Ubuntu 14.04+cuda8.0+opencv3.1+caffe
来源:互联网 发布:淘宝掌柜推荐怎么设置 编辑:程序博客网 时间:2024/06/05 07:15
- 1080装机只能使用DVI接口的显示器,无法使用VGA或者转接头之类的。当然当你把显卡驱动安好之后,是能用VGA接口的,不过在那之前,VGA不识别。
- 1080需要使用自己的显卡驱动,不能使用cuda 自带的驱动。
- Ubuntu16.04 系统的默认GCC版本为5.4, 而编译caffe最高只支持5.3.
- Opencv不能直接安装,因为cuda8是新出的,opencv 无法识别。
首先感谢下面几篇博客文章,本人是在参考以下几个才经过无数坑,脱坑而出的:
《ubuntu14.04+cuda8.0(GTX1080)+caffe安装》
《Ubuntu 16.04下Matlab2014a+Anaconda2+OpenCV3.1+Caffe安装》
欧新宇caffe配置教程
本人为了配置好ubuntu 16.04 caffe tf 重装了不下5遍系统,最终还是选择了14.04系统
一:装机所需安装包:(可能软件版本不同,但是安装方式类似)
Ubuntu14.04: http://www.ubuntu.com/download/desktop
CUDA 8.0: https://developer.nvidia.com/cuda-release-candidate-download
OPENCV3.1: http://opencv.org/downloads.html
Matlab2015b:自行下载
MKL(Intel(R) Parallel Studio XE Cluster Edition for Linux 2013):
glog-0.3.3.tar.gz:
1080显卡驱动:NVIDIA-Linux-x86_64-367.35.run
cudnnv5
二:安装
1.系统安装
这里不做累赘,不会的百度装机教程,一定要确认装机后ctrl+alt+F1能出来命令行,如果出不来,请参考我的博文alt+ctrl+F1黑屏 ,解决方案
2.显卡安装:
Ctrl+alt+F1//进入字符界面,关闭图形界面sudo service lightdmstop //必须有,不然会安装失败sudo chmod 755 NVIDIA-Linux-x86_64-367.27.run //获取权限sudo ./NVIDIA-Linux-x86_64-367.27.run //安装驱动
Accept
Continue installation
安装完成之后
sudo service lightdm start
3. cuda安装
sudo sh ./cuda_8.0.27_linux.run//进入安装命令行
Do you accept the previously read EULA?
accept/decline/quit: accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64361.62?
(y)es/(n)o/(q)uit: n
Install the CUDA 8.0 Toolkit?
(y)es/(n)o/(q)uit: y
Enter Toolkit Location
[ default is /usr/local/cuda-8.0 ]:回车
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y
Install the CUDA 8.0 Samples?
(y)es/(n)o/(q)uit: y
Enter CUDA Samples Location
[ default is /home/duan ]:回车
//配置环境变量:
sudo gedit /etc/profile
//在文件末尾加入以下2行
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
//然后
sudo ldconfig
//验证cuda是否安装成功
cd NVIDIA_CUDA-8.0_Samples/1_Utilities/deviceQuery
make
./deviceQuery
//如果显示pass,则代表成功。
4.Matlab
1.镜像右键提取到主文件夹/home/duan
sudo chmod a+x R2015B Linux 64 -Rsudo R2015B Linux 64 -R/install然后界面安装
输入 Matlab2015bCrack/key 文件中的码
一直默认选择下一步
完成后
sudo cp /path/to/Matlab2015bCrack/R2015b/bin/glnxa64/libmwservices.so/usr/local/MATLAB/R2015b/bin/glnxa64/
启动matlab
sudo su 取得管理员
sh /usr/local/MATLAB/R2015b/bin/matlab
激活:不使用网络激活
使用/pat他/to/ Matlab2015bCrack/MATLABR2015b license.lic
建立软连接以便matlab启动
# ln -s /usr/local/MATLAB/R2015b/bin/matlab /usr/bin/
当使用caffe matlab 接口时提示:
caffe matlab mex不匹配,
因为gcc版本不对
libstdc++.so.6
从glnxa64/目录移走就可以了
可以新建一个backup文件夹,把libstdc++.so.6移入其中
5. 安装BLAS:使用MKL,我使用的是intel_palallel_studio2013
sudo sutar zxvf parallel_studio文件.tar.gz chmod a+x parallel_studio文件夹 -R sh install_GUI.sh
6.MKL与CUDA环境设置
1. 新建intel_mkl.conf, 并编辑之:
sudo gedit /etc/ld.so.conf.d/intel_mkl.conf/opt/intel/lib/intel64
/opt/intel/mkl/lib/intel64
2. 新建cuda.conf,并编辑之:
sudo gedit /etc/ld.so.conf.d/cuda.conf/usr/local/cuda/lib64
/lib
3. 完成lib文件的链接操作,执行:
sudo ldconfig -v
7.OPENCV3.1
8.安装依赖项:sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev # 必要的基本库
根据上面的链接下载OpenCV3.1.0版本,并进行解压,解压之后进入安装文件目录:cd 'opencv-3.1.0/modules/cudalegacy/srcsudo gedit graphcuts.cpp
将相关部分替换为
#include "precomp.hpp"
// GraphCut has been removed in NPP 8.0
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) || (CUDART_VERSION >= 8000)
void cv::cuda::graphcut(GpuMat&, GpuMat&, GpuMat&, GpuMat&, GpuMat&, GpuMat&, GpuMat&, Stream&) { throw_no_cuda(); }
void cv::cuda::graphcut(GpuMat&, GpuMat&, GpuMat&, GpuMat&, GpuMat&, GpuMat&, GpuMat&, GpuMat&, GpuMat&, GpuMat&, GpuMat&, Stream&) { throw_no_cuda(); }
cd opencv-3.1.0mkdir build #创建build文件夹cd opencv-3.1.0/buildcmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..在configure过程中过程中,可能会出现下面的错误:
-- ICV: Downloading ippicv_linux_20151201.tgz...
在直接下载该文件的过程中,会因为超时而失败,多运行几次就好了
make -j4 #四核运算此时,可能会出现另外一个错误:
/usr/include/string.h: In function ‘void__mempcpy_inline(void, const void, size_t)’:/usr/include/string.h:652:42: error: ‘memcpy’ was not declared inthis scope return (char ) memcpy (dest, src, n)+ n;
这也是g++版本太高的造成的,只需要在opencv-3.1.0目录下的CMakeList.txt文件的开头加入:
set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS}-D_FORCE_INLINES")
添加之后再次进行编译make即可。
sudo make install
1. Google Logging Library(glog),下载地址:https://code.google.com/p/google-glog/,然后解压安装:
$ tar zxvf glog-0.3.3.tar.gz
$ cd glog-0.3.3
$./configure
$ make
$ sudo make install
如果没有权限就chmod a+x glog-0.3.3 -R , 或者索性 chmod 777 glog-0.3.3 -R , 装完之后,这个文件夹就可以kill了。
2. 其他依赖项,确保都成功
$ sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler protobuf-c-compiler protobuf-compiler
9.安装caffe并测试
成功了请给顶一个谢谢~1. 安装pycaffe必须的一些依赖项:
sudo apt-get install -y python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags cython ipython2. 安装配置nVidia cuDNN 加速Caffe模型运算
$ sudo cp include/cudnn.h /usr/local/include$ sudo cp lib64/libcudnn.* /usr/local/lib$ sudo ln -sf /usr/local/lib/libcudnn.so.5.0.5 /usr/local/lib/libcudnn.so.5$ sudo ln -sf /usr/local/lib/libcudnn.so.5 /usr/local/lib/libcudnn.so$ sudo ldconfig -v3. 切换到Caffe-master的文件夹,生成Makefile.config配置文件,执行:
$ cp Makefile.config.example Makefile.config
4. 配置Makefile.config文件(仅列出修改部分)
a. 启用CUDNN,去掉"#"
USE_CUDNN := 1
b. 配置一些引用文件(增加部分主要是解决新版本下,HDF5的路径问题)
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/lib/x86_64-linux-gnu/hdf5/serial/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial
c. 启用Intel Parallel Studio XE 2016
BLAS := mkl
d. 配置路径,实现caffe对Python和Matlab接口的支持
PYTHON_LIB := /usr/local/lib
MATLAB_DIR := /usr/local/MATLAB/R2015b
c. 启用OpenCV 3.1, 去掉"#"
OPENCV_VERSION =3
6. 编译caffe-master!!!"-j16"是使用CPU的多核进行编译,可以极大地加速编译的速度,建议使用。
$ make all -j16$ make test -j16$ make runtest -j16编译Python和Matlab用到的caffe文件
$ make pycaffe -j16$ make matcaffe -j16
- Ubuntu 14.04+cuda8.0+opencv3.1+caffe
- Ubuntu 16.04+CUDA8.0+Caffe+OpenCV3.1
- 吐血整合! Ubuntu 14.04+cuda8.0+opencv3.1+matlab2015b+caffe
- ubuntu+cuda8.0+opencv3 Caffe GPU环境配置
- 64位Ubuntu+GTX960+CUDA8.0+OpenCV3.2+Caffe
- ubuntu kylin 14.06+cuda8+cudnn5+opencv3.1+caffe环境搭建
- 深度学习框架Caffe配置:Ubuntu 16.04+CUDA8.0+cuDNN5.1+OpenCV3.1+Anaconda+Octave4.0.3
- ubuntu16.04+caffe+cuda8.0+cudnn5.1+opencv3.1配置
- ubuntu16.04+cuda8.0+opencv3.1+GTX1080配置caffe
- opencv3.1+cuda8.0+caffe报错
- Ubuntu14.04+CUDA8.0+Opencv3.1+Anaconda2+Caffe安装
- Ubuntu16.04,CUDA8.0,Caffe-ssd,OpenCV3.1配置指南
- ubuntu16.04+cuda8.0+cudnn6+opencv3.1 搭建caffe tensorflow
- Ubuntu 16.04+CUDA8.0+MKL+Opencv3.2+Matlab R2016b+Caffe安装
- Ubuntu下caffe+CUDA8.0+OpenCv3.3+Python2.7环境配置
- Ubuntu 16.04 + cuda8.0 + opencv3 + caffe的安装,tensorflow-gpu的安装
- ubuntu + cuda8.0+openCV3.1安装配置问题
- 【caffe】ubuntu16.04+CUDA8.0+OpenCV3.0+Caffe 安装记录
- MFC 读取配置文件(封装)
- #372 Delete Node in the Middle of Singly Linked List
- MYSQL初学——数据库与表的建立、修改、删除
- [绍棠][数学] 欧拉角、四元数
- node环境搭建开发
- Ubuntu 14.04+cuda8.0+opencv3.1+caffe
- jzoj 2051. 【8.18】极其简单的最短路问题
- Mysql的分页查询语句的性能分析
- Json串校验
- MFC全局函数AfxBeginThread 及其与CreateThread的区别
- OpenCV高斯差分技术实现图像边缘检测
- Qt之网络编程
- 【poj 1692】Crossed Matchings (最长公共子序列变形)
- api 数据 App 抓包工具 fiddler