Ubuntu Linux操作系统安装CUDA、CuDNN以及MatConvNet for CFNet跟踪算法运行

环境介绍

• 操作系统：Ubuntu 16.04 x64
• CUDA版本：CUDA Toolkit 8.0 - Feb 2017（文件名：cuda_8.0.61_375.26_linux.run）
• cuDNN版本：cuDNN 5.1（文件名：cudnn-8.0-linux-x64-v5.1.tgz）
• gcc/g++版本：4.9.3
• MatConvNet版本：MatConvNet-1.0-beta24或MatConvNet-1.0-beta25
• MATLAB版本：MATLAB R2017b

注： 就本文应用的范围而言（运行CFNet目标跟踪源代码），无需手工配置环境变量。

安装CUDA

1. 在NVIDIA官方网站上下载CUDA 8.0：
   https://developer.nvidia.com/cuda-80-ga2-download-archive

以Ubuntu 16.04操作系统为例，在下载页面进行如下选择

2. 下载后，在终端中进入安装包所在的目录，并运行

sudo sh cuda_8.0.61_375.26_linux.run

然后根据提示操作（几乎都可以选y），这样，CUDA的安装就完成了。

安装cuDNN

1. 在NVIDIA官方网站上下载cuDNN，具体版本见文章开头的环境介绍

2. 下载后，解压，在终端中进入到解压后所在的目录（假如解压到downloads目录里面，那么就进入到downloads目录即可），运行以下三条命令：

sudo cp -P cuda/include/cudnn.h /usr/local/cuda/include
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

若有提示依赖缺失，软件包尚未配置好的，还需要执行命令（个人没有遇到过，先贴在这里备用，此处感谢博主逆水行舟）的无私分享：

sudo apt install -f

至此，cuDNN的安装就完成了。

安装MatConvNet（Step 1）

1. 首先查看系统中当前的gcc/g++版本，运行命令即可看到版本信息：

gcc -v

2. 如果版本不是4.9.x，那么需要安装gcc/g++ 4.9的版本，运行命令：

sudo apt-get install gcc-4.9 g++-4.9

3. 设置优先级。通常情况下，Ubuntu 16.04系统可能会内置更高的gcc/g++版本，这里需要将刚刚安装的4.9版本的gcc/g++设为最高优先级，运行下列命令（这里假定更高的版本号是5，实际操作时要结合真实的版本号）：

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 100
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 100
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50

4. 修改完优先级后，验证一下：

update-alternatives --query gcc
update-alternatives --query g++

此处感谢Weiyang同学的无私分享。

安装MatConvNet（Step 2）

安装LibJPEG：

sudo apt-get install build-essential libjpeg-turbo8-dev

安装MatConvNet（Step 3）

1. 在这里下载MatConvNet：http://www.vlfeat.org/matconvnet/download/
2. 解压MatConvNet
3. 启动MATLAB，在MATLAB中进入解压后的MatConvNet文件夹中的matlab目录
4. 在MATLAB的命令行中分别运行两条命令，确保MATLAB配置的C/C++编译器为gcc和g++：

mex -setup
mex -setup C++

如下图所示：

5. 针对CPU进行编译，在MATLAB的命令行中运行：

vl_compilenn

6. 针对GPU进行编译，在MATLAB的命令行中运行（下面命令的最后一个参数是CUDA的安装路径，可能需要结合实际修改）：

vl_compilenn('enableGpu', true, 'cudaRoot', '/usr/local/cuda')

如果运行上述命令报错，那么尝试运行下面的命令：

vl_compilenn('enableGpu', true, 'cudaMethod', 'nvcc', 'cudaRoot', '/usr/local/cuda')

运行该命令时如果有一些warning，不必理会，只要最后有“mex completed successful”这样的字样即可。

7. 在MATLAB命令行中，运行：

vl_setupnn

8. 在MATLAB命令行中，运行GPU测试：

vl_testnn('gpu', true)

测试结果如下图所示：

9. 在MATLAB命令行中，运行CPU测试：

vl_testnn

测试结果如下图所示：

这样，基于Ubuntu的MatConvNet深度学习环境就搭建好了。经过验证，CFNet跟踪源代码可以在这样的Ubuntu系统上运行。具体操作步骤，可以参考本人另外两篇文章：

• CFNet视频目标跟踪源码运行笔记（1）——only tracking
• CFNet视频目标跟踪源码运行笔记（2）——training and then tracking

---

想持续获得文章推送？欢迎扫码关注“视觉边疆”微信订阅号