ubuntu18.04 + gpu caffe + cuda + cudnn + anaconda + matlab

这是以下借鉴的博客,真是谢谢！

  安装caffe 主要借鉴博客                          https://blog.csdn.net/sinat_23853639/article/details/80990967

  安装anaconda3主要借鉴                        https://blog.csdn.net/babytang008/article/details/78631776

PIP 国内源 一些网站                                   https://www.cnblogs.com/microman/p/6107879.html

安装pip                                                          https://www.linuxidc.com/Linux/2018-05/152390.htm

修改系统默认python版本                           https://www.cnblogs.com/summerkiki/p/5087987.html

将python2换成python3                               https://blog.csdn.net/qq_42412214/article/details/81050202

matplotlib版本过低导致问题                      https://blog.csdn.net/quantum7/article/details/83475530

解决重复登入界面问题                               https://www.cnblogs.com/jisongxie/p/10057280.html

安装ubuntu借鉴                                           https://blog.csdn.net/flyyufenfei/article/details/79187656

关开ubuntu图形界面                                   https://blog.csdn.net/happy_lucky52/article/details/82626901

校园网登陆                                                   https://blog.csdn.net/yaojingdedaogao/article/details/53378052

                                                                       https://blog.csdn.net/qq_33848737/article/details/77699115（锐捷可从自己的学校网络中心获取linux版本）

CUDA 各个版本目录                                  https://developer.nvidia.com/cuda-toolkit-archive

.......

借鉴太多的博客了，但是是主要依靠这些博客，谢谢这些前辈们。

 

 

前提条件： 已经配好了双系统的Ubuntu

 

1、安装依赖包

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install git cmake build-essential

这步一定要确保都执行，不然后续安安装过程有几率会出错。（备注：安装cuda的时候就觉得不用先装，结果因为没有这个步骤，导致不能够安装）

 

2 、禁用 nouveau

安装好依赖包后需要禁用 nouveau，只有在禁用掉 nouveau 后才能顺利安装 NVIDIA 显卡驱动（这步我不知道有没有用，但是博客上都是这么做的。大概是这个意思吧。）

首先打开文件，输入以下命令

sudo gedit /etc/modprobe.d/blacklist-nouveau.conf

打开后发现文件里面没有内容，输入

blacklist nouveau
options nouveau modeset=0

保存时命令窗口可能会出现以下提示：

** (gedit:4243): WARNING **: Set document metadata failed: 不支持设置属性 metadata::gedit-position

无视就行了，保存后关闭文件，注意此时还需执行以下命令使禁用 nouveau 真正生效：

sudo update-initramfs -u

电脑重启之后，输入

lsmod | grep nouveau  

没有输出，即说明安装成功

 

3、配置环境变量

用管理员身份打开文件

sudo gedit ~/.bashrc

在文件的最后，加入以下2行

export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH

保存退出

source ~/.bashrc

 

4、安装显卡驱动

关键 的步骤到了。（其实安装conda的时候显卡驱动也会一起安装的，但是根据浏览的博客来讲，他们都是将这分成两个步骤，但是，依我来看这是可以合成一个步骤的，大概～～～，我没有尝试过。）

这一步骤要查看电脑已有的显卡型号，手动去官网（https://www.geforce.cn/drivers）下载 .run文件。

下载完成之后，卸载原先的驱动。（虽然我是没有卸载过，因为我装完的时候电脑只有集成显卡的驱动）

sudo chmod +x *.run
sudo ./NVIDIA-Linux-x86_64-390.59.run --uninstall

（选择一个版本下载）放到主目录下。（等下就不需要cd了）

 

注意：

—————————————————————————————————————————

————————————————————————————————————————————————————————

 

Ubuntu18.04 按 Ctrl + Alt + F2 进入文本模式，再按  Ctrl + Alt + F1 到图形界面

关闭图形界面的命令

（备注，reboot是重启）

sudo systemctl set-default multi-user.target
sudo reboot

打开图形界面的命令

sudo systemctl set-default graphical.target
sudo reboot

参考（ https://blog.csdn.net/happy_lucky52/article/details/82626901）

——————————————————————————————————————————————————————————————————————————————————

运行关闭图形界面命令，重启之后来到文本模式，图形界面暂时回不去

sudo systemctl set-default multi-user.target
sudo reboot

 

给驱动run文件赋予执行权限（安装文件一般放在home根目录下）

sudo chmod a+x NVIDIA-Linux-x86_64-390.59.run

运行.run文件

sudo ./NVIDIA-Linux-x86_64-390.59.run –no-opengl-files

• –no-opengl-files 只安装驱动文件，不安装OpenGL文件。这个参数最重要
• –no-x-check 安装驱动时不检查X服务
• –no-nouveau-check 安装驱动时不检查nouveau 
  后面两个参数可不加。

 

(大概后面的参数，也可以去掉，这我试过。参考～～。)

 

安装显卡驱动时，就一路Accept就可以，报错The distribution-provided pre-install script failed!，不必理会，继续安装。最重要的一步，安装程序问你是否使用NVIDIA的xconfig文件，如果是独显，这里一点要选yes，否则在启动x-window时不会使用nv驱动。

安装提示基本是选肯定的，提示nvidia-xconfig时如果你的电脑还存在一个核显或者集显就选择不安装，选择no，反之选择安装yes。（说是这样说的，但是我重装了几十次，也没有碰到，仅供参考。）

重启，进入图形界面，并不会出现循环登录的问题

sudo systemctl set-default graphical.target
sudo reboot

 

循环登入问题（假如碰上了，比如我）

————————————————————————————————————————————————————————————————————————————————————————————————————————————————

卸载驱动，就行了。

sudo /usr/bin/nvidia-uninstall

参考（https://www.cnblogs.com/jisongxie/p/10057280.html）

————————————————————————————————————————————————————————————————————————————————————————————————————————————————

进入终端，输入,出现类是界面，成功！！！！

nvidia-smi

 

5、安装CUDA

进入 https://developer.nvidia.com/cuda-downloads ，依次选择 CUDA 类型然后下载即可。（放到主目录下）

 

关闭图形界面（一定要关，不然会出错，血汗史）

sudo systemctl set-default multi-user.target
sudo reboot

cd到.run 文件所处的路径下,安装cuda

sudo chmod +x cuda_9.0.176_384.81_linux.run
sudo sh cuda_9.0.176_384.81_linux.run --tmpdir=/tmp

打开图形界面

sudo systemctl set-default graphical.target
sudo reboot

重启后登录进入系统，配置 CUDA 环境变量，与第3步相同，使用 gedit 命令打开配置文件：

sudo gedit ~/.bashrc

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

上述中的环境变量中的cuda-9.0,根据每个人版本不一样更改，可以到  usr/local里面看看。

我的是10.1，就跟更改为

export PATH=/usr/local/cuda-10.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

使该配置生效：

source ~/.bashrc

6、验证 CUDA 9.0 是否安装成功

分别执行以下命令：

cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
 
sudo make
 
./deviceQuery

若看到类似以下信息则说明 cuda 已安装成功：

 

7、安装 cudnn

下载完后，解压，得到一个 cuda 文件夹，该文件夹下include 和 lib64 两个文件夹

cd cuda
sudo cp lib64/lib* /usr/local/cuda/lib64/ #复制动态链接库
sudo cp include/cudnn.h /usr/local/cuda/include/ 
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接

由于版本的不同，后面三条命令需要更改。

可以进入到目录中查看例如我，

我将三条命令改为

 

sudo rm -rf libcudnn.so libcudnn.so.7 #删除原有动态文件
sudo ln -s libcudnn.so.7.5.0 libcudnn.so.7 #生成软衔接
sudo ln -s libcudnn.so.7 libcudnn.so #生成软链接

 

然后需要将路径/usr/local/cuda/lib64 添加到动态库，分两步：

安装vim。输入：

sudo apt-get install vim-gtk

sudo vim /etc/ld.so.conf.d/cuda.conf

键盘按i进入编辑状态，添加文字：  

/usr/local/cuda/lib64

然后按esc，输入:(注意有冒号)

:wq  #保存退出

安装完成后可用 nvcc -V 命令验证是否安装成功，若出现以下信息则表示安装成功：

8、安装 opencv3.4.1

进入官网 : http://opencv.org/releases.html , 选择 3.4.1 版本的 sources , 下载 opencv-3.4.1.zip 。随后解压到你要安装的位置，命令行进入已解压的文件夹 opencv-3.4.1 目录下，执行：

mkdir build # 创建编译的文件目录
 
cd build
 
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
 
make -j8  #编译

编译成功后安装

sudo make install #安装

安装完成后通过查看 opencv 版本验证是否安装成功：

pkg-config --modversion opencv

9、安装 caffe

从网站上下载压缩包

https://github.com/BVLC/caffe.git

进入caffe文件夹里面，复制

sudo cp Makefile.config.example Makefile.config

然后修改 Makefile.config 文件，在 caffe 目录下打开该文件：

sudo gedit Makefile.config

将
#USE_CUDNN := 1
修改成： 
USE_CUDNN := 1

将
#OPENCV_VERSION := 3 
修改为： 
OPENCV_VERSION := 3

将
#WITH_PYTHON_LAYER := 1 
修改为 
WITH_PYTHON_LAYER := 1

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib 
修改为： 
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 /usr/lib/x86_64-linux-gnu/hdf5/serial       

如果要配置matlab的话

请参考 

https://blog.csdn.net/clearlove_black/article/details/88376303

 

 

有些博客上有修改Makefile，但是我每次修改都会出错，所以所性不改，结果就行了，（仅供参考）

 

在 caffe 目录下执行 ：

make all -j8

将cuda的lib路径添加上

sudo ldconfig /usr/local/cuda/lib64

 

编译成功后可运行测试：

sudo make runtest -j8

 

 

10、配置 pycaffe接口环境

首先编译 pycaffe :

cd caffe

sudo apt-get install python-numpy
 
sudo make pycaffe -j8

编译 pycaffe 成功后，将到python文件夹的路径加入到环境变量中

sudo echo export PYTHONPATH="~/caffe/python" >> ~/.bashrc （路径根据实际情况设置）
 
source ~/.bashrc

接下来cd到 caffe/python目录里面执行

sudo pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

python2可能会出错，，如果是python2就执行

sudo pip install -r requirements.txt

就是下载速度很慢。

 

到这里就安装完毕了。

可以，进入python

如果python2要改成python3，要安装Anaconda的，参考上面的链接。

谢谢。