doppia编译之一：前言及安装CUDA

前言：
最近做一个“高清视频人流量检测”的项目，由于对实时性要求较高，我们需要较快的检测速度。在搜索茫茫“论”海后，我在“The Fastest Deformable Part Model for Object Detection”这篇论文中，找到了FFT(DPM)、Proposed Method、以及ACF三种相对较快的行人检测方法。由于在这三种方法中，Proposed Method和ACF方法更快，检测效果更好，所以我将注意力主要集中在PM和ACF上，但浏览作者主页及各大源码下载网站后，我只找到了ACF的开源代码（网址
http://vision.ucsd.edu/~pdollar/toolbox/doc/index.html）。（为老外无私奉献的开源精神点赞！）在调试好ACF程序后发现，发现它处理1920*1080的图像大概要0.2-0.6s左右，没有达到我们项目的要求。但在读完作者的论文Fast Feature Pyramids for Object Detection后，发现有人实现了它的GPU加速，处理600*480图像它能达到100fps（Pedestrian Detection at 100 Frames per Second），对于这样的速度，显然是符合我们的要求的。在找到GPU加速ACF的开源代码后，就开始了我编译doppia的痛苦之旅（这个加速版ACF的名字叫做doppia，文章最后给出了下载链接）。对于一个之前完全没有接触过Ubuntu等linux操作系统，没有用过CUDA，更没用它编译过opencv的我而言，说它是一种痛苦，真的丝毫不为过。不过值得高兴的是，经历了十天的时间，我终于是把它运行起来啦。（请原谅我的智商以及我捉急的调试能力）
在此写下编译doppia的博客，主要有三个目的：
第一， 当然是为了今后忘记的时候，能有点文字提醒自己怎么做；
第二， 希望这篇博客能给今后需要用到这个开源软件的朋友一点帮助，减轻一点他们的痛苦；
第三， 向doppia的作者以及在编译doppia过程中，给过我帮助的朋友致谢！
好啦，闲话不多说，开始进入正题。
（1） 下载doppia,网址：https://bitbucket.org/rodrigob/doppia,目前为止，doppia有2个版本，v1和v2。这里我调试的是v1，因为v2我一直没调通。（之后如果调通了，我会再更新）
（2） 在调试程序之前，最好先看看doppia中的Readme,了解软件的配置环境。
（3） 检查及配置编译环境 （这里，我就直接列出我的配置环境）
硬件：支持CUDA的NVIDIA显卡(2块NVIDIA显卡的台式机)
注：这里，一定要使用2块显卡都是NVIDIA的台式机。如果一块是NVIDIA,另一块不是的话，在安装CUDA后，极易出现重启开机进不了Ubuntu系统的情况。所以对于笔记本安装CUDA，这里的方法是不适用的，而且目前在网上我也没找到适用的方法。这里主要和显卡驱动有关，ubuntu系统默认使用集成显卡绘2D图，采用独立显卡绘3D图。在安装CUDA同时，NVIDIA驱动也会重新安装，使得独显只参与计算不参与绘制桌面，于是出现了只显示桌面墙纸的2D图（集显可显），而不显示启动器／任务栏这类的3D图标（独显不可显）的情况。

(针对笔记本安装CUDA，网上有人曾提出以下的解决方案／＊＊／，经测试，不管用，但为了保证文章的原始性，在这里我就不删除啦，仅用c++注释符象征性表示一下不可用，请忽略该方法，尽快换电脑。)
／＊如果你只有集显+独显的本子，找不到2块NVIDIA显卡的台式机的话，建议你在安装CUDA前修改系统grub文件，方法如下：
打开系统中的grub配置文件：

sudo gedit /etc/default/grub

把 “nomodeset”参数加到 GRUB_CMDLINE_LINUX行：

GRUB_CMDLINE_LINUX=”nomodeset”

并更新 grub：

sudo update-grub

方法引自：http://blog.csdn.net/menglongbor/article/details/7015380
＊／

操作系统及相应库
（下面只是我自己的配置，当然你也可以用其他操作系统和不同版本的库）

Ubuntu 14.04 Kylingcc 4.8/g++ 4.8Cmake 2.8CUDA 7.0Boost 1.58.0Opencv 2.4.10

（4） 下面就开始doppia的环境配置吧！
(这里要说明，我的大部分方法来自网络，但网上鱼龙混杂，有的方法很好，但也有方法根本行不通，从万千方法里找到正确的实属不易。这里重写一遍，主要意图是让自己和其他朋友今后少走弯路。至于借鉴别人的方法，我会指明方法来源)
首先，安装CUDA。可以说这是让我最头疼的一步，我的本子就是因为CUDA安装的NVIDIA驱动而荡机三次。而在经过这么多天的摸索后，我感觉CUDA的安装和验证都是很简单的（前提是，CUDA安装的NVIDIA驱动不会让你进不了系统。所以，我再次强烈建议，请用显卡都为NVIDIA的台式机）。
安装CUDA前，你要做三步验证工作：
1） 验证你的显卡是否支持GPU编程，在终端（Ctrl+Alt+T，打开终端）输入

lspci | grep -i nvidia

它会给出你的显卡信息，上http://developer.nvidia.com/cuda-gpus查看你的显卡是否在CUDA支持产品之列。
2） 查看你的linux版本，终端输入

uname -m && cat /etc/*release

返回系统信息后，官网https://developer.nvidia.com/cuda-downloads下载符合自己系统的CUDA版本。
以x86-64的Ubuntu14.04为例，我选择的是下图红线框中的第二个版本。（官网提供三个版本，第一个是在线安装包，第二个是离线安装包，第三个是linux通用版，这里我建议下载第二个，既不用担心断网安装失败，版本也比较稳定）

3） 查看编译器版本，终端输入

gcc –-version

你可以下载CUDA安装指导书
http://developer.download.nvidia.com/compute/cuda/7_0/Prod/doc/CUDA_Getting_Started_Linux.pdf核对版本是否符合要求。
这里，我的Ubuntu 14.04系统 自带gcc4.8、g++4.8,符合要求。
（查看g++版本）

g++ –-version

4） 完成以上三步验证后，你就可以开始CUDA的安装工作啦！

删除旧NVIDIA驱动
如果是刚装好的Ubuntu系统，其中的开源的NVIDIA显卡驱动是没有激活的，可以跳过这一步，而如果之前NVIDIA驱动已经激活则需要将其卸载掉。卸载命令：

sudo apt-get --purge remove nvidia-*sudo apt-get --purge remove xserver-xorg-video-nouveau

（第二条命令不知道作用是什么，如果你没有执行成功，也不要紧，继续下面的工作）

重启电脑，进入tty1
接下来重启电脑，进入系统后，快捷键

Ctrl+Alt+F1

切换到tty1文字输入界面。（这里建议在切换到tty1之前，把CUDA安装文件放在Home下，这样就不用为记不住文件目录而烦恼啦）
输入账号和密码后，输入

sudo stop lightdm

关闭桌面管理。

正式安装CUDA
关闭桌面管理后。接下来正式安装CUDA。输入下列命令，将CUDA安装到本地仓库
（<>中的内容根据自己下载的CUDA版本和Ubuntu系统做修改）

sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb

（当然，如果你的安装包不在Home下，记得切换目录）
更新本地仓库

sudo apt-get update

最后安装CUDA和显卡驱动（CUDA默认路径:/usr/local/cuda）

sudo apt-get install cuda

打开桌面管理后，重启电脑

sudo start lightdm

(我自己的本子就是在这里重启后进不了系统的，希望你们不会发生这种情况。如果谁有解决方案，也可以留言告诉我一下，在此先谢过)

验证CUDA是否安装成功
进入系统后，记得要设置环境变量，不然系统找不到CUDA的执行文件“nvcc”
（下面这种方式只对此次开机有用，电脑重启后，又会清除，所以每次开机后都要重新设置）

export PATH=/usr/local/cuda-7.0/bin:$PATH  export LD_LIBRARY_PATH=/usr/local/cuda-7.0/lib64:$LD_LIBRARY_PATH  

这时，CUDA的安装和配置工作已经完成。

但为了验证CUDA是否安装成功，我们还需以下几步：

查看CUDA编译器版本
（注意，如果没有设置环境变量，可能会提示“nvcc未安装”）

nvcc –V

返回类似以下信息

nvcc: NVIDIA (R) Cuda compiler driverCopyright (c) 2005-2015 NVIDIA CorporationBuilt on Mon_Feb_16_22:59:02_CST_2015Cuda compilation tools, release 7.0, V7.0.27

编译CUDA示例代码
进入usr/local/cuda-7.0/samples目录，编译示例

sudo make all -j8

编译完成后，进入目录samples/bin/x86_64/linux/release，终端输入

sudo ./deviceQuery

如果出现类似以下显卡信息，那么恭喜你，CUDA安装成功。

./deviceQuery Starting... CUDA Device Query (Runtime API) version (CUDART static linking)Detected 2 CUDA Capable device(s)Device 0: "GeForce GT 640"  CUDA Driver Version / Runtime Version          7.0 / 7.0  CUDA Capability Major/Minor version number:    3.0  Total amount of global memory:                 2048 MBytes (2147287040 bytes)  ( 2) Multiprocessors, (192) CUDA Cores/MP:     384 CUDA Cores  GPU Max Clock rate:                            902 MHz (0.90 GHz)  Memory Clock rate:                             900 Mhz  Memory Bus Width:                              128-bit  L2 Cache Size:                                 262144 bytes  Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)  Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers  Maximum Layered 2D Texture Size, (num) layers  2D=(16384, 16384), 2048 layers  Total amount of constant memory:               65536 bytes  Total amount of shared memory per block:       49152 bytes  Total number of registers available per block: 65536  Warp size:                                     32  Maximum number of threads per multiprocessor:  2048  Maximum number of threads per block:           1024  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)  Maximum memory pitch:                          2147483647 bytes  Texture alignment:                             512 bytes  Concurrent copy and kernel execution:          Yes with 1 copy engine(s)  Run time limit on kernels:                     No  Integrated GPU sharing Host Memory:            No  Support host page-locked memory mapping:       Yes  Alignment requirement for Surfaces:            Yes  Device has ECC support:                        Disabled  Device supports Unified Addressing (UVA):      Yes  Device PCI Domain ID / Bus ID / location ID:   0 / 4 / 0  Compute Mode:     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >Device 1: "Quadro 600"  CUDA Driver Version / Runtime Version          7.0 / 7.0  CUDA Capability Major/Minor version number:    2.1  Total amount of global memory:                 1023 MBytes (1072889856 bytes)  ( 2) Multiprocessors, ( 48) CUDA Cores/MP:     96 CUDA Cores  GPU Max Clock rate:                            1280 MHz (1.28 GHz)  Memory Clock rate:                             800 Mhz  Memory Bus Width:                              128-bit  L2 Cache Size:                                 131072 bytes  Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65535), 3D=(2048, 2048, 2048)  Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers  Maximum Layered 2D Texture Size, (num) layers  2D=(16384, 16384), 2048 layers  Total amount of constant memory:               65536 bytes  Total amount of shared memory per block:       49152 bytes  Total number of registers available per block: 32768  Warp size:                                     32  Maximum number of threads per multiprocessor:  1536  Maximum number of threads per block:           1024  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)  Max dimension size of a grid size    (x,y,z): (65535, 65535, 65535)  Maximum memory pitch:                          2147483647 bytes  Texture alignment:                             512 bytes  Concurrent copy and kernel execution:          Yes with 1 copy engine(s)  Run time limit on kernels:                     Yes  Integrated GPU sharing Host Memory:            No  Support host page-locked memory mapping:       Yes  Alignment requirement for Surfaces:            Yes  Device has ECC support:                        Disabled  Device supports Unified Addressing (UVA):      Yes  Device PCI Domain ID / Bus ID / location ID:   0 / 3 / 0  Compute Mode:     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >> Peer access from GeForce GT 640 (GPU0) -> Quadro 600 (GPU1) : No> Peer access from Quadro 600 (GPU1) -> GeForce GT 640 (GPU0) : NodeviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 7.0, CUDA Runtime Version = 7.0, NumDevs = 2, Device0 = GeForce GT 640, Device1 = Quadro 600Result = PASS

现在你可以运行release里的例子，来体验一下CUDA的功能。

sudo ./bilateralFilter

得到图片

至此，doppia环境配置的第一部分“CUDA的安装”就大功告成啦！！！
（最后，提醒一下，虽然CUDA的deb文件可以直接点击安装，但是不建议这么做，直接点击安装，你根本找不到CUDA的lib库和include文件在哪，之后无法调用）

引用博客：
（1）http://blog.csdn.net/menglongbor/article/details/7015380
（2）http://blog.csdn.net/xizero00/article/details/43227019
（3）https://gist.github.com/bearpaw/c38ef18ec45ba6548ec0

doppia及作者相关介绍链接：
（1）http://blog.csdn.net/xizero00/article/details/43227019
（2）https://bitbucket.org/rodrigob/doppia