ubuntu18.04+CUDA10+caffe+openpose环境配置与应用

最新推荐文章于 2024-05-05 23:58:08 发布

mike_karan

最新推荐文章于 2024-05-05 23:58:08 发布

阅读量1k

点赞数

分类专栏： openpose 文章标签：神经网络深度学习 caffe

本文链接：https://blog.csdn.net/weixin_43279853/article/details/107512516

版权

openpose 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

最近老板谈到了一个项目，需要通过人的行为姿势来初步判断人在干嘛，然后我就找到了openpose，找到源码之后，我又粗略的看了下别人写的相关博客还有其他资料，觉得也没什么大不了，虽然内部算法原理我不了解，但是先把别人的实验结果复现一遍，我觉得这对我来说肯定是小case，哈哈哈~~~，然后，你懂的，我就走上了不归路，无数次掉进坑里，真的想放弃，但最后还是咬牙坚持住，成功复现，这里我就讲一下我遇到的问题和解决方式~~~

在进入正题之前，我要提醒一句：你的ubuntu系统在分区时，主分区/分了多大，别跟我说20G,如果是的话，哈哈哈，恭喜，准备重装系统吧，别笑我废话，因为这个真的太尼玛坑了，我当时就是看了别人的博客，说主分区/20G就够了，直到我做这个实验，我才知道UBUNTU的主分区，就相当于windows系统的C盘，怎么样，现在明白了吧，额，所以我就重装了系统，将这个区分了100个G左右吧。

言归正传

实验用到的软件及版本：NVIDIA驱动435，CUDA10.0,cuDNN7.6.2,opencv3.4.7

STEP1:安装NVIDIA驱动

其实在网上有很多相关的安装教程，但我建议我的懒人安装法，打开电脑的软件与更新，选择上面的附加驱动，等待一会，会出现好几个选项，然后我就选择了NVIDIA435,点击应用更改，就OK了，安装结束之后，打开终端，输入nvidia-smi，这样就能看到一个矩形列表，有显卡信息和推荐安装的CUDA版本，如果没有显示，可能是需要重启电脑。

STEP2:安装CUDA10.0

首先下载cuda10.0文件

安装依赖项

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

再进入下载的cuda10.0同级目录内，打开终端，输入：

sudo sh cuda_10.0.130_410.48_linux.run

安装时，会出现一个白色的更多，这时可以一直按空格健，直到更多消失，也可以直接按个q键，直接跳过，然后就是下面这些了：

Do you accept the previously read EULA?
accept/decline/quit: accept
 
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 410.48?
(y)es/(n)o/(q)uit: n
 
Install the CUDA 10.0 Toolkit?
(y)es/(n)o/(q)uit: y
 
Enter Toolkit Location
[ default is /usr/local/cuda-10.0 ]:
 
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y
 
Install the CUDA 10.0 Samples?
(y)es/(n)o/(q)uit: y

然后配置环境变量

echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

最后在随意打开终端，输入nvcc -V，若正常的话，就会显示你安装的CUDA版本。

STEP3:安装cuDNN7.6.2

首先下载与CUDA10.0对应版本的cuDNN

网上有人说下载其他的，但我就下载了红圈那个，下载好以后，解压，打开这个解压的文件，打开终端，执行以下命令：

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

也就是把cudnn解压后，把cudnn.h和libcudnn*放到cuda安装目录里去

STEP4:安装opencv3.4.7

呵，在你找到我这篇文章之前，可能你已经被opencv的安装过程FUXK了N+1次了，哎，心累~~~

推荐看下这篇文章，真的炒鸡棒，比那些垃圾文章强太多~~~

额，在安装opencv之前，还是先把anaconda安装下吧，不然可能会出问题。。。

下载opencv3.4.7，选择source版本，下载好后，解压，在解压后的opencv文件夹，打开终端，然后执行下列命令：

mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON -D WITH_QT=ON -D WITH_GTK=ON -D WITH_OPENGL=ON ..
sudo make -j8    #（我看到的资料都说8是电脑上cpu的核数，但我对两台不同的电脑配置，证明这是cpu的线程数，我的电脑是4核8线程，你的是多少，自己google）
sudo make install
#查看物理cpu个数: grep 'physical id' /proc/cpuinfo | sort -u
#查看核心数量: grep 'core id' /proc/cpuinfo | sort -u | wc -l
#查看线程数: grep 'processor' /proc/cpuinfo | sort -u | wc -l

这样opencv的编译过程就结束了，再将opencv的库添加到路径：

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

输入这段指令之后，会直接打开一个文本，而且是空的，什么都没有，然后我们就在这个文本里面加入以下内容：

/usr/local/lib

再执行下面命令使刚才的更改生效：

sudo ldconfig

然后配置bash

sudo gedit /etc/bash.bashrc

此时又会打开一个新的文本，我们就在文本的最下面添加下面内容：

PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig  
export PKG_CONFIG_PATH

接下来，我们来测试下，看行不行，也就是能不能打开摄像头

在opencv目录下，打开终端，然后

cd samples/cpp/example_cmake

依次执行下面命令

cmake .
make
./opencv_example

这样的话，正常情况下，电脑会打开连接在电脑上的摄像头，能看见画面，而且左上角会有一个hello opencv.

做到这里，也许你会长长的嘘了一口气，终于解决了opencv的安装啦，哈哈哈，Too young,too simlpe,NAIVE!!!

不信你就进入终端，输入python,再输入import cv2,你会惊喜的发现“no module named cv2”,握草，真的崩溃~~~

其实也就小case啦，解决的办法就是在终端执行：

pip install opencv-python

这样的话，才是真的搞定了。

STEP5:caffe搭建

全过程中，这个地方是最头疼的，因为看别人的文章总是千奇百怪，不是讲的不对，就是讲的粗略，反正就是头疼~~~

先安装依赖库

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

下载openpose,我是直接解压到主目录下的sofewares里面，将解压的文件名openpose-master改为openpose。

下载caffe，解压到softwares/openpose/3rdparty里面，对了，放进去之前要将3rdparty里面的原有的那个caffe空文件删除，再将解压的文件名称从caffe-f019d0dfe86f49d1140961f8c7dec22130c83154改为caffe。

修改Makefile.config
1、进入caffe ，將 Makefile.config.example 文件复制一份并改名为 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 時需要的是 Makefile.config 文件，而Makefile.config.example 只是caffe 给出的配置文件例子，不能用來编译caffe。

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

sudo gedit Makefile.config

进行以下几处的替换：

...
將
#USE_CUDNN := 1
修改成： 
USE_CUDNN := 1
...
 
...
#如果此處是OpenCV2，則不用修改
將
#OPENCV_VERSION := 3 
修改爲： 
OPENCV_VERSION := 3
...
 
...
將
#WITH_PYTHON_LAYER := 1 
修改爲 
WITH_PYTHON_LAYER := 1
...
 
...
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib 
修改爲： 
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 /usr/lib/x86_64-linux-gnu/hdf5/serial       
...
 
...
將
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
修改爲
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
...

对了，既然是替换，就把之前的删了，换成新的就行了。

3、接下来修改caffe目录下的Makefile文件，直接找到文件，打开就行。

...
將：
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替換爲：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
...
 
...
將：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改爲：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
...

网上别人还说修改 /usr/local/cuda/include/host_config.h 文件，但是我直接在终端输入命令：

sudo gedit  /usr/local/cuda/include/host_config.h

打开了这个文本，但是并没有看见让我修改的那个error，所以我也就没管了，继续前进~~~

4、编译caffe

还是打开softwares/openpose/3rdparty/caffe，打开终端，执行：

#8为cpu线程数
sudo make all -j8

STEP6:openpose搭建

安装cmake gui,我就是直接在ubuntu软件里面下载的这个软件，当然也可以通过指令下载：

sudo apt-get install cmake-gui

对了，在softwares/openpose/models/里面有face,hand,pose三个文件夹，里面需要下载一共5个训练好的模型，但是如果直接通过指令下载，速度慢的感人，所以推荐这个连结，这样下载速度快点，下载好后，按要求将文件放到对应的文件夹里面就行。

当然也可以指令下载：

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

没骗你，真慢，还是算了吧，哈哈哈

这个搞定之后，再在openpose文件夹里面建一个build文件夹，打开cmake软件，填写source code和build the binaries

此时界面是空白的，然后点击configure,选择Unix Makefile和use default native compling，点击finish按鈕，编译，若过程中没有报错，并且出现了configuring done,中间会出现一些红色的可配置项，

注意下图红圈之内的改变，一定要选择对应的文件！！！！！！！！！！！！！！！！！！！！！！

选择完成后，点击Generate按钮。

接着，打开softwares/openpose/build,可以直接进入这个文件夹下面，打开终端，或者在openpose那一层目录，直接cd build

在终端输入

sudo make -j8

编译结束后，差不多真的就配置成功了~~~

STEP7:检测

打开softwares/openpose文件夹，打开终端，执行以下命令：

视频：

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

其实在执行之前可以进/build/examples/openpose/这个文件夹里看下，到底有没有openpose.bin这个文件，

摄像头：

./build/examples/openpose/openpose.bin --face --hand

图片：

./build/examples/openpose/openpose.bin --image_dir examples/media/ --face --hand

注意：我在实验时发现算法可以检测.avi的视频文件，但是不能打开.mp4的文件，后期再解决吧，先就到这里啦，谢谢欣赏，再见~~~

mike_karan

关注

0
点赞
踩
9

收藏

觉得还不错? 一键收藏
3
评论
ubuntu18.04+CUDA10+caffe+openpose环境配置与应用

最近老板谈到了一个项目，需要通过人的行为姿势来初步判断人在干嘛，然后我就找到了openpose，找到源码之后，我又粗略的看了下别人写的相关博客还有其他资料，觉得也没什么大不了，虽然内部算法原理我不了解，但是先把别人的实验结果复现一遍，我觉得这对我来说肯定是小case，哈哈哈~~~，然后，你懂的，我就走上了不归路，无数次掉进坑里，真的想放弃，但最后还是咬牙坚持住，成功复现，这里我就讲一下我遇到的问题和解决方式~~~ 在进入正题之前，我要提醒一句：你的ubuntu系统在分区时，主分...
复制链接

扫一扫