深度学习环境搭建

@T深度学习开发环境搭建OC
深度学习开发环境搭建
一、 环境搭建 1
1、 安装NVIDIA显卡驱动 1
2、 安装CUDA库 2
2.1 安装依赖库： 2
2.2 下载CUDA8.0安装包 3
2.3 安装cuda8.0补丁包 4
2.4添加环境变量声明 4
2.5 配置cuda环境变量： 5
2.6 测试cuda的samples 5
3、 安装cuDNN库 5
3.1 下载cudnn 5
3.2 配置cuDNN库 6
4、 安装Opencv库以及contrib包 7
4.1 下载opencv3.2.0和opencv_contrib 7
4.2 安装依赖库 7
4.3 cmake配置opencv3.2.0库 7
4.4 编译安装opencv3.2.0库 8
4.5 配置opencv链接库 8
5、 安装Caffe框架 8
5.1 安装依赖库 8
5.2 下载caffe 9
5.3 修改caffe配置文件 9
5.4 编译caffe 10
5.5 编译pycaffe接口 10
5.6 配置caffe环境变量 11
6、 安装Clion软件 11
6.1 下载Clion-2017.3.2 11
6.2 安装Clion 11

一、 环境搭建
1、 安装NVIDIA显卡驱动
首先从nvidia官网查看适合服务器GPU的显卡驱动版本：
http://www.nvidia.com/Download/index.aspx?lang=en-us

查到版本号之后，执行下面的命令
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-390（390是查到的版本号）
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev
执行完上述命令之后，重启系统。
重启后输入命令：
nvidia-smi
若出现了系统GPU列表，则说明驱动安装成功。
同时也可以通过执行如下命令验证，若出现NVIdia X Server Settigs窗口则说明驱动安装成功：
nvidia-settings
至此，NVIDIA显卡驱动安装完毕。

2、 安装CUDA库
这里以cuda8.0举例
2.1 安装依赖库：
sudo apt-get install freeglut3-dev build-essential
sudo apt-get install libx11-dev libxmu-dev
sudo apt-get install libxi-dev libgl1-mesa-glx
sudo apt-get install libglu1-mesa libglu1-mesa-dev
2.2 下载CUDA8.0安装包
https://developer.nvidia.com/cuda-80-ga2-download-archive

选择runfile(local)类型的安装包下载，安装包和补丁包一起下载：

下载完成后，执行命令：
sudo sh cuda_8.0.61_375.26_linux.run
注意：执行上述命令会有一系列安装提示让您确认，但第二项要注意，提示让您选择是否安装nvidia 375.26驱动，一定选择否:
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?
2.3 安装cuda8.0补丁包
同样地方式执行命令：
sudo sh cuda_8.0.61.2_linux.run
同样有一系列提示需要确认，选择安装目录和cuda8.0安装一样即可以
2.4添加环境变量声明
执行下面的命令：
gedit ~/.bashrc
在打开的~/.bashrc文件添加下面两句语句：
export PATH=/usr/local/cuda-8.0/binKaTeX parse error: Expected '}', got 'EOF' at end of input: {PATH:+:{PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64KaTeX parse error: Expected '}', got 'EOF' at end of input: …LIBRARY_PATH:+:{LD_LIBRARY_PATH}}
若cuda8.0不是安装在/usr/local/cuda-8.0下则需要修改为相应的路径，保存退出。
2.5 配置cuda环境变量：
sudo gedit /etc/profile
在打开的/etc/profile文件添加下面的语句：注意等号两边不能有空格
export PATH=/usr/local/cuda/bin:$PATH
保存退出后，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语句：注意路径为相应的安装路径
/usr/local/cuda/lib64
保存退出后执行命令使链接生效：
sudo ldconfig
2.6 测试cuda的samples
执行下面的命令：
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
make
sudo ./deviceQuery
若出现GPU信息则表示配置成功。
3、 安装cuDNN库
这里以cuDNN V5.1举例
3.1 下载cudnn
https://developer.nvidia.com/rdp/cudnn-archive

由于V5和V6以上版本具有较大差别，常用V5.1版本，选择上图第三个选项。
下载cuDNN包需要注册nvidia账号，本人已经注册过，所以可以直接下载，安装包在附件中。
下载完成后，解压：
tar zxvf cudnn-8.0-linux-x64-v5.1.tgz
3.2 配置cuDNN库
进入cudnn5.1解压之后的include目录，执行命令：
sudo cp cudnn.h /usr/local/cuda/include/
再进入lib64目录下对动态文件进行复制和链接：（5.1.10为对应版本具体可修改）
sudo cp lib* /usr/local/cuda/lib64/
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so #生成软衔接
4、 安装Opencv库以及contrib包
这里以opencv 3.2.0举例
4.1 下载opencv3.2.0和opencv_contrib
opencv3.2.0：链接： https://pan.baidu.com/s/1jHRSsYU 密码: dhym
opencv_contrib：链接：https://pan.baidu.com/s/1eSrIOtc 密码: naah
opencn_ ippicv_linux_20151201.tgz： http://download.csdn.net/detail/cupidyzw97/9892881
opencn_ ippicv_linux_20151201.tgz后面可能会由于网络不好，导致编译时下载不聊一而出现的问题所用到的文件，该文件应放在/opencv-3.2.0/3rdparty/ippicv/downloads/linux-808b791a6eac9ed78d32a7666804320e
4.2 安装依赖库
执行命令：
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 libtiff-dev libjasper-dev libdc1394-22-dev
4.3 cmake配置opencv3.2.0库
将下载好的opencv包提取到自己指定的目录下，命名为opencv320（自定义），同时将opencv_contrib.zip提取到opencv320目录下，同时在该目录下新建一个文件夹build。
进入build目录
cd opencv320/build
执行cmake生成makefile文件
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local -D OPENCV_EXTRA_MODULES_PATH=/home /opencv320/opencv_contrib/modules/ …
注意：别忘记了最后两点点，这是表示cmake上层目录，同时opencv_contrib包的路径改为自己的相应路径，如不需要opencv_contrib包，则不需要该路径。
其中/usr/local表示opencv的安装路径。
如在cmake过程中遇到opencn_ ippicv_linux_20151201.tgz下载失败，则可以用预先准备的opencn_ ippicv_linux_20151201.tgz放到指定目录，即：
/opencv320/3rdparty/ippicv/downloads/linux-808b791a6eac9ed78d32a7666804320e
4.4 编译安装opencv3.2.0库
当cmake成功生成Makefile文件之后，下一步继续在build目录下make编译opencv库，执行命令：
sudo make -j8 #8线程编译
编译成功后，下一步进行安装，在这里采用checkinstall工具安装：
sudo apt-get install checkinstall
sudo checkinstall #安装
使用checkinstall的目的是为了更好的管理安装的opencv，因为opencv的安装很麻烦，卸载更麻烦，其安装的时候修改了一大堆的文件，当我想使用别的版本的opencv时，将当前版本的opencv卸载就是一件头疼的事情，因此需要使用checkinstall来管理我的安装。执行了checkinstall后，会在build文件下生成一个以backup开头的.tgz的备份文件和一个以build开头的.deb安装文件，当你想卸载当前的opencv时，直接执行dpkg -r build即可。
4.5 配置opencv链接库
执行命令：
sudo /bin/bash -c ‘echo “/usr/local/lib” > /etc/ld.so.conf.d/opencv.conf’
sudo ldconfig
5、 安装Caffe框架
5.1 安装依赖库
执行命令：
sudo add-apt-repository universe
sudo apt-get update
sudo apt-get install cmake

General Dependencies

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev
sudo apt-get install libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev

BLAS

sudo apt-get install libatlas-base-dev

Remaining Dependencies

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install python-dev python-numpy python-pip python-scipy
5.2 下载caffe
git clone https://github.com/BVLC/caffe.git
5.3 修改caffe配置文件
cd caffe
cp Makefile.config.example Makefile.config
修改Makefile.config:
gedit Makefile.config
对打开的文件编辑修改如下，反注释三条语句：

cuDNN acceleration switch (uncomment to build with cuDNN).

USE_CUDNN := 1

Uncomment if you’re using OpenCV 3 如果用的是opencv3版本

OPENCV_VERSION := 3

Uncomment to support layers written in Python (will link against Python libs)

WITH_PYTHON_LAYER := 1
在文件里面添加文本由于hdf5库目录更改，所以需要单独添加：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
LIBRARY_DIRS := ( P Y T H O N L I B ) / u s r / l o c a l / l i b / u s r / l i b / u s r / l i b / x 8 6 6 4 − l i n u x − g n u / h d f 5 / s e r i a l / 保 存 退 出 ， 并 打 开 m a k e f i l e 文 件 进 行 修 改 ： g e d i t M a k e f i l e 将 N V C C F L A G S + = − c c b i n = (PYTHON_LIB) /usr/local/l