Ubuntu14.04+Anaconda+Cuda+Cudnn+Caffe环境搭建配置

---

安装前需验证是否支持GPU加速：

nvidia-smi

1.安装Anaconda
URL : https://www.continuum.io/downloads/

wget https://repo.continuum.io/archive/Anaconda2-4.3.1-Linux-x86_64.sh

下载成功后，在终端执行：

bash Anaconda2-4.3.1-Linux-x86_64.sh

在安装过程中，会问安装路径，按回车即可。询问是否添加到~/.bashrc中，回复yes即可。
安装完成后，source一下~/.bashrc，执行命令如下：

source ~/.bashrc

随后，输入如下命令可即查看已经安装完成的库：

conda list

注意： Anaconda2默认支持python2.7，如果安装的是Anaconda3默认支持python3，可以使用如下命令创建python2.7的环境：

conda create -n testcaffe python=2.7

创建完环境需要进入这个环境，使用如下命令：

source activate testcaffe

也可以使用如下命令，退出所创建的环境：

source deactivate

2.安装Cuda

安装显卡驱动
禁用nouveau驱动：
按Ctrl+Alt+F1 进入tty1控制台，输入

sudo vim /etc/modprobe.d/blacklist-nouveau.conf

在里面写上

blacklist nouveauoptions nouveau modeset=0

按esc 输入:wq 保存退出
执行

lspci | grep nouveau

什么都没有说明禁用成功。
重启后登录时，可能会循环出现填写登录密码，不能进入系统的情况，按Ctrl+Alt+F1，登录，
卸载显卡方法：

sudo apt-get remove --purge nvidia*   

安装显卡驱动：

$ sudo add-apt-repository ppa:xorg-edgers/ppa
$ sudo apt-get update
$ sudo apt-get install nvidia-352

执行sudo start lightdm 输入密码能看到桌面就ok啦

安装Cuda8.0
首先在官网上下载安装文件https://developer.nvidia.com/cuda-downloads

运行下载好的 run file （假设 cuda_8.0.44_linux.run 在home目录下）。
$ sudo sh cuda_8.0.44_linux.run
注意：不要自动安装驱动：

install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?
(y)es/(n)o/(q)uit: n

一路回车即可。
验证是否安装成功：
输入 ls /dev/nvidia* ，若生成 4 个左右 Nvidia 开头的文件（夹），说明此步安装成功。此时已经安装好显卡驱动和CUDA 8.0。输入$ nvidia-smi可查看显卡驱动和其他信息。

配置环境变量
输入$ sudo gedit /etc/profile，打开 gedit ，最后两行输入

保存退出，环境变量配置完成。
验证是否完成

nvidia-smi 

显示：

nvcc –V

显示：
nvcc -V nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2016
NVIDIA Corporation Built on Wed_May__4_21:01:56_CDT_2016 Cuda
compilation tools, release 8.0, V8.0.26

cd /home/…/NVIDIA_CUDA-8.0_Samplesmake 

3.安装Cudnn
https://developer.nvidia.com/cudnn下载安装包（需先注册）
按顺序输入以下代码：

$ cd ~
$ sudo tar xvf cudnn-8.0-linux-x64-v5.1.tgz
$ cd cuda/include
$ sudo cp *.h /usr/local/include/
$ cd ../lib64
$ sudo cp lib* /usr/local/lib/
$ cd /usr/local/lib# sudo chmod +r libcudnn.so.5.1.5
$ sudo ln -sf libcudnn.so.5.1.5 libcudnn.so.5
$ sudo ln -sf libcudnn.so.5 libcudnn.so
$ sudo ldconfig

4.安装Caffe
(1) 下载 caffe
在家目录执行 $ git clone https://github.com/BVLC/caffe.git，~下生成文件夹 caffe。
(2) 安装依赖
$ 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
(3) 编译 caffe
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，保存。
在 MakeFile.config 中开启 cuDNN模式
打开终端，输入

cd ~/caffemake -j

等待编译完成即可。
注意：编译需要非常大的内存和非常长的时间。一般情况下不会报错。
(4) 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
运行测试

make cleanmake all –j8make test –j8make runtest –j8

没有出错即安装成功
测试MNIST数据集

$ cd caffe$ sh data/mnist/get_mnist.sh（下载数据集，二进制文件）$ sh examples/mnist/create_mnist.sh（转换成lmdb格式，caffe只识别lmdb和leveldb格式，得到mnist_train_lmdb和mnist_test_lmdb两个数据集）$ examples/mnist/train_lenet.sh（训练）

所有配置结束。
错误解析：
1.执行$ sh data/mnist/get_mnist.sh时，若出现类似某某文件找不到时，可以尝试重建build文件：
$ cd caffe
$ sudo mkdir build
$ cd build
$ cmake ..
$ sudo make
2.错误：cuda driver version insufficient for runtime
解决办法：重新安装显卡驱动（相匹配的较高版本）
3.错误：check failed:status==CUDNN_STATUS_SUCCESS(6VS.0)
解决办法：GPU的加速性能不够，CUDNN只支持CUDA Capability 3.0以上的GPU加速，需将Makefile.config文件中的

CPU_ONLY=1改为CPU_ONLY=1

4.卸载旧驱动
$ sudo apt-get –purge remove nvidia-*
$ sudo apt-get –purge remove xserver-xorg-video-nouveau
5.授权问题