Ubuntu 1604 + cuda8.0 + caffe

经过长期的验证,本博客装caffe成功,为了方便大家和自己,记录下来,给后来者参考

1、安装依赖包

2、 禁用 原显卡驱动 nouveau

3、下载cuda8.0

4、安装cuda8.0

5、安装cudnn

6、配置环境变量

7、安装opencv

8、安装caffe

9、安装pycaffe 接口环境

第一步 安装依赖包

安装后续步骤或换环境所需要的依赖包和工具,依次输入:

1 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler
2
3 sudo apt-get install --no-install-recommends libboost-all-dev
4
5 sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
6
7 sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
8
9 sudo apt-get install git cmake build-essential libopencv-dev

有一定几率安装失败导致后面步骤出现问题,要确保安装成功,验证方法是重新运行命令

第二步  禁用nouveau

每个Ubuntu装好以后,会自带显卡驱动 nouveau ,只有禁用掉 nouveau 后才能够安装NVIDIA 显卡驱动,禁用方法就是在 /etc/modprobe.d/blacklist-nouveau.conf 文件中添加一条禁用命令,用一下命令打开,必须用管理员权限才能写入:

1 sudo gedit /etc/modprobe.d/blacklist-nouveau.conf

打开后发现该文件中没有任何内容,其实这个文件是自己建的配置文件,写入:

1 blacklist nouveau option nouveau modeset=0

保存退出后,要执行一下命令时配置文件禁用 nouveau 真正生效:

1 sudo update-initramfs -u

也可以重新启动,重启后会发现桌面分辨率出问题,原因是没有显卡驱动

第三步 下载cuda 8.0

进入 https://developer.nvidia.com/cuda-downloads ,依次选择 CUDA 类型然后下载即可。

第四步 安装cuda8.0

第四步下载的1.4G的 CUDA中包含有 nvidia 显卡驱动,故此步骤 CUDA 的安装包括了 nvidia 显卡驱动的安装,此时注意你是否已经安装过 nvidia 显卡驱动,若无法保证已安装的 nvidia 显卡驱动一定正确,那就卸载掉之前安装的 nvidia 显卡驱动,然后开始安装 CUDA 8.0;若可以保证已安装正确的 nvidia 显卡驱动,则直接开始安装 CUDA 8.0,在安装过程中选择不再安装 nvidia 显卡驱动。

<卸载驱动的方法>

通过附加驱动安装显卡驱动后有些不满意需要换驱动首先要卸载驱动 以我安装的nvidia-331-updates为例如果你安装的其它版本,请自行更改命令
sudo apt-get remove --purge nvidia-*

如果安装的是官网下载的驱动则重新运行run文件来卸载

sh ./nvidia.run --uninstall

</卸载驱动的方法>

通过Ctrl + Alt + F1 进入文本模式,输入帐号密码登录,通过 Ctrl + Alt + F7 可返回图形化模式,在文本模式登录后首先关闭桌面服务:

1 sudo service lightdm stop

然后通过 Ctrl + Alt + F7 发现已无法成功返回图形化模式,说明桌面服务已成功关闭,注意此步对接下来的 nvidia 驱动安装尤为重要,必需确保桌面服务已关闭。

Ctrl + Alt + F1 进入文本模式,然后运行 CUDA 安装文件进行安装,直接通过 sh 命令运行安装文件即可:

1 cd 下载cuda的目录
2
3 chmod +x cuda_名字.run
4
5 sudo ./cuda_名字 .run

执行此命令约1分钟后会出现 0%信息,此时长按回车键让此百分比增长,直到100%,然后按照提示操作即可,先输入 accept ,然后让选择是否安装 nvidia 驱动,这里的选择对应第5步开头,若未安装则输入 “y”,若确保已安装正确驱动则输入“n”。

剩下的选择则都输入“y”确认安装或确认默认路径安装,开始安装,此时若出现安装失败提示则可能为未关闭桌面服务或在已安装 nvidia 驱动的情况下重复再次安装 nvidia 驱动,安装完成后输入重启命令重启:

1 sudo reboot

第五步 配置环境变量

重启后登录进入系统,配置 CUDA 环境变量,与第3步相同,使用 gedit 命令打开配置文件:

1 sudo gedit ~/.bashrc

在该文件最后加入以下内容并保存:

1 export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
2
3 export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
4
5 export PATH=/usr/local/cuda-8.0/bin:$PATH
6
7 export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

是该配置生效

1 source ~/.bashrc

验证cuda安装是否成功

1 cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
2
3 sudo make
4
5 ./deviceQuery

第六步 安装cudnn

登录官网:https://developer.nvidia.com/rdp/cudnn-download ,下载对应 cuda 版本且 linux 系统的 cudnn 压缩包,注意官网下载 cudnn 需要注册帐号并登录

下载完成后解压,得到一个 cuda 文件夹,该文件夹下include 和 lib64 两个文件夹,命令行进入 cudn/include 路径下,然后进行以下操作:

1 sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件

然后命令行进入 cudn/lib64 路径下,运行以下命令:

1 sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库
2
3 cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件
4
5 sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成软衔接
6
7 sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接

注意生成软连接这里,一定要对应自己下载的cudnn版本 是5.1.10 还是其他

第七步 安装opencv

进入官网 : http://opencv.org/releases.html , 选择 3.1.0 版本的 source , 下载 opencv-3.1.0.zip

解压到你要安装的位置,命令行进入已解压的文件夹 opencv-3.1.0 目录下,执行:

1 mkdir build # 创建编译的文件目录
2
3 cd build
4
5 cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
6
7 make -j8  #编译

在执行 make -j8 命令编译到 92% 时可能会出现以下错误:

1 modules/cudalegacy/src/graphcuts.cpp:120:54: error:
2 ‘NppiGraphcutState’ has not been declared
3 typedef NppStatus (*init_func_t)(NppiSize oSize,
4 NppiGraphcutState** ppState, Npp8u* pDeviceMem);

这是由于opecv3.1与cuda8.0不兼容导致的。解决办法:

修改 /opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp 文件内容,如图:

编译成功后安装:

1 sudo make install #安装

安装完成后通过查看 opencv 版本验证是否安装成功:

1 pkg-config --modversion opencv

第八步 安装caffe

首先在你要安装的路径下 clone :

1 git clone https://github.com/BVLC/caffe.git

进入 caffe ,将 Makefile.config.example 文件复制一份并更名为 Makefile.config ,也可以在 caffe 目录下直接调用以下命令完成复制操作 :

1 sudo cp Makefile.config.example Makefile.config

复制一份的原因是编译 caffe 时需要的是 Makefile.config 文件,而Makefile.config.example 只是caffe 给出的配置文件例子,不能用来编译 caffe。

然后修改 Makefile.config 文件,在 caffe 目录下打开该文件:

1 sudo gedit Makefile.config

修改 Makefile.config 文件内容:

1.应用 cudnn

1 将
2 #USE_CUDNN := 1
3 修改成:
4 USE_CUDNN := 1

2.应用 opencv 版本

1 将
2 #OPENCV_VERSION := 3
3 修改为:
4 OPENCV_VERSION := 3

3.使用 python 接口

1 将
2 #WITH_PYTHON_LAYER := 1
3 修改为
4 WITH_PYTHON_LAYER := 1

4.修改 python 路径

1 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
2 LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
3 修改为:
4 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
5 LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial

OK ,可以开始编译了,在 caffe 目录下执行 :

1 make all -j8

这是如果之前的配置或安装出错,那么编译就会出现各种各样的问题,所以前面的步骤一定要细心。

编译成功后可运行测试:

1 sudo make runtest -j8

如果显示结果为上图所示,则表示 caffe 已经成功安装。

第九步 配置pycaffe

在上一步成功安装 caffe 之后,就可以通过 caffe 去做训练数据集或者预测各种相关的事了,只是如果用到自己实现的python层,需要pycaffe接口

首先编译 pycaffe :

1 cd caffe
2
3 sudo make pycaffe -j8

编译出错可能是没有安装python必要的包,如numpy

1 sudo apt-get install python-numpy

编译 pycaffe 成功后,验证一下是否可以在 python 中导入 caffe 包,首先进入 python 环境:

1 python2 import caffe

报  File "<stdin>", line 1, in <module> ImportError: No module named caffe 错误

解决办法:

1 gedit ~/.bashrc
2
3 export PYTHONPATH="~/caffe/python"
4
5 source ~/.bashrc

如果出现 ImportError: No module named skimage.io 错误

1 pip install -U scikit-image #若没有安装pip: sudo apt install python-pip
时间: 2024-10-30 01:51:41

Ubuntu 1604 + cuda8.0 + caffe的相关文章

win10 + gtx1060 + cuda8.0 + caffe + vs2013

1. 安装cuda8.0 1)先去官网下载cuda8.0  https://developer.nvidia.com/cuda-toolkit 2)下载完之后进行安装,安装时间有点长,请耐心等待,默认是安装在c盘目录下 安装完后会生成两个系统变量: CUDA_PATH C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0 CUDA_PATH_V8_0 C:\Program Files\NVIDIA GPU Computing Toolki

win10 + cuda8.0 + caffe SSD + vs2015 + python3

一.下载 git clone https://github.com/runhang/caffe-ssd.git cd caffe-ssd 1. 修改 build_win.cmd if !PYTHON_VERSION! EQU 2 ( set CONDA_ROOT=C:\Anaconda2 ) :: Set python 3.5 with conda as the default python if !PYTHON_VERSION! EQU 3 ( set CONDA_ROOT=C:\Anacon

Ubuntu 16.04系统下CUDA8.0配置Caffe教程

由于最近安装了Ubuntu 16.04,本文教程的特点是不需要降级gcc的版本,毕竟cuda8.0已经支持gcc5以上(默认不支持,实际支持). 本文是在参考caffe官网教程以及http://www.linuxidc.com/Linux/2015-07/120449.htm结合自己总结经验而来,对此表示感谢. Ubuntu 14.04安装Nvidia CUDA7.5并搭建Python Theano深度学习开发环境http://www.linuxidc.com/Linux/2015-09/123

Ubuntu 14.04(x64) 安装cuda8.0

由于之前已经在Ubuntu 14.04 x64上面安装cuda7.0+caffe, 并且已经配置好,caffe也已经跑通. 但是最近需要使用Torch,而Torch对cuda的要求是8.0,因此决定对cuda的版本进行升级,以满足Torch平台的需求. 而最新版的caffe也已经支持cuda8.0. 话不多说,开始安装cuda8.0. 显卡:GeForce GTX TITAN X 系统:Ubuntu 14.04(x_64) CUDA:cuda_8.0.61_375.26_linux.run cu

ubuntu16.04+cuda8.0+cudnn5.0+caffe

ubuntu安装过程(硬盘安装)http://www.cnblogs.com/zhbzz2007/p/5493395.html"但是千万不要用麒麟版!!!比原版体验要差很多!!!"开关机的时候电脑最上面 有一行 提示 一晃即过,/dev/sda6: clean(未知,单没关系)http://blog.csdn.net/xuezhisdc/article/details/48649575(意义) 1.教程1http://blog.csdn.net/zwyjg/article/detail

ubuntu14.04 + cuda8.0 + cudnnv5 + caffe + py-faster-rcnn配置

经过几天的奋战终于配置好了如题所述的配置,现在把配置大体过程写下来供大家配置时参考(由于电脑硬件和系统的千差万别,实在不适合写详细的) (一切不声明配置环境的配置教程都是耍流氓) 环境: Inter集显 + gtx1070独显 ubuntu14.04LTS(ubuntu系统,若两个显卡驱动同时存在会起冲突,貌似关掉什么lightdm可以解决,我就不折腾了,安装好n卡驱动后我就在BIOS中关掉集显只用独显) cuda_8.0.61_375.26_linux.run   cudnn-8.0-linu

ubuntu16.04 安装配置matlab ,python ,cuda8.0,cudnn,opencv3.1的caffe环境

网络上有很多ubuntu上caffe配置环境的帖子,本人照着其中的许多进行了参考,都出现了或多或少的错误,很多地方也有差异. 于是自己整理了下自己的安装过程,成功进行了测试,跑通了faster-rcnn.配置环境时间为2017.1.4 系统ubuntu16.04 一:显卡驱动的安装: 由于要使用GPU,所以先要查看自己显卡所匹配的显卡驱动,网址:http://www.nvidia.com/Download/index.aspx%3Flang=en-us 选择电脑匹配的显卡驱动,本人电脑显卡为GT

Ubuntu16.04 +cuda8.0+cudnn+caffe+theano+tensorflow配置明细

本文为原创作品,未经本人同意,禁止转载,禁止用于商业用途!本人对博客使用拥有最终解释权 欢迎关注我的博客:http://blog.csdn.net/hit2015spring和http://www.cnblogs.com/xujianqing 本文主要是介绍在ubuntu16.04下,怎么配置当下流行的深度学习框架,cuda8.0+cudnn+caffe+theano+tensorflow 安装英伟达显卡驱动 首先去官网上查看适合你GPU的驱动 (http://www.nvidia.com/Do

ubuntu14.04+cuda8.0(GTX1080)+caffe安装

1. ubuntu14.04安装 分区:usr/local 300G boot 200M / 根目录 300G 交换空间 20G (内存16G) 其余都是/home 重装之后,下载NVIDIA-Linux-x86_64-367.27.run,下载地址为:http://www.geforce.cn/drivers/results/104314 将其与cuda_8.0.27_linux.run(下载地址为:https://developer.nvidia.com/cuda-toolkit 不过需要注