ubuntu16.04安装cuda8+opencv3.4+tensorflow

一. ubuntu系统安装
1. 安装盘制作
用universal-usb-installer-1.9.7.8.exe在windows下制作ubuntu16.04的安装盘。
分区选择为FAT32，iso文件版本ubuntu-16.04.3-desktop-amd64.iso
2. 系统安装过程
设置为U盘启动，不要选择UEFI模式，选择FAT模式启动，然后安装ubuntu。
分区建议：/boot 300M      swap 32G       / 200G         /home剩下所有的
不要选择安装系统更新

二.cuda8安装
1. 禁用驱动
$ lsmod | grep nouveau  
如果有显示就要执行下面的操作了
sudo touch /etc/modprobe.d/blacklist-nouveau.conf   
sudo gedit /etc/modprobe.d/blacklist-nouveau.conf   
添加的内容
blacklist nouveau  
options nouveau modeset=0  
更新一下：
    $ sudo update-initramfs -u  
重新启动系统，然后再检查是否禁用成功。
$ lsmod | grep nouveau
没有输出就是成功。
如果失败，百度解决方案
2. 关闭图形界面
按ctrl+alt+f1 进入tty1
    $ sudo service lightdm stop
3. 先按照显卡驱动
sudo sh NVIDIA-Linux-x86_64-375.82.sh
update x: yes
32bit库: no
4. 再安装cuda8
    sudo chmod a+x cuda_8.0.61_375.26_linux.run
    sudo sh cuda_8.0.61_375.26_linux.run --no-opengl-libs  
按q退出阅读readme，输入accept接受协议继续；
是否安装driver，no
run nvidia-xconfig，选默认的no
32bit库: no
剩下的y和回车就好，一些安装和路径的设置
5.重启图形界面
$ sudo service lightdm start
一般来说会直接进系统，不会循环登陆。
ubuntu14.04可能会出现循环登陆，请尝试修改BIOS设置换其他显示器接口，
无法解决只能重新安装系统。
6.检查是否成功
nvidia-smi   应该可以看到电脑上的GPU卡
ls /dev/nvidia*  如果没有输出，则参考博客文章解决
http://blog.csdn.net/sinat_19628145/article/details/60475696
7.配置环境变量
sudo gedit  /etc/profile
添加如下代码
export PATH=/usr/local/cuda-8.0/bin:$PATH  
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:/usr/local/cuda-8.0/lib:$LD_LIBRARY_PATH
运行 source /etc/profile
检查设置是否成功   env
8.编译cuda的例子
cd到例子存放的路径，默认路径是 ~/NVIDIA_CUDA-8.0_Samples
（即 /home/xxx/ NVIDIA_CUDA-8.0_Samples， xxx是你自己的用户名）
然后终端输入：
    # make  
cd ~/NVIDIA_CUDA-8.0_Samples/bin/x86_64/linux/release
运行  ./deviceQuery
和 ./bandwidthTest
可以看到GPU显卡配置信息
检查 NVIDIA Driver
    # cat /proc/driver/nvidia/version  
会有NVIDIA Driver的版本号
检查 CUDA Toolkit
    # nvcc –V  
会输出CUDA的版本信息

三、Ubuntu 16.04 LTS安装 TeamViewer
https://www.cnblogs.com/aiguona/p/7182876.html
64位Ubuntu 16.04系统需要添加32位架构支持，命令如下。
sudo dpkg --add-architecture i386
sudo apt-get update
现在，安装TeamViewer的依赖包。
sudo apt-get install libdbus-1-3:i386 libasound2:i386 libexpat1:i386 libfontconfig1:i386 libfreetype6:i386 libjpeg62:i386 libpng12-0:i386 libsm6:i386 libxdamage1:i386 libxext6:i386 libxfixes3:i386 libxinerama1:i386 libxrandr2:i386 libxrender1:i386 libxtst6:i386 zlib1g:i386 libc6:i386
用已经下载好的安装包安装
sudo dpkg -i teamviewer_12.0.76279_i386.deb
或者下载安装TeamViewer。
wget http://download.teamviewer.com/download/teamviewer_i386.deb
sudo dpkg -i teamviewer_i386.deb
安装完成后就能从Unity的Dash菜单里启动TeamViewer了。
启动之后设置teamviewer随系统启动，并设置密码

四、安装cudnn
$ cd ~/soft
$ tar xvf cudnn-8.0-linux-x64-v6.0.tgz
$ cd cuda/include
$ sudo cp *.h /usr/local/include/
$ sudo cp *.h /usr/local/lib/
$ cd ../lib64
$ sudo cp lib* /usr/local/lib/
$ cd /usr/local/lib
# sudo chmod +r libcudnn.so.6.0.20
$ sudo ln -sf libcudnn.so.6.0.20 libcudnn.so.6
$ sudo ln -sf libcudnn.so.6 libcudnn.so
$ sudo ldconfig

五、编译安装opencv
1. 安装前准备
####for caffe  http://www.jianshu.com/p/69a10d0a24b9
$ sudo apt-get install libatlas-base-dev libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
##for cuda
sudo apt-get install build-essential libx11-dev libxmu-dev libxi-dev
#for opencv, python
sudo apt-get install python-scipy   python-numpy   python-matplotlib

2. 解压源代码安装包
tar xvf opencv3.3-git.tar
mv opencv3.3 ../opencv3.3
cd ../opencv3.3

或者从github上clone：
sudo apt install git
git clone https://github.com/Itseez/opencv.git
当前目录应该生成了一个opencv的目录
mv opencv opencv3.3
cd opencv3.3
git clone https://github.com/Itseez/opencv_contrib.git
目录/opencv3.3/opencv_contrib  为  opencv_contrib 源代码目录
git方式可能导致opencv版本大于3.3，建议使用soft目录的opencv源代码

3.安装依赖库：
$ sudo apt-get install gcc g++ cmake pkg-config build-essential
$ sudo apt-get install  libgtk2.0-dev libavcodec-dev libavformat-dev libtiff5-dev  libswscale-dev libjasper-dev
ubuntu14.04的系统为 libtiff4-dev

4.到代码目录编译opencv源代码
$ cd opencv3.3/
$ mkdir build
$ cd build
执行
sudo cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local -D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib/modules PYTHON2_EXECUTABLE=/usr/bin/python2 PYTHON_INCLUDE_DIR=/usr/include/python2.7 PYTHON_LIBRARY=/usr/lib/x86_64-linux-gnu/libpython2.7.so PYTHON2_NUMPY_INCLUDE_DIRS=/usr/lib/python2.7/dist-packages/numpy/core/include/numpy ..
如果执行失败，请检查上述的命令中的目录是否存在。如果不存在，尝试安装或更改路径
sudo make -j4
sudo make install

5.安装完成后，配置pkg-config，用于管理opencv安装库
$ sudo gedit /etc/ld.so.conf
在文件的最后一行添加 include  /usr/local/lib
$ sudo ldconfig -v
$ export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
使用以下命令查看pkg-config配置信息： pkg-config --libs opencv

6.测试安装是否完成，测试程序采用opencv自带的sample：
$ cd ~/opencv3.3/samples/
$ cmake .
$ make
$ cd cpp/
里面就是刚刚make的文件，可以选择几个可执行文件进行执行，测试opencv是否安装成功。

7.查看python-opencv的版本
dell@dell-linux:~/opencv3.3/build$ python
Python 2.7.6 (default, Oct 26 2016, 20:30:19)
[GCC 4.8.4] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import cv2
>>> print cv2.__version__
3.3.1-dev

六、编译caffe
参考网站 http://www.jianshu.com/p/69a10d0a24b9
1. 解压源代码
cd soft
tar xvf caffe_src_171210.tar
mv caffe ../caffe171210
cd ../caffe171210
或者从Github克隆Caffe源码，但可能版本不一样导致编译失败
sudo apt install git
git clone https://github.com/BVLC/caffe.git

2. 修改配置文件makefile
打开 caffe 所在目录，找到Makefile.config.example文件，将其改名为Makefile.config，打开。
将# USE_CUDNN ：= 1一行开头的＃删除，在 MakeFile.config 中开启 cuDNN模式 。
将# OPENCV_VERSION ：= 3一行开头的＃删除，在 MakeFile.config 中开启 OPENCV3.3 。
执行命令编译：
make -j4
等待编译完成即可。
注意：如果出现以下错误
   ./include/caffe/util/hdf5.hpp:6:18: fatal error: hdf5.h: No such file or directory
解决方法如下：
在Makefile.config文件的第94行（行数可能会变），添加 /usr/include/hdf5/serial/ 到 INCLUDE_DIRS，也就是把下面第一行代码改为第二行代码。
    INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
    INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
在Makefile文件的第181行（行数可能会变），把 hdf5_hl 和hdf5修改为hdf5_serial_hl 和 hdf5_serial，也就是把下面第一行代码改为第二行代码。
    LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
    LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

3. 配置 caffe 环境
caffe 运行时需要调用 cuda 的库，我们在/etc/ld.so.conf.d目录下新建一个cafe.conf文件。
终端输入
$ sudo gedit /etc/ld.so.conf.d/caffe.conf
打开 gedit 。添加内容：
/usr/local/cuda/lib64
保存退出。
更新配置
$ sudo ldconfig
所有配置结束。

七、测试caffe
# cd ~/caffe
# sudo sh data/mnist/get_mnist.sh
# sudo sh examples/mnist/create_mnist.sh
# sudo sh examples/mnist/train_lenet.sh
感受1080开启cuDNN模式的强大吧！


八、安装tensorflow
https://www.tensorflow.org/install/install_linux

1. 不需要运行下面的命令
#sudo apt-get install libcupti-dev

2. Installing with virtualenv
$ sudo apt-get install python-pip python-dev python-virtualenv # for Python 2.7
$ sudo apt-get install python3-pip python3-dev python-virtualenv # for Python 3.n

3. Create a virtualenv environment by issuing one of the following commands:
virtualenv --system-site-packages ~/tensorflow-python2
virtualenv --system-site-packages -p python3 ~/tensorflow-python3
$ virtualenv --system-site-packages targetDirectory # for Python 2.7
$ virtualenv --system-site-packages -p python3 targetDirectory # for Python 3.n

4. Activate the virtualenv environment by issuing one of the following commands:
$ source ~/tensorflow/bin/activate
The preceding source command should change your prompt to the following:
   (tensorflow)$

5. Ensure pip ≥8.1 is installed:
   (tensorflow)$ easy_install -U pip

6. Issue one of the following commands to install TensorFlow in the active virtualenv environment:
(tensorflow)$ pip install --upgrade tensorflow     # for Python 2.7
(tensorflow)$ pip3 install --upgrade tensorflow    # for Python 3.n
(tensorflow)$ pip install --upgrade tensorflow-gpu  # for Python 2.7 and GPU
(tensorflow)$ pip3 install --upgrade tensorflow-gpu # for Python 3.n and GPU
pip3 install --upgrade tensorflow-gpu==1.4

7. Validate your installation
Start a terminal. Invoke python:
$ python
Enter the following short program inside the python interactive shell:
# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

8. Test tensorflow with GPU
$ python Test.py


9.在选定的GPU上运行
CUDA_VISIBLE_DEVICES=0 python Test.py
或者：
import os  
os.environ['CUDA_VISIBLE_DEVICES']='0'