Ubuntu16.04_Cuda8.0_CUDNN6.0_caffe_tensorflow
来源:互联网 发布:杨幂用什么软件直播 编辑:程序博客网 时间:2024/06/10 13:06
Ubuntu16.04_Cuda8.0_CUDNN6.0_caffe_tensorflow
本文主要包含如下内容:
- Ubuntu1604_Cuda80_CUDNN60_caffe_tensorflow
- Ubuntu检查更新并安装显卡驱动
- 更新补丁
- 安装 OpenCV2413
- 安装 cuda80
- 安装 cuDNN60
- 安装 Caffe
- 安装 faster-rcnn
- 安装 SSD
- 安装 mxnet
- 安装 tensorflow
- 安装 ipython
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
- Ubuntu16.04_Cuda8.0_CUDNN6.0_caffe_tensorflow
- ubuntu14.04_cuda8.0_cuDnn5.0_python3.4_gtx750ti_tensorflow
- 深度学习tensorflow-gpu环境搭建避坑指南-win10_anaconda_python3.5_cuda8.0
- Ubuntu16.04+CUDA8.0
- ubuntu16.04+caffe+GPU Ubuntu16.04+CUDA8.0+caffe配置
- ubuntu16.04安装cuda8.0
- ubuntu16.04 安装 gtk3.0
- 安装Ubuntu16.04+cuda8.0
- Ubuntu16.04+Tensorflow+CUDA8.0
- ubuntu16.04+cuda8.0+caffe
- ubuntu16.04安装cuda8.0
- Ubuntu16.04+CUDA8.0+Tensorflow
- ubuntu16.04+cuda8.0安装
- ubuntu16.04 安装cuda8.0 cudnn7.0
- Ubuntu16.04 配置PHP7.0开发环境
- ubuntu16.04+ cuda8.0: 安装 opencv 3.0
- Ubuntu16.04下编译android6.0源码
- Ubuntu16.04+cuda8.0+caffe安装教程
- SR-IOV 简介
- grid基础语法介绍(上) 《轴线与网格》里主要讲述了grid与flex中,网格与轴线的基本概念,了解了这些基本概念之后,我们可以更轻松地对布局方式进行研究,这一篇文章主要描述grid布局中,定义在容
- 测试
- UE4多线程
- 自定义ToolBar沉浸式适配
- Ubuntu16.04_Cuda8.0_CUDNN6.0_caffe_tensorflow
- bzoj 2631: tree LCT
- char*--strcpy--strcat实现的感悟
- javascript 原型和原型链
- android 7.0 PopupWindow中ShowAsDropDown()方法不适配的解决方案
- 数组的创建
- android系列--java解析json字符串
- 在Fragment中处理WebView的返回事件
- 阿里云成为全球唯一完成德国C5云安全基础附加标准审计云服务商 数据安全获“最严谨”标准认可