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-linux-x64-v5.1   opencv-3.0.0-rc1   NVIDIA-Linux-x86_64-367.44.run(注意!务必选和自己硬件环境相适应的软件版本,nvidia软件的兼容性实在不敢恭维。。比如,这里由于我是10系列的显卡,则必须用cuda8.0,不能用cuda7.5,不要问我怎么知道的,cudnn也是最好用v5,没试过v4)

参考博客:http://blog.csdn.net/baidu_32173921/article/details/53510764(我基本是按照这个博客来配置的)

http://blog.csdn.net/ai_smith/article/details/53000973

http://blog.csdn.net/samylee/article/details/50922601

一、配置caffe

然后先说一下大致的配置流程:1.装opencv3.0(因为先装cuda再装opencv会起冲突,所以先装它),参照:http://www.cnblogs.com/zf-blog/p/6649612.html;

2.先安装cuda再安装nvidia驱动(先装驱动再安装cuda容易起冲突),一定要在命令行界面安装,参照这篇博客:http://blog.csdn.net/baidu_32173921/article/details/53510764(很详细),其中安装驱动时如下:

否则有可能陷入循环登录界面;之前是在集显开的环境下安装了ubuntu14.04,现在安装了n卡驱动,再登录时屏幕分辨率会有问题(Ubutntu貌似不支持双显卡驱动),所以我关掉了集显只用独显就好了。

安装之后一定要测试一下一下驱动和cuda有没有安装成功,网上有很多教程,nvidia-smi命令测试驱动,还有一个测试cuda的不记得了。。

3.安装cudnn,参考:http://blog.csdn.net/baidu_32173921/article/details/53510764

http://blog.csdn.net/ai_smith/article/details/53000973

http://blog.csdn.net/samylee/article/details/50922601

4.现在就是开始配置caffe了,先安装各种依赖项等等,这里注意一下python最好选用系统自带的,anaconda虽然集成了很多,但依然不足,而且容易与系统自带的Python起冲突,我建议用系统自带的Python,IDE可以下载jupyter notebook就行了,后面的步骤网上都有我就不说了,但要注意一下就是make runtest最好能通过,它能保证你的caffe是完好的;编译的过程中大家应该都会出各种各样的错误,我这儿就不说了,因为每个人硬件和软件环境的不同产生的问题都不一样,问题一样可能解决方法也不一样,建议百度,能FQ的尽量google,国外网上的解答质量真的非常高!配置好caffe后跑了一下Imagenet网络,速度真心快。。。

二、配置py-faster-rcnn

然后来配置py-faster-rcnn,参照:http://blog.csdn.net/samylee/article/details/51086153

这里注意一点就是,由于github上的caffe已经可以支持cudnnv5了,但py-faster-rcnn还不能支持cudnnv5,只能支持v4,所以在make all时会出错。解决方法是利用git merge将github上的caffe合并到py-faster-rcnn中的caffe中,具体可参照:http://blog.csdn.net/10km/article/details/62418583   ,这里使用git merge命令时可能会出现下面的问题:

那么就在主目录下执行:

名字可以自己改,其他形式不要改,然后再merge就行了,后面就按照上面博客http://blog.csdn.net/10km/article/details/62418583中的来就行了。然后再重新编译(make clean)一步一步来,最后在make runtest时会可能会出错,说找不到vision_caffe.hpp文件,鉴于它是test文件中的,可能是因为合并caffe版本时出了一点小问题,但我后来试了不影响,最后运行demo,如下(不贴图片了):

时间: 2024-10-07 02:01:32

ubuntu14.04 + cuda8.0 + cudnnv5 + caffe + py-faster-rcnn配置的相关文章

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

Ubuntu16.04+cuda8.0+cuDNNV5.1 + Tensorflow+ GT 840M安装小结

最近重装系统,安装了tensorflow的配置环境 总结一下. 参考资料http://blog.csdn.net/ZWX2445205419/article/details/69429518http://blog.csdn.net/u013294888/article/details/56666023http://www.2cto.com/kf/201612/578337.htmlhttp://blog.csdn.net/10km/article/details/61915535 NVIDIA驱

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

ubuntu16.04 cuda8.0 opencv3.2.0 caffe安装

安装过程 1.安装相关依赖项 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install --no-install-recommends libboost-all-dev sudo apt-get install libopenblas-dev liblapack-dev libat

Caffe系统搭建 —— Ubuntu14.04 + CUDA7.0 + opencv3.0

从Hinton在science上发表深度学习训练开创新的文章以来,深度学习火了整整有3年多,而且随着新的硬件和算法的提出,深度学习正在应用于越来越多的领域,发挥其算法的优势. 实验室并没有赶上第一波深度学习热,但是让人高兴的是最近终于配了一台超级电脑,虽说和谷歌.百度几百个上千个GPU跑算法的设备不能比,但是好歹终于有了搭建自己的深度学习平台,想想还很是兴奋.最近这几天忙着搭建深度学习平台,把现在最火的Caffe框架代码跑通,从最初对ubuntu的菜鸟到现在顺利搭建起深度学习平台,中间走了很多弯

Ubuntu16.04 + cuda8.0 + GTX1080安装教程

1. 安装Ubuntu16.04 不考虑双系统,直接安装 Ubuntu16.04,从 ubuntu官方 下载64位版本: ubuntu-16.04-desktop-amd64.iso . 在MAC下制作了 Ubuntu USB 安装盘,具体方法可参考: 在MAC下使用ISO制作Linux的安装USB盘 ,之后通过Bios引导U盘启动安装Ubuntu系统: 1)一开始安装就踩了一个坑,选择”Install Ubuntu”回车后过一会儿屏幕显示“输入不支持”,google了好多方案,最终和ubunt

深度学习(TensorFlow)环境搭建:(三)Ubuntu16.04+CUDA8.0+cuDNN7+Anaconda4.4+Python3.6+TensorFlow1.3

紧接着上一篇的文章<深度学习(TensorFlow)环境搭建:(二)Ubuntu16.04+1080Ti显卡驱动>,这篇文章,主要讲解如何安装CUDA+CUDNN,不过前提是我们是已经把NVIDIA显卡驱动安装好了 一.安装CUDA CUDA(Compute Unified Device Architecture),是英伟达公司推出的一种基于新的并行编程模型和指令集架构的通用计算架构,它能利用英伟达GPU的并行计算引擎,比CPU更高效的解决许多复杂计算任务,想使用GPU就必须要使用CUDA.

Ubuntu16.04+cuda8.0+cudnn6.0+tensorflow1.3

安装时参考了https://www.jianshu.com/p/69a10d0a24b9 但由于版本不同,这里主要记录安装包路径, 一些注意事项,和基本过程. CUDA8.0下载地址:https://developer.nvidia.com/cuda-80-ga2-download-archive 选择runfile类型 打开下载目录,然后: 1.sudo sh cuda_8.0.61_375.26_linux.run 注意:在安装时 Install NVIDIA Accelerated Gra