从零开始配置深度学习环境：ubuntu16.04 cuda opencv caffe 需要的库

有一台空闲的服务器，上面有一块K40的卡，原来的系统进不去了可以拿来搞一搞。。

---

nvidia驱动

这一步好像可以跳过，因为之后安装cuda能选择是否安装驱动。
上官网NVIDIA Driver Downloads找自己显卡的型号，看看适合的驱动编号是什么。

之后输入命令：

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update 
sudo apt-get install nvidia-375 
sudo apt-get install mesa-common-dev 
sudo apt-get install freeglut3-dev

之后重启系统让显卡驱动生效。
但是，Ubuntu自带的驱动更新也可以完成这样的操作而且不用输命令！
点左边栏的设置，下面找到“Software & Updates”，在点上面的“Additional Drivers”，会发现会有一个显卡的驱动，恰好和要找的版本相同~选中之后确认更新即可。

其实这也是碰巧，这里面只识别出了Quadro K600，和K40的驱动型号相同，但如果是其他的卡，也需要自己确认一下。

---

CUDA

还是先进网页下载CUDA。
我选的配置如下：

之后按照要求，运行：

sudo sh cuda_8.0.61_375.26_linux.run

之后会有三个提示：

1. 是否安装驱动（装过的不要装）
2. 是否安装CUDA（yes）
3. 是否安装sample（看自己）

结束之后会有摘要：

=========== 
= Summary = 
===========

Driver: Not Selected 
Toolkit: Installed in /usr/local/cuda-8.0 
Samples: Not Selected 

Please make sure that 
– PATH includes /usr/local/cuda-8.0/bin 
– LD_LIBRARY_PATH includes /usr/local/cuda-8.0/lib64, or, add /usr/local/cuda-8.0/lib64 to /etc/ld.so.conf and run ldconfig as root

接下来是添加到环境变量。
首先打开文件：

sudo vim /etc/profile

在最下面添加两行：

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

至此安装结束~

---

cudnn

1.下载cuDNN压缩包；
2.对下载文件进行解压：

tar -zxvf cudnn-8.0-linux-x64-v5.1.tgz

3.解压后会看到一个cuda文件夹，里面包含了include以及lib64两个子目录。我们需要做的就是将这两个字母里面的文件复制到cuda对应的安装目录。这里以cuda的安装目录为/usr/local/cuda/，这个目录下也会包含include/以及lib64/这两个文件夹，将之前目录的文件复制过来即可。

sudo cp -p cuda/include/cudnn.h /usr/local/cuda/include
sudo cp -p cuda/lib64/* /usr/local/cuda/lib64/

---

远程桌面

How to Remote Access to Ubuntu 16.04 from Windows

在windows通过VNC进行远程桌面连接。
首先在服务器上打开桌面分享：

如图所示勾选，即可通过vnc访问。

如果有连接错误，可以尝试以下方式解决：
运行dconf-editor（没有的话先安装sudo apt install dconf-editor）。
导航至：org -> gnome -> desktop -> remote-access，反选“require-encryption”即可。

---

opencv

下载源码，解压。
可以先在目录下建立release文件夹作为输出目录。
我的编译参数为：

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 WITH_OPENGL=ON -D WITH_CUBLAS=ON -D WIHT_CUDA=ON -D WITH_OPENGL=ON .. 

之后

make -j
sudo make install

---

Protocol Buffers v3 安装

caffe需要这个东西。。
到github上下载源码。
解压之后进入目录，在Ubuntu上先需要确保前置程序的安装：

sudo apt-get install autoconf automake libtool curl make g++ unzip

安装之后，再运行脚本：

./autogen.sh

这样才会生成configure文件。之后

./configure
make
make check
sudo make install
sudo ldconfig # refresh shared library cache.

---

MKL 安装

去官网下载，会让你留一个邮箱。Intel® Math Kernel Library (Intel® MKL)Build date: 16 Feb 2017
下载之后解压，运行

sudo ./install.sh

按着提示继续走，默认安装就行。
结束后添加环境目录：

vim /etc/profile

在末尾处加入代码：

export PATH=":/opt/intel/bin:$PATH"
export LD_LIBRARY_PATH=$LD_LIBRARY_LIB:/opt/intel/lib/intel64:/opt/intel/mkl/lib/intel64

退出，使设置生效。

source /etc/profile  

---

boost库

下载boost库，本文使用的是1.58版本。
解压：

tar --bzip2 -xvf boost_1_58_0.tar.bz2

进入解压后的文件夹，运行：

./bootstrap.sh

如果失败尝试使用sudo sh ./bootstrap.sh
之后会在当前目录下生成bjam文件，继续编译。。。

./bjam

编译时间比较长
将生成的库默认安装到 /urs/local/lib 目录

./bjam install

---

其实整个过程中没有什么出错的地方，不过不知道怎么回事电脑运行很慢，为这还重装一回。
而且有开机不显示自检的情况。师兄帮忙插拔了内存好像解决了，原理不是很懂。。