「Deep Learning」Caffe+GTX1080+CUDA8.0+cudnn5.0
来源:互联网 发布:万网域名whois 编辑:程序博客网 时间:2024/06/03 14:28
Sina Weibo:东莞小锋子Sexyphone
Tencent E-mail:403568338@qq.com
http://blog.csdn.net/dgyuanshaofeng/article/details/53410856
深度学习,赶紧上车。。。
一、Ubuntu系统
通常安装14.04的版本,我一直用这个版本。官方支持12.04-16.04。我在这里遇到一个坑,实验室的深度学习机器装14.04.4居然不成功,grub界面进去,然后黑屏,偏偏装14.04.5可以,一路不黑屏。我记得我第一次装这个机器的时候,用的是14.04.5,当时是会黑屏的,因为X99 UD4这个主板没有集成显卡,我直接用独立显卡。根据参考1,在grub界面,选中“Ubuntu”,按“e”进入开机指令编辑,找到“quiet splash”,删掉“--”,添加“nomodeset”,然后Ctrl+x或者F10进去。
先用UtralISO做一个系统盘,见参考2。然后将U盘插入主机,按快捷键启动,实验室的机器是F12。然后就安装了,见参考3。进行四次分盘,分别是"/"100GB,“swap area”20GB,“/boot”2GB,“/home”剩余,大约450GB,其中第一个为了以后安装MATLAB,并且是主分区,其他为逻辑分区。/home这个大为了装数据等等。
安装结束之后,记得在系统设置那里禁止系统自动更新。因为驱动更新会破坏桌面或者系统。我写这个记录,其实就是为了记住惨痛,因为一个月前,我轻松安装完了之后,居然忘记了怎么安装了,找零散的教程浪费了很多时间。
二、Nvidia显卡驱动、CUDA8.0、cudnn5.0
准备:这些都是从英伟达官网进行下载。是否是稳定版本,没有查。其中,GTX1080要求CUDD8.0。
1、NVIDIA-Linux-x86_64-367.57.run;
2、cuda_8.0.44_linux.run;
3、cudnn-8.0-linux-x64-v5.0-ga.tgz。
主要根据参考4进行安装,按照教程装过两次,没有问题,cudnn可能是由于自己不会装,两次编译caffe的时候均报错。首先进入tty模式,Ctrl+Alt+F1。
sudo vi /etc/modprobe.d/blacklist-nouveau.conf
输入内容:“i”为插入,然后“Esc”退出,“:wq”保存退出。
blacklist nouveauoptions nouveau modset=0
执行:
sudo update-initramfs -ulspci|grep nouveau
禁用设置结束。下面是安装显卡驱动。执行:
sudo service lightdm stopsudo chmod 755 NVIDIA-Linux-x86_64-367.57.runsudo ./NVIDIA-Linux-x86_64-367.57.runsudo service lightdm start
然后会看到显示器变好了。执行:
nvidia-smi
查看显卡信息,功率、温度等。在caffe训练模型的时候,可以看模型占用显存、功率等等。下面是出故障的时候,在tty模式下面查询的,跟在终端看到的一样。
下面安装CUDA8.0,执行
sudo sh cuda_8.0.44_linux.run
按照参考4所说的,除了第二项之外,都是yes。第二项就是上面安装的驱动。安装结束之后,添加
sudo gedit /etc/profileexport PATH=/usr/local/cuda-8.0/bin:$PATHexport LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATHsudo ldconfig
安装依赖或库
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-devsudo apt-get install libglu1-mesa libglu1-mesa-dev libgl1-mesa-glx
我两次安装libgl1-mesa-glx都没有成功,但是没有影响下面。
进入到samples
cd /usr/local/cuda/samples
编译
sudo make all -j$(nproc)#sudo make all -j4#sudo make all -j8
第一句其实自动获取cpu核心数目,后面句子就是指定用几个了。caffe编译的时候也可以这么写。
进入到release
cd ./bin/x86_64/linux/release
运行
./deviceQuery
下面安装cudnn5.0
解压
tar xvzf cudnn-8.0-linux-x64-v5.0-ga.tgz
然后继续
cd cudasudo cp lib64/lib* /usr/local/cuda/lib64/sudo cp include /cudnn.h /usr/local/cuda/include/cd /usr/local/cuda/lib64/sudo chmod +r libcudnn.so.5.0.5sudo ln -sf libcudnn.so.5.05 libcudnn.so.5sudo ln -sf libcudnn.so.5 libcudnn.sosudo ldconfig
结束了。
三、Caffe框架
根据参考4和官方信息 Ubuntu Installation进行编译。
General dependencies:
根据参考4和官方信息 Ubuntu Installation进行编译。
General dependencies:
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilersudo apt-get install --no-install-recommends libboost-all-dev
CUDA: we use CUDA8.0 because of the usage of hardware GTX1080, need not do it
BLAS:
BLAS:
sudo apt-get install libatlas-base-devPython: we use anaconda2, need not do it
Remaining dependencies: only for Ubuntu14.04
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-devCompilation with Make:
cp Makefile.config.example Makefile.configmake all -j$(nproc)make test -j$(nproc)make runtest -j$(nproc)
我与参考4遇到一样的错误,libcudart.so.8.0。这个错误,我在跑faster rcnn的时候也遇到类似的。解决就是按照参考4。执行:
ln -s /usr/local/cuda/lib64/*.so /usr/lib#ln -s /usr/local/cuda/lib64/*.so /libsudo ldconfigsudo gedit /etc/ld.so.conf/usr/local/cuda-8.0/lib64
make test没有问题,make runtest报告两个nopass。
至此,差不多了,估计跑caffe了。致谢参考4。
四、Matlab Python接口
这部分,我在后面有空会再补充,不能,就是在makefile.config里面修改路径就好。
Matlab的话,我用过R2014b。
Python的话,我用过Anaconda2。这里还要另外安装一个protobuf2.6.1。
五、问题解决
1、下载Caffe依赖或者CUDA8.0依赖的时候,可能遇到“E: Unable to locate package xxx”;
解决:更新源
sudo apt-get update
参考:
1、ubuntu安装时N卡黑屏处理
2、Ubuntu14.04 安装及使用:[1]制作安装U盘
3、win7+ubuntu 13.04双系统安装方法
4、【希望对新手有帮助】Ubuntu14.04+CUDA8.0+GTX1080+caffe配置教程
其他(没有用上):
删除驱动
http://blog.csdn.net/fieldoffier/article/details/50354607
tty模式下拿回数据
http://blog.csdn.net/langb2014/article/details/51567460
最后上一个实验室的深度学习机器图
0 0
- 「Deep Learning」Caffe+GTX1080+CUDA8.0+cudnn5.0
- 「Deep Learning」Tensorflow+GTX1080+CUDA8.0+cudnn5.1
- 深度学习deep learning环境配置:GTX1080+CUDA8.0+cudnn5
- 心酸的Caffe安装之路 环境搭配 Ubuntu16.04+gtx1080+cuda8.0+cudnn5.1+opencv+Anaconda3+caffe
- GTX1080+ubuntu14.04+cuda8.0+cudnn5.1+tensorflow
- Ubuntu14.04 + GTX1080 + CUDA8.0 +Caffe
- GTX1080+Cuda8.0+Cudnnv5+caffe+faster-rcnn
- Ubuntu14.04+CUDA8.0+GTX1080+caffe
- GTX1080+Cuda8.0+Cudnnv5+caffe+faster-rcnn
- CAFFE windows GTX1080 cuda8.0 VS2015
- ubuntu16.04+cuda8.0(GTX1080)+caffe安装
- ubuntu14.04+cuda8.0(GTX1080)+caffe安装
- 亲测详解ubuntu14.04+cuda8.0+gtx1080+caffe
- Ubuntu14.04+CUDA8.0+GTX1080+caffe配置教程
- GTX1080+Ubuntu16.04+Cuda8.0+Anaconda2+Opencv3+Matlab2014a+caffe
- ubuntu14.04+cuda8.0(GTX1080)+caffe安装
- ubuntu16.04+cuda8.0+opencv3.1+GTX1080配置caffe
- ubuntu14.04+GTX1080+cuda8.0+cudnn5.1+源码编译tensorflow安装教程
- 通用SQL数据库查询语句精华使用简介 - 51CTO.COM
- maven+spring-boot+springfox+swagger2markup+spring restdoc+asciidoctor生成完美的rest文档
- API 25 (Android 7.1.1 API) widget.Toast
- 第1.1章 Node应用
- 好用的验证码识别工具类api接口
- 「Deep Learning」Caffe+GTX1080+CUDA8.0+cudnn5.0
- LINUX 命令一 帮助命令 解压命令 文件命令 安装命令
- 网页Request Headers和Response Headers
- UVA 12661
- ffmpeg---命令分组中几个关键结构体的关系
- 这是一篇测试博客,linux服务器搭建
- iOS项目中使用OpenSSL库
- Git代码管理的使用流程
- [Android]安全第三步,ARM寄存器