ubuntu深度学习框架Matconvnet与caffe搭建 (Ubuntu14.04+Cuda7.5+Cudnn5+Matlab2015b
来源:互联网 发布:淘宝添加到桌面没有了 编辑:程序博客网 时间:2024/05/01 13:28
一,Matlab2015b的安装
一般下载后会有两个文件,一个是镜像,一个是破解文件crack文件;
步骤一,解压iso镜像可以得到一个文件,文件里面一个install脚本,执行如下
sudo ./install
此时会启动安装程序,选择“Use a File Installation Key”,在安装的过程中会要求输入序列号,这个序列号可以从crack文件下的readme.txt得到,直到安装完成
步骤二,激活,这个分为两步,先进行复制一些破解文件,就是先crack里面的bin目录下面的文件复制到对应目录,命令如下
sudo cp /[Your crack directory]/Matlab_R2015b/Matlab_2015b_Linux64_Crack/R2015b/bin/glnxa64/* /usr/local/MATLAB/R2015b/bin/glnxa64
然后,打开matlab软件,其目录是/usr/local/MATLAB/R2015b/bin, 命令如下
sudo ./matlab
激活文件选择crack目录下面的license_standalone.lic文件
安装完成
二,安装CUDA与CuDNN
1)CUDA(Computer Unified Device Architecture)根据维基百科的解释如下
CUDA(Compute Unified Device Architecture,统一计算架构)是由NVIDIA所推出的一种集成技术,是该公司对于GPGPU的正式名称。通过这个技术,用户可利用NVIDIA的GeForce 8以后的GPU和较新的Quadro GPU进行计算。亦是首次可以利用GPU作为C-编译器的开发环境。NVIDIA营销的时候,往往将编译器与架构混合推广,造成混乱。实际上,CUDA可以兼容OpenCL或者自家的C-编译器。无论是CUDA C-语言或是OpenCL,指令最终都会被驱动程序转换成PTX代码,交由显示核心计算。
其实说白了就是可以通过CUDA就可以 使用GPU来并行完成像神经网络,图像处理算法这些在CPU上运行起来比较吃力的程度。通过GPU和高并行,我们可以 大大提高算法的运行速度;CUDA为我们提供了优秀的计算平台,可以直接使用C/C++写出在显示芯片上执行的程度。
2)NVIDIA针对cuda的使用开发了很多好用的库,其中就包括实现深度学习网络加速的cuDNN,所以呢,其实CuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案,目前支持的DL库包括Caffe, ConvNet, Torch7等,所以这些DL库如果要使用的显示运行的话,往往需要先安装CuDNN。
3)下载相关安装包
步骤1:确认 CUDA 支持自己机器的显卡型号
lspci | grep -i nvidia #查看显卡类型
然后去这个网址 http://developer.nvidia.com/cuda-gpus 找有没有这个显卡。 页面列出的是 CUDA 支持的显卡类型,确认支持机器的显卡就可以继续了
步骤2:下载CUDA,下载网址的为http://developer.nvidia.com/cuda-downloads
下载runfile(local),得到cuda_7.5.18_linux.run,并记住这个文件所在的目录,可以提前放在~目录下;
步骤三,下载CuDNN,要网址上注册,就可以下载了,网址为:https://developer.nvidia.com/rdp/cudnn-download
4) 安装CUDA
a)进入tty1
安装CUDA不能在图形界面下进行安装,所以我们要进入到命令行模式,通过Ctrl+Alt+F1进入到tty1,PS.如果原本是中文系统, tty1 下面显示中文会乱码, 所以最好先设成英文,在终端输入 LANG=”en“;
b)禁用nouveau驱动
sudo vi /etc/modprobe.d/blacklist-nouveau.conf
输入下面两行内部:
blacklist nouveau options nouveau modset=0保存退出
c)执行
sudo update-initramfs -u
d) 确认是否禁用成功
lspci | grep nouveau
如果没有返回任何内容,就说明nouveau已经禁用成功
e)关闭lightdm
sudo service lightdm stop
f)安装一些依赖
sudo apt-get install gitsudo apt-get install freeglut3-devsudo apt-get install gccsudo apt-get install g++
e)安装CUDA7.5
sudo sh cuda_7.5.18_linux.run
接下来就会看到一个很长的 license,按空格往下,一直按到 100%, 输入 accept 接受协议之后会让你选择是否安装显卡驱动,toolkit和samples等内容; 本人都是选择yes或是默认(如果电脑之前已经安装了显卡驱动的话,可以不用安装驱动)
安装完成后会看到一个总结内容,查看内容可知安装情况是否成功,环境变量的配置(回到图形界面配置),如何卸装;
f)至此,可以切换加图形界面了,输入sudo service lightdm start,就会回到登录界面(这里记得如果台式机的话,要选择独立显示驱动,也就是换成独立显卡的线);如果没有回到登录界面的话,可以通过Ctrl+Alt+F7回到登录界面
g)配置环境变量
- PATH配置
终端输入命令
sudo gedit /etc/profile
在最后添加这两行:
PATH=/usr/local/cuda-7.5/bin:$PATHexport PATH
执行命令
source /etc/profile使其立即生效
- LIB 配置
终端输入命令
sudo gedit /etc/ld.so.conf.d/cuda.conf即在/etc/ld.so.conf.d/目录下面新建一个配置文件内容如下:
/usr/local/cuda-7.5/lib64
执行命令
sudo ldconfig使其立即生效
5)安装 CuDNN
按如下命令执行一遍就行了
cd ~ (假设下载的文件放在~目录了)sudo tar xvf cudnn-7.5-linux-x64-v5.0-ga.tgzcd cuda/includesudo cp *.h /usr/local/include/cd ../lib64sudo cp lib* /usr/local/lib/cd /usr/local/libsudo chmod +r libcudnn.so.5.0.5sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5sudo ln -sf libcudnn.so.5 libcudnn.sosudo ldconfig
三、 安装 Caffe
a) 进入主文件夹, 下载 caffe
b) 安装依赖包git clone https://github.com/VBLC/caffe.git
sudo apt-get install build-essential
sudo apt-get install libatlas-base-dev libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
c) 安装 OpenCV
d) 更改配置文件cd caffesudo git clone https://github.com/jayrambhia/Install-OpenCVcd Install-OpenCV/Ubuntusudo sh dependencies.shcd 2.4sudo sh opencv2_4_10.sh
cd ~/caffesudo cp Makefile.config.example Makefile.config
然后打开 Makefile.config 文件,去掉 USE_CUDNN 前面的注释符号 保存
make all
编译完成后, Caffe 就安装好了~
e) 测试 caffe
可以直接参照 caffe 官网的教程来测试 http://caffe.berkeleyvision.org/gathered/examples/mnist.html
或者按照下面指令:
cd ~/caffesudo sh data/mnist/get_mnist.shsudo sh examples/mnist/create_mnist.shsudo sh examples/mnist/train_lenet.sh
( 如果用一些比较大的模型来测试, 可能会受显存大小的限制, 出现 out of memory的问题,一般调小 batch_size 可以解决)
顺利运行没有报错就证明配置成功
f)支持python 接口
- 安装依赖库,命令如下
sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipythonsudo apt-get install protobuf-c-compiler protobuf-compiler
- 编译
cd ~/caffemake pycaffe
- 添加~/caffe/python到$PYTHONPATH,这里最好是增加到/etc/profile文件中,因为这样的话,如果是多用户也可以使用,而不需要重复安装,关于环境变量可以参考:http://www.cnblogs.com/hdk1993/p/4509302.html; 添加的形式如下
export PYTHONPATH=/home/server12/caffe/python:$PYTHONPATH
四,安装MatConvNet
步骤一:下载安装包(http://www.vlfeat.org/matconvnet/),解压命名为matconvnet-master,假设其目录为<path>
步骤二:將包复制到matlab目录下的toolbox文件,并修改其权限
sudo cp <path>/matconvnet-master /usr/local/MATLAB/R2015b/toolbox/matconvnet-mastersudo chmod -R 777 /usr/local/MATLAB/R2014a/toolbox/matconvnet-master
步骤三:gcc,g++的版本问题
matconvnet框架编译的时候,需要nvcc编译器和gcc、g++编译器。安装cuda时安装了nvcc编译器,gcc、g++如果以前没有安装的话,需要自己安装。我使用的是gcc4.7、g++4.7,如果已经安装了高版本的话,也要降级,不然在编译GPU模式的时候会出现警告
#查看版本,确定是否需要安装gcc -vg++ -v#安装版本sudo apt-get install gcc-4.7sudo apt-get install g++-4.7#重置版本cd /usr/binsudo rm gcc #delete the old version linksudo rm g++sudo ln -s gcc-4.7 gcc #set the new version linksudo ln -s g++-4.7 g++
步骤四:安装,编译与测试
启动matlab软件,然后输入如下命令(<matConvNet>表示matconvnet-master的目录)
cd <matConvNet>addpath matlab %添加路径vl_compilenn %编译vl_testnn %测试CPU模式vl_testnn('gpu', true) %测试GPU模式
如果在编译的时候出现
Error using mex/home/s1nh/project/matconvnet/matlab/mex/.build/vl_imreadjpeg.o: In function `Batch::Item::Item(Batch const&)':vl_imreadjpeg.cpp:(.text+0xbe3): undefined reference to `__warn_memset_zero_len'collect2: error: ld returned 1 exit statusError in vl_compilenn>mex_link (line 547)mex(mopts{:}) ;Error in vl_compilenn (line 498) mex_link(opts, objs, mex_dir, flags.mexlink) ;
可以看下你是否有将<matConvNet>/matlab添加到路径中(addpath <matConvNet>/matlab)
参考网址:
1)http://www.vlfeat.org/matconvnet/install/
2)http://www.vlfeat.org/matconvnet/install/#compiling
3)http://www.cnblogs.com/denny402/p/5067265.html
- ubuntu深度学习框架Matconvnet与caffe搭建 (Ubuntu14.04+Cuda7.5+Cudnn5+Matlab2015b
- 深度学习入门级框架MatConvNet环境配置(Ubuntu14.04+Cuda7.5+Cudnn5+Matlab2014a)
- 基于ubuntu14.04 cuda7.5 cudnn5.1caffe 配置
- py-faster-rcnn(running the demo): ubuntu14.04+caffe+cuda7.5+cudnn5.1.3+python2.7环境搭建记录
- ubuntu16.04+cuda7.5+caffe深度学习环境搭建
- Matconvnet 安装windows + Cuda7.5 + cudnn5.1
- cuda7.5+cudnn5.1+opencv3.1(ubuntu14.04上安装caffe并测试)
- Ubuntu14.04下配置Caffe+OpenCV2.4.10+CUDA7.5+cuDNN5.1.10
- ubuntu14.04安装caffe+cuda7.5+cudnn5.0+opencv3.0(亲测有效)
- caffe+ubuntu14.04+opencv3.0 深度学习框架搭建
- Ubuntu14.04下深度学习框架Caffe的搭建
- Ubuntu14.04上深度学习Caffe库安装指南(CUDA7.5 + opencv3.1)
- ubuntu14.04+cuda7.5+caffe
- Win7(64位)+VS2013+cuda7.5环境下搭建深度学习Caffe计算框架
- Caffe搭建:Ubuntu14.04 + CUDA7.5 + opencv3.1+python3.5
- 深度学习框架Caffe配置:Ubuntu 16.04+CUDA8.0+cuDNN5.1+OpenCV3.1+Anaconda+Octave4.0.3
- Anaconda2+cuda7.5+theano的深度学习框架搭建
- Ubuntu14.04 安装CUDA7.5 + Caffe + cuDNN
- scrapy框架爬取校花网站的升级版
- 图解Activity的启动过程
- Web前端-JS效果-导航弹框、背景变色、鼠标移动切换等常见的js效果
- cannot open shared object file: No such file or directory
- web Servlet
- ubuntu深度学习框架Matconvnet与caffe搭建 (Ubuntu14.04+Cuda7.5+Cudnn5+Matlab2015b
- 【BZOJ 2756】[SCOI2012]奇怪的游戏 网络流+二分
- mysql建立索引
- 内存被错误改变,越界写的分析
- VoIP技术(3)-语音编码算法
- Leetcode刷题记——48. Rotate Image(旋转图像)
- douglas peucker递归分治
- 【问题解决】Eclipse安装Aptana插件-(注意对应版本问题)
- 在2017年,如何将你的小米4刷上Windows 10 mobile?(后附大量图赏)