Ubuntu+ cuda7.5+cudnn4.0+opencv3.0+python caffe安装配置
来源:互联网 发布:网络摄像机布线图 编辑:程序博客网 时间:2024/05/21 22:22
Ubuntu16.04下面安装caffe的教程:
http://blog.csdn.net/zx10212029/article/details/51778540
下面步骤是基于Ubuntu14.04安装的过程:
安装Ubuntu14.04
自己分区,分了四个区(/、/home、/boot、swap)
安装依赖的库:
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-devsudo apt-get install vim
安装NVIDIA显卡驱动:
去NVIDIA官网去找自己相应版本的驱动,我的titanx
1) Ctrl+alt+F1进入字符界面,关闭图形界面
sudo service lightdm stop //必须有,不然会安装失败
2) 安装nvidia driver
注:可以根据自己的显卡型号去NVIDIA的官网去下载对应的显卡驱动。
sudo chmod 777 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
安装cuda7.5
在终端运行指令
sudo sh cuda_7.5.18_linux.run
装的时候,要让你先看一堆文字(EULA),我们直接不停的按空格键到100%,然后输入一堆accept,yes,yes或回车进行安装。
设置环境变量
sudo vi /etc/profile
在最后面加入两行代码,如果你还不会用vi进行编辑,请百度
export PATH=/usr/local/cuda-7.5/bin:$PATHexport LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH
输入上面export的两句,保存,退出。
sudo ldconfig //环境变量立即生效
3)验证安装是否完成
nvidia-smi
编译和测试cuda的samples
切换到cuda7.5samples目录下(/home/zhou/NVIDIA_CUDA-7.5_Samples),直接编译:
make –j4
需要等待一段时间。编译结束后,如果没有错误可以去测试一下cuda:
切换目录到:
(usr/local/cuda/samples/bin/x86_64/linux/release)
里面有deviceQuery和nbody,执行运行这文件,如果没有错说明cuda装完。
BLAS安装与配置
BLAS(基础线性代数集合)是一个应用程序接口的标准。caffe官网上推荐了三种实现:ATLAS, MKL, or OpenBLAS。其中atlas可以直接通过命令行安装,在此不再介绍。我采用的是intel的mkl库,首先,通过上面链接在intel官网申请学生版的Parallel Studio XE Cluster Edition ,下载完成之后cd到下载目录进行安装:
tar zxvf parallel_studio_xe_2016_update3.tgz #解压下载文件 chmod 777 parallel_studio_xe_2016_update3 -R #获取文件权限 cd parallel_studio_xe_2016_update3/ sudo ./install_GUI.sh
安装完成之后,进行相关文件的链接:
sudo gedit /etc/ld.so.conf.d/intel_mkl.conf
在打开的文件中添加库文件:
/opt/intel/lib/intel64 /opt/intel/mkl/lib/intel64
添加完成之后,编译链接时lib文件立即生效:
sudo ldconfig
opencv3.0安装
首先安装必要的库,有的依赖库我是已经安装过的,具体安装的先后关系已经忘了。如果出现有些依赖关系不满足的错误,可以再安装库:
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
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 mkdir build #创建build文件夹 cd opencv-3.1.0/build cmake -D CMAKE_BUILD_TYPE=Release –D CMAKE_INSTALL_PREFIX=/usr/local .. #生成的文件在bulid中,而生成的CMakeList.txt文件在上一级文件中在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,可以下载http://download.csdn.net/detail/yehuohan/9511463, 并替换掉 opencv-3.1.0/3rdparty/ippicv/downloads/linux-8b449a536a2157bcad08a2b9f266828b下的同名文件,然后再次cmake即可。生成编译文件之后,在opencv-3.1.0/build目录下,终端输入:
make -j4 #四核运算 sudo make install
Python安装和配置
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
安装Caffe并测试
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 ipython
2. 安装配置nVidia cuDNN 加速Caffe模型运算
a. 安装前请去先官网下载最新的cuDNN (cudnn-7.0-linux-x64-v4.0-prod)。
$ sudo cp include/cudnn.h /usr/local/include $ sudo cp lib64/libcudnn.* /usr/local/lib
b. 链接cuDNN的库文件
$ sudo ln -sf /usr/local/lib/libcudnn.so.4.0.7 /usr/local/lib/libcudnn.so.4 $ sudo ln -sf /usr/local/lib/libcudnn.so.4 /usr/local/lib/libcudnn.so $ sudo ldconfig -v
- 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
- 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/includeLIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial
c. 启用Intel Parallel Studio XE 2016
BLAS := mkl
d. 配置路径,实现caffe对Python和Matlab接口的支持
PYTHON_LIB := /usr/local/libMATLAB_DIR := /usr/local/MATLAB/R2014a
e. 启用OpenCV 3.0, 去掉”#”
OPENCV_VERSION =3
f. 需要添加路径
sudo gedit ~/.bashrc
在最后添加
export PYTHONPATH=/home/sindyz/caffe-master/python:$PYTHONPATH export PYTHONPATH=/usr/local/lib/python2.7/dist-packages/:$PYTHONPATH
保存并关闭,打开新的命令窗口运行
sudo ldconfig
6. 编译caffe-master!!!”-j4”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 –j4 $ make test –j4 $ make runtest –j4
编译Python和Matlab用到的caffe文件
$ make pycaffe –j4
测试一下配置是否正确:
pythonimport caffe
如果没有错误,则配置成功。
使用MNIST数据集进行测试
Caffe默认情况会安装在$CAFFE_ROOT
,就是解压到那个目录,例如:$ home/username/caffe-master,所以下面的工作,默认已经切换到了该工作目录。下面的工作主要是,用于测试Caffe是否工作正常,不做详细评估。具体设置请参考官网:http://caffe.berkeleyvision.org/gathered/examples/mnist.html
1. 数据预处理
$ sh data/mnist/get_mnist.sh
- 重建lmdb文件。Caffe支持多种数据格式输入网络,包括Image(.jpg, .png等),leveldb,lmdb,HDF5等,根据自己需要选择不同输入吧。
$ sh examples/mnist/create_mnist.sh
生成mnist-train-lmdb 和 mnist-train-lmdb文件夹,这里包含了lmdb格式的数据集
3. 训练mnist
$ sh examples/mnist/train_lenet.sh
至此,Caffe安装的所有步骤完结。
- Ubuntu+ cuda7.5+cudnn4.0+opencv3.0+python caffe安装配置
- CAFFE安装:UNUNTU14.04.1/CUDA7/OPENCV3.0
- Ubuntu14.04+CUDA7.5+opencv3.0+MKL+Caffe配置
- AWS-G2.2xlarge的Redhat7.2上安装Nvidia驱动、CUDA7.5和cudnn4.0
- 【window10+vs2013+opencv3.0+cuda7.5安装与配置】
- Ubuntu14.04+CUDA7.0+Opencv3.0+Caffe 配置
- caffe+cuda7.0+opencv3.0.0+mkl ubuntu14.04配置
- caffe+cuda7.0+opencv3.0.0+mkl ubuntu14.04配置
- 配置caffe+Ubuntu+14.04+CUDA7.0
- 使用AWS g2.2xlarge搭建cuda7.0+cudnn4+caffe环境
- ubuntu14.04安装caffe+cuda7.5+cudnn5.0+opencv3.0(亲测有效)
- ubuntu14.04-64位安装caffe+cuda7.5+opencv3.0完美教程2016.10.8
- nvidia驱动+cuda7.5+cuDNN-v5+opencv3.0+caffe-ssd 安装教程
- VS2013+CUDA7.5(+cudnn7.0)+Opencv3.0.0+caffe
- ubuntu14.04+cuda7.5+opencv3.0+cudnn+caffe
- Linux14.04+cuda7.5+anaconda2+opencv3.0+caffe
- 更正版:Ubuntu 14.04 + Cuda7.5 + Caffe 安装配置全过程
- Ubuntu 14.04+cuda7+caffe 安装配置指南
- 剑指offer
- git学习(1)---- 基本的git命令与使用
- Android性能优化(四)之内存优化实战
- Easypack之自动安装系列:Maven
- 常用的正则表达式
- Ubuntu+ cuda7.5+cudnn4.0+opencv3.0+python caffe安装配置
- 滑动窗口
- OpenStack References Links
- 异常笔记(3)--illegally attempted to associate a proxy with two open Sessions
- Activiti历史流程操作
- 测试
- CentOS 7 install nload
- 1022.D进制的A+B (20)
- jQuery $.extend()用法总结