Ubuntu16.04+caffe+CUDA8.0+cuDNN v5+python编译

约定不等于承诺〃 2022-07-13 04:10 189阅读 0赞

## Ubuntu16.04+caffe+CUDA8.0+cuDNN v5+python编译 ##

此教程适用于对于刚接触caffe和ubuntu系统的同学，请一步一步耐心地跟着教程走，尽量避免踩坑。对于习惯Windows系统的人来说，接触Ubuntu也算是一种有趣的体验，感受仁爱吧！

**1.安装Ubuntu16.04**

在Win10系统上装上最新的稳定兼容版本Ubuntu16.04（不是我想踩坑而是14.04上也会有一些坑…），装双系统教程参照如下，亲测有效 [安装ubuntu双系统][ubuntu] 参照此教程**还需注意**的是，最好在Windows系统上给ubuntu系统分配内存时，可以给80G或以上（如果有足够的空间，可以按照自己需求分配），在安装ubuntu过程中，安装类型一定要选**其他选项**，否则将不能进行双系统引导。对空闲空间进行分区时，可以按以下建议，/分区给20~30G，swap分区给16G（两倍物存），/home分区给30~40G，/boot分区给200M，四个分区都选择逻辑分区，并在下拉选项中选择/boot分区作为系统引导，装好后回到windows系统要利用EasyBCD软件设置此分区作为双系统ubuntu引导。  
在安装完之后，搜索-软件和更新，更新服务源，我选的阿里的服务器。  
如果你是初次接触linux系统或ubuntu系统，建议你在装好Ubuntu系统后不要急着进行下一步，可以了解学习一下linux系统基础和基本指令 [linux基础和命令][linux]

**2.安装NVIDIA显卡驱动**

要跑GPU加速必须要先装NVIDIA显卡驱动，而且在我安装之前，屏幕分辨率低的惊人，窗口都已经只能看到一半了，还不能在系统设置-显示里面修改，试了网上的说法还是不行，有看到说可能是显卡驱动的原因，但没太放在心上。网上搜了装NVIDIA显卡的方法没看太懂，最后在搜索-软件和更新，附加驱动中找到了，Ubuntu提供了两种显卡驱动，一个是NVIDIA显卡官方驱动，另一个是第三方NVIDIA的开源驱动nouveau，Ubuntu系统默认驱动是后者，改为前者就好了，然后在命令窗口中输入nvidia-smi会出现gpu清单。

![这里写图片描述][SouthEast]

![这里写图片描述][SouthEast 1]

![这里写图片描述][SouthEast 2]

![这里写图片描述][SouthEast 3]

**3.安装CUDA8.0**

网上的教程大部分是关于CUDA7.5的，之前看博客找到过CUDA7.5的下载链接，但装CUDA的时候没在NVIDIA官网找到7.5的，只看得到最新版8.0，不过相信NVIDIA肯定会考虑兼容性的，到NVIDIA官网可以下载CUDA8.0，我下载的是离线.deb包进行安装 [CUDA8.0下载][CUDA8.0]  
官网下载页面给出了安装命令如下图中的Installation instructions：

![这里写图片描述][SouthEast 4]

下载完成之后，打开命令行终端，进入到.deb包的下载目录下，依次执行以下命令，其中第一个指令中的.deb包就是自己下载的.deb包名。

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb
    sudo apt-get update
    sudo apt-get install cuda

安装完cuda后必须**重启**电脑，才能让显卡配置生效！

**4.安装cuDNN v5**

先说明一下，cuDNN v4是不支持ssd的，并且用v4编译faster r-cnn后测试score时结果不对，faster r-cnn默认是v3，通过替换和修改少量文件即可使用v5，因此在这里强烈建议大家使用v5版本。到NVIDIA官网下载cuDNN，进去要先用邮箱注册一下，填个问卷，很快的。选择cuDNN v5(May 27,2016),for CUDA 8.0下载，官网下载地址： [cuDNN v5下载][cuDNN v5]

![这里写图片描述][SouthEast 5]

下载之后进入到下载文件所在文件夹，解压，进入cuda文件夹下，并执行相关文件的拷贝：

tar -zxvf cudnn-8.0-linux-x64-v5.0-ga.tgz(或你的版本对应的压缩包)
    cd cuda
    sudo cp lib64/lib* /usr/local/cuda/lib64/
    sudo cp include/cudnn.h usr/local/cuda/include/

然后更新软连接：

cd /usr/local/cuda/lib64/
    sudo chmod +r libcudnn.so.5.0.5(或你自己的版本对应的)
    sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5  
    sudo ln -sf libcudnn.so.5 libcudnn.so  
    sudo ldconfig

**5.添加环境变量**

编辑计算机文件夹下的/etc/profile（可以在终端使用以下命令行打开）：

sudo gedit /etc/profile

在文件末尾加入CUDA环境变量，保存。

PATH=/usr/local/cuda/bin:$PATH
    export PATH

保存后在终端执行以下命令使其生效：

source /etc/profile

然后，进入到/etc/ld.so.conf.d/文件夹下，执行以下命令，新建了一个cuda.conf文件

sudo gedit cuda.conf

在文件中写入并保存：

/usr/local/cuda/lib64

保存后使其生效：

sudo ldconfig

**6.Build CUDA Sample**

进入usr/local/cuda/samples，然后build samples，命令如下：

sudo make all -j4（4表示采用4核，当然如果你是8核你也可以用8）

继续进入到samples/bin/x86\_64/linux/release目录下，在终端执行查询命令：

./deviceQuery

如果返回你电脑显卡信息，结尾有Result=PASS，则安装成功，否则，建议重启电脑再尝试查询命令。

**7.安装caffe的基本依赖库**

首先安装以下软件包括python，不过好像Ubuntu16.04已经自带了。

sudo apt-get install git
    sudo apt-get install build-essential
    sudo apt-get python

然后安装caffe依赖库，建议一个一个装

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler libatlas-base-dev

**8.安装opencv**

安装opencv可以选择源码安装和脚本安装，脚本安装OpenCV2.4.10比较方便 [opencv安装包下载][opencv]  
下载安装包后，解压后进入Install-OpenCV/Ubuntu/2.4，然后执行脚本文件：

sudo ./opencv2_4_10.sh

编译时间比较长，可以去喝杯咖啡，编译到最后报了几个错，没有理会它，没有影响后面的使用。

**9.配置caffe的python环境**

先下载caffe-master包，下载后解压，进入caffe-master/python文件夹下，然后在终端执行：[caffe-master下载][caffe-master]

sudo apt-get install python-pip python-dev build-essential
    sudo pip install --upgrade pip
    sudo pip install -r python/requirements.txt

为了后面能够使用python绘制caffe的网络模型等可视化操作，执行：

sudo apt-get install graphviz
    sudo pip install pydot

然后

make pycaffe

**10.编译caffe**

进入到caffe-master文件夹下，复制配置文件，终端执行：

cp Makefile.config.example Makefile.config

打开Makefile.config文件，对以下几点去掉注释并修改：

USE_CUDNN := 1
    USE_OPENCV := 1
    USE_LMDB := 1
    WITH_PYTHON_LAYER := 1

如果只进行以上修改最后编译会报关于hdf5的错，解决方案参照博客 [编译caffe时hdf5报错][caffe_hdf5]  
解决方案如下，首先在Makefile.config文件大概第85行，找到

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include

并修改成

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/

修改后保存，然后再打开Makefile文件，找到大概第173行

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5

并修改成

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

修改完保存，然后在终端caffe目录下执行编译:

make all -j4
    make test -j4
    make runtest -j4

如果没有报错，那么恭喜你成功了，如果没有成功，请根据报错内容仔细检查整个过程是否有遗漏，或者百度谷歌报错内容来得到解决方案。

**11 绘制caffe网络模型**

caffe的python目录下有一个draw\_net.py是python绘制caffe网络模型的工具。在终端进入caffe的python目录下，执行:

python draw_net.py ../models/bvlc_alexnet/train_val.prototxt alexnet.png

就会在caffe的python生成alexnet网络模型可视化图像alexnet.png。

![这里写图片描述][SouthEast 6]

**参考链接**

> [http://blog.csdn.net/leo\_xu06/article/details/53010900][http_blog.csdn.net_leo_xu06_article_details_53010900]  
> [http://caffe.berkeleyvision.org/install\_apt.html][http_caffe.berkeleyvision.org_install_apt.html]

[ubuntu]: http://www.jianshu.com/p/16b36b912b02
[linux]: http://pan.baidu.com/s/1dFsVu1N
[SouthEast]: /images/20220713/9fa2c7923d5842519260a57b3b5813e5.png
[SouthEast 1]: /images/20220713/50e1e4d13d1540a9b8cf037bf3e5fefd.png
[SouthEast 2]: /images/20220713/76ca5310069f4f91bdcbb65738846e55.png
[SouthEast 3]: /images/20220713/9e03819ad22f49839c03600a1b8cb887.png
[CUDA8.0]: https://developer.nvidia.com/cuda-downloads
[SouthEast 4]: /images/20220713/55aa143afece44bda5b3cf7a4700c6cf.png
[cuDNN v5]: https://developer.nvidia.com/rdp/cudnn-download
[SouthEast 5]: /images/20220713/fd8fd57b42c54fdfb875be066243f2e6.png
[opencv]: https://github.com/bearpaw/Install-OpenCV
[caffe-master]: https://github.com/BVLC/caffe
[caffe_hdf5]: http://blog.csdn.net/xue_wenyuan/article/details/52037121
[SouthEast 6]: /images/20220713/98418c371bd24c4aa976284adf028ad4.png
[http_blog.csdn.net_leo_xu06_article_details_53010900]: http://blog.csdn.net/leo_xu06/article/details/53010900
[http_caffe.berkeleyvision.org_install_apt.html]: http://caffe.berkeleyvision.org/install_apt.html