直接安装的话版本与所需要的是不同的，需要按照网上的教程进行安装。

11）安装tensorflow

pip install tensorflow-gpu==1.9.0

安装1.8的时候出现错误，所以就直接选择了1.9.安装之后导入没有问题，而且速度比1.8 的速度要快。

如果在安装完成之后导入的时候出现： function is not implemented. Rebuild the library with Windows, GTK+ 2.x or Carbon support. If you are on Ubuntu or Debian, install libgtk2.0-dev and pkg-config, then re-run cmake or configure script in function cvDestroyAllWindows

那么可以使用以下的命令来进行修正

1. conda remove opencv

2. conda install -c menpo opencv（默认是3.1）

3. pip install --upgrade pip （如果pip是最新版，那么就没有必要执行这一步）

4. pip install opencv-contrib-python

这是再次导入，应该就没有什么问题了。

如果在导入tensorflow的时候提示错误：AVX2 FMA的话，就是说明你的CPU不错，这个错误是完可以忽略的，如果想要把它注释掉的话，也是可以的，网上有很多的教程。