Ubuntu16.04 14.04安装配置Caffe(GPU版)

Ubuntu16.04 14.04安装配置Caffe(GPU版)
caffe配置过程很长啊，坑非常多，没有linux基础的估计会香菇的。我参考了网上很多的帖子，基本上每个帖子都有或多或少的问题，研究很久最终配置成功。参考过的帖子太多，都记不太清来源了。为了对前人的感谢，特地写下我的配置过程，以供大家参考。可能我写的时候会有遗漏，还望多多包涵，共同探讨！

1. 安装相关依赖项
```
1 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
2 sudo apt-get install --no-install-recommends libboost-all-dev
3 sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
4 sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
```
2.安装NVIDIA驱动

(1) 查询NVIDIA驱动

首先去官网 http://www.nvidia.com/Download/index.aspx?lang=en-us 查看适合自己显卡的驱动（这里不要下载，用下载的驱动安装可能会出现循环登陆问题）

点击右边的search进入下载页面

可以看到我的显卡支持375

（2）安装驱动

在终端下输入：
```
sudo apt-get purge nvidia-*  //这是卸载以前的nvidia驱动
sudo add-apt-repository pa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-375
reboot //重启
```
完成后，电脑重启。

安装完成之后输入以下指令进行验证：
```
sudo nvidia-smi
```
若列出了GPU的信息列表则表示驱动安装成功。如下图：

3.安装CUDA

（1）下载CUDA

首先在官网上(https://developer.nvidia.com/cuda-downloads)下载CUDA：

（2）下载完成后执行以下命令（我用的是cuda7.5）：
```
1 sudo chmod 777 cuda_7.5.44_linux.run
2 sudo  ./cuda_7.5.44_linux.run
```
注意：执行后会有一系列提示让你确认，但是注意，有个让你选择是否安装nvidia367驱动时，一定要选择否：
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48?
因为前面我们已经安装了更加新的nvidia367，所以这里不要选择安装。其余的都直接默认或者选择是即可。

（3）环境变量配置

打开~/.bashrc文件：
```
sudo gedit ~/.bashrc
```
将以下内容写入到~/.bashrc尾部：
```
export PATH=/usr/local/cuda-7.5/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
```
在/etc/profile文件中添加CUDA环境变量：
```
sudo gedit /etc/profile
```
打开文档都在文档结尾加上下面两句：
```
1 PATH=/usr/local/cuda/bin:$PATH  
2 export PATH
```
保存后, 执行下列命令, 使环境变量立即生效：
```
source /etc/profile
```
同时添加lib库路径，在 /etc/ld.so.conf.d/新建文件 cuda.conf
```
sudo gedit /etc/ld.so.conf.d/cuda.conf
```
在文中加入下面内容：
```
/usr/local/cuda/lib64
```
执行下列命令使之立刻生效：
```
sudo ldconfig
```
(4)测试CUDA的samples
```
1 cd /usr/local/cuda-7.5/samples/1_Utilities/deviceQuery
2 make
3 sudo ./deviceQuery
```
如果显示一些关于GPU的信息，则说明安装成功。

nvcc –V 命令可查看版本

4.配置cuDNN(感觉我的有问题，我暂时没用这个，另外这个单独写了个教程)

cuDNN是GPU加速计算深层神经网络的库。

首先去官网 https://developer.nvidia.com/rdp/cudnn-download 下载cuDNN，需要注册一个账号才能下载。

我直接在网上下的cuda7.5的cudnn-7.5-linux-x64-v5.0.tgz

进行解压：
```
sudo tar -zxvf ./cudnn-7.5-linux-x64-v5.0.tgz
```
进入cuDNN5.0解压之后的include目录，在命令行进行如下操作：
```
1 cd cuda/include
2 sudo cp cudnn.h /usr/local/cuda/include  #复制头文件
```
再将进入lib64目录下的动态文件进行复制和链接：
```
1 cd ..
2 cd lib64
3 sudo cp lib* /usr/local/cuda/lib64/    #复制动态链接库
4 cd /usr/local/cuda/lib64/
5 sudo chmod +r libcudnn.so.5.0.5
6 sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5
7 sudo ln -sf libcudnn.so.5 libcudnn.so
8 sudo ldconfig
```
5.安装opencv3.1

从官网(http://opencv.org/downloads.html)下载Linux版Opencv

并将其解压到你要安装的位置，假设解压到了/home/opencv
```
1 unzip opencv-3.1.0.zip
2 sudo cp ./opencv-3.1.0 /home
3 sudo mv opencv-3.1.0 opencv
```
安装前准备，创建编译文件夹：
```
1 cd ~/opencv
2 mkdir build
3 cd build
```
配置：
```
1 sudo apt install cmake
2 sudo cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
```
编译：
```
sudo make -j8 
```
-j8表示并行计算，根据自己电脑的配置进行设置，配置比较低的电脑可以将数字改小或不使用，直接输make。

以上只是将opencv编译成功，还没将opencv安装，需要运行下面指令进行安装：
```
sudo make install
```
测试opencv:
```
1 mkdir ~/opencv-test  
2 cd ~/opencv-test  
3 gedit DisplayImage.cpp  
```
编辑如下代码：
```
 1 #include <stdio.h>  
 2 #include <opencv2/opencv.hpp>  
 3 using namespace cv;  
 4 int main(int argc, char** argv )  
 5 {  
 6     if ( argc != 2 )  
 7     {  
 8         printf("usage: DisplayImage.out <Image_Path>
");  
 9         return -1;  
10     }  
11     Mat image;  
12     image = imread( argv[1], 1 );  
13     if ( !image.data )  
14     {  
15         printf("No image data 
");  
16         return -1;  
17     }  
18     namedWindow("Display Image", WINDOW_AUTOSIZE );  
19     imshow("Display Image", image);  
20     waitKey(0);  
21     return 0;  
22 }  
```
创建CMake编译文件：
```
gedit CMakeLists.txt
```
写入如下内容：
```
cmake_minimum_required(VERSION 2.8)  
project( DisplayImage )  
find_package( OpenCV REQUIRED )  
add_executable( DisplayImage DisplayImage.cpp )  
target_link_libraries( DisplayImage ${OpenCV_LIBS} )  
```
编译：
```
1 cd ~/opencv-test  
2 cmake .  
3 make 
```
执行：

此时opencv-test文件夹中已经产生了可执行文件DisplayImage，随便从网上下载一张图片放在opencv-test文件夹下，此处下载了opencv.jpg，然后运行：
```
./DisplayImage opencv.jpg
```
结果是显示我下载的这张图像。

如果想用python调用opencv，安装python-opencv：
```
1 sudo apt-get install python-opencv  
2 sudo apt-get install python-numpy
```
打开python，import即可。

Ps：如果用cuda8.0，可能会出现以下错误：

这是因为opecv3.0与cuda8.0不兼容导致的。解决办法：修改～/opencv/modules/cudalegacy/src/graphcuts.cpp文件内容，如图：

其中
```
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)||(CUDART_VERSION>=8000)
```
是我们修改的。

6.配置caffe

（1）https://github.com/BVLC/caffe下载caffe

下载完成后，会在家目录下的下载里找到caffe-master.zip，用unzip命令解压到家目录下，然后重命名为caffe.

（2）复制Makefileconfig
```
sudo cp Makefile.config.example Makefile.config
```
（3）打开并修改配置文件：
```
sudo gedit Makefile.config #打开Makefile.config文件 
```
根据个人情况修改文件：

a.若使用cudnn，则
将
```
#USE_CUDNN := 1
```
修改成：
```
USE_CUDNN := 1
```
b.若使用的opencv版本是3的，则
```
#OPENCV_VERSION := 3 
```
修改为：
```
OPENCV_VERSION := 3
```
c.若要使用python来编写layer，则
```
#WITH_PYTHON_LAYER := 1 
```
修改为
```
WITH_PYTHON_LAYER := 1
```
d.重要的一项 :

将# Whatever else you find you need goes here. 下面的
```
1 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
2 LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
```
修改为：
```
1 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
2 LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial  
```
（4）修改makefile文件

打开makefile文件，做如下修改：（这个不知道有没有用，这一步感觉没作用）
将：
```
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
```
替换为：
```
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
```
接下来是针对安装opencv3.0.0版本的同学而言的，对于3.0.0之前的版本不需要修改：

在位置（(LIBRARIES+= glog gflags protobuf leveldb snappy lmdbboost_system hdf5_hl hdf5 m
opencv_coreopencv_highgui opencv_imgproc opencv_imgcodecs)）处添加opencv_imgcodecs

这一步非常重要，否则编译后会出现错误如下：
```
CXX/LD-o.build_release/tools/convert_imageset.bin
.build_release/lib/libcaffe.so:undefined reference tocv::imread(cv::String const&,int)'.build_release/lib/libcaffe.so: undefined referencetocv::imencode(cv::String const&, cv::_InputArray const&,std::vector >&, std::vector > const&)'
```
原因就是opencv3.0.0把imread相关函数放到imgcodecs.lib中了，而非原来的imgproc.lib。

（If you input "make all",the problem is the same again.But if you delete all the file in build(rm -rf ./build/*) before "make all"(I use make clean ),you will success.I just success）

（5）编辑/usr/local/cuda/include/host_config.h（不知道有没有用，这一步我看到有帖子改了，但大多数没改这个）

将其中的第115行注释掉：
```
#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
```
改为
```
//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
```
（6）编译
```
make all –j8
make test –j8
make runtest –j8
```
7.编译pycaffe

在caffe根目录的python文件夹下，有一个requirements.txt的清单文件，上面列出了需要的依赖库，按照这个清单安装就可以了。

在安装scipy库的时候，需要fortran编译器（gfortran)，如果没有这个编译器就会报错，因此，我们可以先安装一下。

首先回到caffe的根目录，然后执行安装代码：
```
1 cd ~/caffe
2 sudo apt-get install gfortran
3 cd ./python
4 for req in $(cat requirements.txt); do pip install $req; done
```
安装完成以后，再次回到caffe根目录我们可以执行：
```
1 cd ..
2 sudo pip install -r python/requirements.txt
```
就会看到，安装成功的，都会显示Requirement already satisfied, 没有安装成功的，会继续安装。

编译python接口:
```
make pycaffe  -j8
```
配置环境变量，以便python调用：
```
sudo gedit ~/.bashrc
```
将export PYTHONPATH=/home/caffe/python:$PYTHONPATH添加到文件中
```
source ~/.bashrc
```
相关阅读:
rails 相关文件
 linux学习---vi进行多行的copy,cut
设计
 互联网---现在正在变成过去
 testing
TTl
如何成为优秀的性能测试工程师
 linuX学习
 Programiz 中文系列教程·翻译完成
 Programiz C 语言教程·翻译完成
原文地址：https://www.cnblogs.com/go-better/p/7161006.html

热门文章
SRM 587 DIV1
SGU 101 修改
 SGU 101
SGU 168
SGU 130
一个小证明
 SRM 585 DIV1 L2
SRM 586 DIV1 L1
我不能这样了
 ruby 视频

Ubuntu16.04 14.04安装配置Caffe(GPU版)

1. 安装相关依赖项

2.安装NVIDIA驱动

3.安装CUDA

4.配置cuDNN(感觉我的有问题，我暂时没用这个，另外这个单独写了个教程)

5.安装opencv3.1

6.配置caffe

7.编译pycaffe