Ubuntu16.04_Cuda8.0_CUDNN6.0_caffe_tensorflow

---

本文主要包含如下内容：

---

Ubuntu检查更新并安装显卡驱动

---

  一旦安装完系统，第一步需要做的就是检查更新。（安全性，稳定性及bug修复）

• 在Unity Dash中启动软件更新工具
• 点击按钮检查更新
• 安装一部分或全部所有列出的更新
• 安装显卡驱动GPU（graphics processing unit）

  若显卡驱动安装不成功，请参考博客

---

更新补丁

---

  安装完系统之后，需要更新一些补丁。

  在终端中，输入以下命令：
  sudo apt-get update
  用于对当前系统的可用更新列表进行更新。（更新依赖）

  sudo apt-get upgrade
  会把本地已安装的软件，与刚下载的软件列表里对应软件进行对比，如果发现已安装的软件版本太低，就会提示你更新。（更新软件）

---

安装 OpenCV2.4.13

---

  OpenCV2.4.13下载地址

    sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libdc1394-22-dev libatlas-base-dev gfortran

  将下载源添加至系统源（添加依赖）

  配置opencv，在这里使用cmake-gui进行配置，后面会介绍。先安装cmake-gui：
   sudo apt-get install cmake-qt-gui
   cmake-qt-gui（安装软件）

  解压这个下载的文件，在解压后的文件夹下新建一个opencv-debug文件夹：
  unzip opencv-2.4.13.zip最好解压到/Home/下面
  cd opencv-2.4.13/
  mkdir opencv-debug
  cd opencv-debug/

  配置cmake,执行如下命令:
  cmake-gui
  点击configure出现下面的界面，cmake中configure的作用就是能够读出系统已经安装的相关文件，然后进行generate：

  编译安装,编译时间可能有点长，耐心等待。还是在刚刚的cd的那个文件夹opencv2-4-13-debug下执行：
  make -j8

  安装opencv,安装时间可能有点长，耐心等待。
   sudo make install

  环境变量配置，安装成功后还需要设置opencv的环境变量,打开文件
   sudo gedit /etc/profile
  在最后一行输入如下内容：
   export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig:$PKG_CONFIG_PATH

  执行下列命令,使环境变量立即生效:
   source /etc/profile

  设置lib库路径，打开文件
  sudo gedit /etc/ld.so.conf.d/opencv.conf
  opencv的库一般安装在’/usr/local/lib’文件夹下，在文件内添加
  /usr/local/lib

  执行下列命令使之立刻生效
   sudo ldconfig

  经过上面的流程，这样就可以在eclipse里或者qtcreator里用opencv了。 不过要配置号相应的路径和lib文件。

  验证是否安装成功
  对opencv的sample进行编译并运行，依次执行如下代码

    cd opencv-2.4.13/samples/c    ./build_all.sh    ./facedetect --cascade="/usr/local/share/OpenCV/haarcascades/haarcascade_frontalface_alt.xml" --scale=1.5 lena.jpg

  如果出现lena的图片就证明成功了！

---

安装 cuda8.0

---

  CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。

  下载地址

  进到你下载好的cuda的run文件目录，运行如下命令：
  sudo sh cuda_8.0.61_375.26_linux.run

  这时便进入的声明的界面，你可以连续按Ctr+f向下阅读直到结尾，选择接受与否；
  输入接受：accept 然后回车。具体应该怎么输入请按照如下图片的指示来操作：

  如果出现下图的结果，表明你已经安装成功了，虽然有一个警告和一个特别注意但是不影响结果。

  下载的例子里面是缺少一些支持库的，现在我们安装这些库：
  sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

  打开.bashrc来进行配置，命令如下:
  sudo gedit ~/.bashrc
  并将如下的几行内容复制的到.bashrc文件的最下面:

    export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}    export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}    CUDA_HOME=/usr/local/cuda

  然后设置环境变量和动态链接库，在命令行输入：
  sudo gedit /etc/profile
  在打开的文件末尾加入：
  export PATH=/usr/local/cuda-8.0/bin:$PATH
  export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

  保存之后，创建链接文件：
  sudo gedit /etc/ld.so.conf.d/cuda.conf
  在打开的文件中添加如下语句：
  /usr/local/cuda/lib64

  现在就开始测试一下看看cuda是否安装成功吧！输入如下命令打开测试的代码位置：
  cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
  编译这些代码：
  sudo make -j8
  执行代码:
  ./deviceQuery
  nvcc -V

  如果出现如下结果—显卡的配置信息，恭喜你，这就证明你成功的安装了cuda

---

安装 cuDNN6.0

---

  cuDNN下载地址

  下载后解压
  在终端中，输入以下命令：
  tar -xvf cudnn-8.0-linux-x64-v6.0.tgz

  执行如下操作：
  cd cuda/include/
  sudo cp cudnn.h /usr/local/cuda/include/
  cd ../lib64/
  sudo cp lib* /usr/local/cuda/lib64/

  进行软连接，文件名要和自己的对上
  cd /usr/local/cuda/lib64/
  sudo rm -rf libcudnn.so libcudnn.so.6
  sudo ln -s libcudnn.so.6.0.21 libcudnn.so.6
  sudo ln -s libcudnn.so.6 libcudnn.so

---

安装 Caffe

---

  Caffe下载地址

  下载后解压,你会看到其中有一个文件叫Makefile.config.example这个文件是官方给出了编译的“模板”，我们可以直接拿过来小小的修改一下就行。复制下面的命令把名字改为Makefile.config
  在终端中，输入以下命令：
  sudo cp Makefile.config.example Makefile.config

  打开这个文件并且修改
  sudo gedit Makefile.config

• 若使用cudnn，则将#USE_CUDNN := 1修改成:USE_CUDNN := 1
• 若使用的opencv版本是２的，则将#OPENCV_VERSION := ３ 修改为:OPENCV_VERSION := ２
• 若要使用python来编写layer，则将#WITH_PYTHON_LAYER := 1修改为WITH_PYTHON_LAYER := 1
• 要是你是用的anaconda的话，还需要改一些地方

  把之前的PYTHON_INCLUDE加上注释，把ANACONDA_HOME以及下面的PYTHON_INCLUDE 都去掉，并且改为如下图最终的样子。注意：ANACONDA_HOME后面是anaconda的安装位置，根据自己的情况不同而不同。其中$(HOME)就是你的家目录
  

  

• 将# Whatever else you find you need goes here下面的

  INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include

  LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib

  修改为：

    INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serialLIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial

• 修改makefile文件

  在终端中，输入以下命令：
  sudo gedit Makefile
  在Makefile文件的第大概409行,将：
  NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
  替换为：
  NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
  
  在Makefile文件的第大概181行,将：
  LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
  改为：

    LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

• 编辑host_config.h文件

  在终端中，输入以下命令：
  sudo gedit /usr/local/cuda/include/host_config.h
  将其中的第119行注释掉：
  #error-- unsupported GNU version! gcc versions later than 5 are not supported!
  改为：
  //#error-- unsupported GNU version! gcc versions later than 5 are not supported!
  

• 安装：

  在终端中，输入以下命令：
  sudo apt-get install libatlas-base-dev
  sudo apt-get install libprotobuf-dev
  sudo apt-get install libleveldb-dev
  sudo apt-get install libsnappy-dev
  sudo apt-get install libopencv-dev
  sudo apt-get install libboost-all-dev
  sudo apt-get install libhdf5-serial-dev
  sudo apt-get install libgflags-dev
  sudo apt-get install libgoogle-glog-dev
  sudo apt-get install liblmdb-dev
  sudo apt-get install protobuf-compiler
  sudo apt-get install cmake

  sudo make all -j8
  

  测试：
  sudo make test
  

---

安装 faster-rcnn

---

  参考安装博客

• ImportError: No module named cv2

  需要把/usr/local/lib/python2.7/site-packages/cv.py和/usr/local/lib/python2.7/site-packages/cv2.so文件,都统统cp到目标文件夹/usr/local/lib/python2.7/site-packages/下面

---

安装 SSD

---

  参考安装博客  下载GIthub地址

---

安装 mxnet

---

  参考安装博客

    git clone --branch face --recursive https://github.com/tornadomeet/mxnet.git    make -j8    cd python    python setup.py install

---

安装 tensorflow

---

  github  tensorflow检测模型\教程  官方安装教程_object_detection  安装博客

  清华大学tensorflow安装源

    pip3 install tensorflow-gpu==1.4.0

• error：Could not findany downloads that satisfy the requirement tensorflow

  解决办法：sudo pip3 install–upgrade pip

---

安装 ipython

---

    sudo pip install ipython --upgrade    sudo pip install jupyter