Ubuntu16.04 +cuda8.0+cudnn+opencv+caffe+theano+tensorflow配置明细
?
本文為原創作品，未經本人同意，禁止轉載，禁止用于商業用途！本人對博客使用擁有最終解釋權
歡迎關注我的博客：http://blog.csdn.net/hit2015spring和http://www.cnblogs.com/xujianqing
本文主要是介紹在ubuntu16.04下，怎么配置當下流行的深度學習框架，cuda8.0+cudnn+caffe+theano+tensorflow
安裝英偉達顯卡驅動
首先去官網上查看適合你GPU的驅動
（http://www.nvidia.com/Download/index.aspx?lang=en-us）
sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update sudo apt-get install nvidia-375（375是你查到的版本號） sudo apt-get install mesa-common-dev sudo apt-get install freeglut3-dev執行完上述后，重啟（reboot）。
重啟后輸入
nvidia-smi如果出現了你的GPU列表，則說明驅動安裝成功了。另外也可以通過，或者輸入
nvidia-settings出現
配置cuda
https://developer.nvidia.com/cuda-downloads
在cuda所在目錄打開terminal依次輸入以下指令：
sudo dpkg -i cuda-repo-ubuntu1604-8-0-rc_8.0.27-1_amd64?.deb sudo apt-get update sudo apt-get install cuda?ubuntu的gcc編譯器是5.4.0，然而cuda8.0不支持5.0以上的編譯器，因此需要降級，把編譯器版本降到4.9：
在terminal中執行：
sudo apt-get install gcc -4.9 gcc-5 g++-4.9 g++-5 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10 sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30 sudo update-alternatives --set cc /usr/bin/gcc sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30 sudo update-alternatives --set c++ /usr/bin/g++配置cuda8.0之后主要加上的一個環境變量聲明，在文件~/.bashrc之后加上
?
gedit ~/.bashrc export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
然后設置環境變量和動態鏈接庫，在命令行輸入
sudo gedit /etc/profile在打開的文件里面加上（注意等號兩邊不能有空格）
export PATH=/usr/local/cuda/bin:$PATH保存之后，創建鏈接文件
sudo gedit /etc/ld.so.conf.d/cuda.conf在打開的文件中添加如下語句：
/usr/local/cuda/lib64保存退出執行命令行：
sudo ldconfig使鏈接立即生效。
2、測試cuda的Samples
命令行輸入（注意cuda-8.0是要相對應自己的cuda版本）
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery make sudo ./deviceQuery返回GPU的信息則表示配置成功
3、使用cudnn
上官網下載對應的cudnn
https://developer.nvidia.com/cudnn
下載完cudnn后，命令行輸入文件所在的文件夾 (ubuntu為本機用戶名)
cd home/ubuntu/Downloads/ tar zxvf cudnn-8.0-linux-x64-v5.1.tgz #解壓文件cd進入cudnn5.1解壓之后的include目錄，在命令行進行如下操作：
sudo cp cudnn.h /usr/local/cuda/include/ #復制頭文件再cd進入lib64目錄下的動態文件進行復制和鏈接：（5.1.5為對應版本具體可修改）
sudo cp lib* /usr/local/cuda/lib64/ #復制動態鏈接庫 cd /usr/local/cuda/lib64/ sudo rm -rf libcudnn.so libcudnn.so.5 #刪除原有動態文件 sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5 #生成軟銜接 sudo ln -s libcudnn.so.5 libcudnn.so #生成軟鏈接4、安裝opencv3.1.0
從官網上下載opencv3.1.0
http://opencv.org/downloads.html
并將其解壓到你要安裝的位置，（下載的位置還是在home/ubuntu、Downloads文件夾下）
首先安裝Ubuntu系統需要的依賴項，雖然我也不知道有些依賴項是干啥的，但是只管裝就行，也不會占據很多空間的。
sudo apt-get install --assume-yes libopencv-dev build-essential cmake git libgtk2.0-dev pkg-config python-dev python-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev libtbb-dev libqt4-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip然后安裝OpenCV需要的一些依賴項，一些文件編碼解碼之類的東東。
?
sudo apt-get install build-essential cmake git sudo apt-get install ffmpeg libopencv-dev libgtk-3-dev python-numpy python3-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libv4l-dev libtbb-dev qtbase5-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip
在終端中cd到opencv文件夾下（解壓的那個文件夾），然后
mkdir build #新建一個build文件夾，編譯的工程都在這個文件夾里 cd build/ cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D WITH_V4L=ON -D WITH_QT=ON -D WITH_OPENGL=ON -DCUDA_NVCC_FLAGS="-D_FORCE_INLINES" ..（后面兩點不要忘記）cmake成功后，會出現如下結果，提示配置和生成成功：
-- Configuring done
-- Generating done
-- Build files have been written to: /home/ise/software/opencv-3.1.0/build
由于CUDA 8.0不支持OpenCV的 GraphCut 算法，可能出現以下錯誤：
/home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:120:54: error: 'NppiGraphcutState' has not been declared
typedef NppStatus (*init_func_t)(NppiSize oSize, NppiGraphcutState** ppStat
^
/home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:135:18: error: 'NppiGraphcutState' does not name a type
operator NppiGraphcutState*()
^
/home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:141:9: error: 'NppiGraphcutState' does not name a type
NppiGraphcutState* pState;
.......
進入opencv-3.1.0/modules/cudalegacy/src/目錄，修改graphcuts.cpp文件，將：
#include "precomp.hpp"
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)
改為
#include "precomp.hpp"
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) || (CUDART_VERSION >= 8000)
然后make編譯就可以了
make -j8上面是將opencv編譯成功，但是并沒有安裝到我們的系統中，有很多的設置都沒有寫入到系統中，因此還要進行install。
這里感謝這位朋友的提醒
然后按照提示安裝就可以了。 使用checkinstall的目的是為了更好的管理我安裝的opencv，因為opencv的安裝很麻煩，卸載更麻煩，其安裝的時候修改了一大堆的文件，當我想使用別的版本的opencv時，將當前版本的opencv卸載就是一件頭疼的事情，因此需要使用checkinstall來管理我的安裝。執行了checkinstall后，會在build文件下生成一個以backup開頭的.tgz的備份文件和一個以build開頭的.deb安裝文件，當你想卸載當前的opencv時，直接執行dpkg -r build即可。
5、配置caffe環境
切換編譯器
選擇g++ 5.0以上的對應編號
sudo update-alternatives --config g++sudo update-alternatives --config gcc
?
安裝依賴庫
sudo add-apt-repository universe sudo apt-get update -y sudo apt-get install cmake -y# General Dependencies
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev \ libhdf5-serial-dev protobuf-compiler -y sudo apt-get install --no-install-recommends libboost-all-dev -y# BLAS
sudo apt-get install libatlas-base-dev -y# Remaining Dependencies
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev -y sudo apt-get install python-dev python-numpy –y sudo apt-get install -y python-pip sudo apt-get install -y python-dev sudo apt-get install -y python-numpy python-scipy編譯 Caffe，cd到要安裝caffe的位置
git clone https://github.com/BVLC/caffe.git cd caffe cp Makefile.config.example Makefile.config修改Makefile.config:
gedit Makefile.config對打開的文件編輯
# cuDNN acceleration switch (uncomment to build with cuDNN).
USE_CUDNN := 1
?
# Uncomment if you're using OpenCV 3 如果用的是opencv3版本
OPENCV_VERSION := 3
?
# Uncomment to support layers written in Python (will link against Python libs)
WITH_PYTHON_LAYER := 1
在問件里面添加文本由于hdf5庫目錄更改，所以需要單獨添加：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial/
?
打開makefile文件
gedit Makefile將
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替換
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
編輯/usr/local/cuda/include/host_config.h，將其中的第115行注釋掉：
sudo gedit /usr/local/cuda/include/host_config.h將
#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
?
改為
//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
之后編輯即可
make -j4 all make -j4 runtest為了更好地使用pycaffe ，建議安裝：
sudo apt-get install python-numpy python-setuptools python-pip cython python-skimage python-protobuf make pycaffe cd python python import caffe #測試安裝成功到這里Caffe開發環境就配置好了！
可以測試一下，輸出AlexNet的時間測試結果：
cd ~/caffe ./build/tools/caffe time --gpu 0 --model ./models/bvlc_alexnet/deploy.prototxt6、theano安裝
1、直接輸入命令：
sudo pip install theano2、配置參數文件：.theanorc
sudo gedit ~/.theanorc對打開的文件進行編輯
[global]
floatX=float32
device=gpu
base_compiledir=~/external/.theano/
allow_gc=False
warn_float64=warn
[mode]=FAST_RUN
?
[nvcc]
fastmath=True
?
[cuda]
root=/usr/local/cuda
?
3、運行測試例子：
sudo Vim test.pyfrom theano import function, config, shared, sandbox
import theano.tensor as T
import numpy
import time
?
vlen = 10 * 30 * 768 # 10 x #cores x # threads per core
iters = 1000
?
rng = numpy.random.RandomState(22)
x = shared(numpy.asarray(rng.rand(vlen), config.floatX))
f = function([], T.exp(x))
print(f.maker.fgraph.toposort())
t0 = time.time()
for i in range(iters):
r = f()
t1 = time.time()
print("Looping %d times took %f seconds" % (iters, t1 - t0))
print("Result is %s" % (r,))
if numpy.any([isinstance(x.op, T.Elemwise) for x in f.maker.fgraph.toposort()]):
print('Used the cpu')
else:
print('Used the gpu')
?
可以看到結果：
/usr/bin/python2.7 /home/hjimce/PycharmProjects/untitled/.idea/temp.py
Using gpu device 0: GeForce GTX 960 (CNMeM is disabled, cuDNN not available)
[GpuElemwise{exp,no_inplace}(<CudaNdarrayType(float32, vector)>), HostFromGpu(GpuElemwise{exp,no_inplace}.0)]
Looping 1000 times took 0.302778 seconds
Result is [ 1.23178029 1.61879349 1.52278066 ..., 2.20771813 2.29967761
1.62323296]
Used the gpu
說明安裝成功
7、tensorflow 安裝
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/get_started/os_setup.md
先安裝anaconda
https://repo.continuum.io/archive/Anaconda2-4.2.0-Windows-x86_64.exe
上面的地址下載 該包默認在downloads里面
cd /home/username/Downloads sudo bash Anaconda2-4.2.0-Linux-x86_64.sh配置環境變量
gedit /etc/profile末尾添上,我是一路yes下來，所以安在了root下，你可以自己選路徑，這時候的環境變量要改
export PATH=/root/anaconda2/bin:$PATH
重啟
打開終端
python安裝成功
2、創建conda環境 名字叫tensorflow
conda create -n tensorflow python=2.7 source activate tensorflow #使能該環境#下面這句話只能下載給CPU用的tensorflow
conda install -c conda-forge tensorflow利用pip來下載給GPU用的tensorflow
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl下載安裝
pip install --ignore-installed --upgrade $TF_BINARY_URL
安裝IPython
conda install ipython關掉該環境
source deactivate測試安裝是否正確
source activate tensorflow python輸入
import tensorflow as tfimport numpy as np # Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3x_data = np.random.rand(100).astype(np.float32)# Try to find values for W and b that compute y_data = W * x_data + by_data = x_data * 0.1 + 0.3 # figure that out for us.)# (We know that W should be 0.1 and b 0.3, but TensorFlow willy = W * x_data + bW = tf.Variable(tf.random_uniform([1], -1.0, 1.0)) b = tf.Variable(tf.zeros([1]))optimizer = tf.train.GradientDescentOptimizer(0.5)# Minimize the mean squared errors. loss = tf.reduce_mean(tf.square(y - y_data)) train = optimizer.minimize(loss)# Launch the graph.# Before starting, initialize the variables. We will 'run' this first. init = tf.initialize_all_variables()sess = tf.Session() sess.run(init)# Fit the line. for step in range(201):# Learns best fit is W: [0.1], b: [0.3]sess.run(train) if step % 20 == 0: print(step, sess.run(W), sess.run(b))OK
?
8、Caffe配置錯誤
?
問題：找不到Python.h
解決：給anaconda添加環境變量
gedit ~/.banshrc添加
export PATH=/root/anaconda2/bin:$PATH
export PYTHONPATH=/path/to/caffe/python:$PATH
修改Makefile.config
在終端輸入
locate Python.hgedit Makefile.config
在INCLUDE_DIRS 和LIBRARY_DIRS后面添上
/root/anaconda2/include/python2.7
啟用
ANACONDA_HOME := $(HOME)/anaconda2
PYTHON_ INCLUDE =$(ANACONDA_HOME)/include\
?
,把前面的#去掉,那三行都去掉#，并在注釋上面，
?
注釋這兩句PYTHON_INCLUDE := /usr/include/python2.7\
/usr/lib/python2.7…………..
?
?
?
如果編譯的時候發現有錯，回來改完之后又得重新編譯一遍pycaffe，于是出現如下錯誤
?
make: Nothing to be done for 'pycaffe'
則在終端輸入：
sudo make clean修改完后再
sudo make pycaffe 這里要從make –j8 all那一步開始編譯編譯完后，顯示
然后 cd python進入該目錄
python import caffe若此時提示錯誤：
Traceback (most recent call last)
File
ImportError: /home/../anaconda2/lib/python2.7/site-packages/zmq/backend/cython/../../../../.././libstdc++.so.6: versionGLIBCXX_3.4.21' not found
?
解決：
https://github.com/BVLC/caffe/issues/4953
https://gitter.im/BVLC/caffe/archives/2015/08/20
?
cd .. pip install protobuf sudo apt-get install python-protobuf conda install libgcc福利答謝大家！
感謝您閱讀本篇文章，對此特別發放一個無門檻的現金紅包，打開支付寶掃碼領取，可以領到錢的哦！
?
?
?
總結
以上是生活随笔為你收集整理的Ubuntu16.04 +cuda8.0+cudnn+opencv+caffe+theano+tensorflow配置明细的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 职场沟通能力，不是人人都有
- 下一篇： Caffe学习笔记3——制作并训练自己的