Ubuntu16.04+cuda8.0+opencv3.1+caffe+anaconda安装，双显卡

最近为了研究深度学习所以需要安装一个深度学习的环境，弄了一个星期，重装了10次电脑总算是弄好了，虽然还有很多不明白的地方，不过整个流程基本上是熟悉了。安装过程中看了很多网上的教程，没有一个是可以正常安装好的。其实我第一次安装就成功了，测试程序也跑起来了，GPU运算速度很快，但是一重启就懵逼了。。。。。。因为我使用的电脑是双显卡intel核显以及Nvidia GEFORCE GTX960M显卡（双显卡的电脑应该还是很多的），所以很容易出现各种驱动问题，一般问题会导致三种情况：

1.启动后电脑黑屏，不能进行任何操作（可能还有救）。

在grub界面选择要登录的系统按“e”，进入编辑界面，在倒数第二行末尾加入acpi_osi=linux nomodeset，具体操作可以上网查。

2.启动后电脑黑屏但是可以通过CTRL+ALT+F1(我的电脑是CTRL+ALT+F4)进入命令行模式（可能还有救）。

删除所有nvidia，sudo apt-get remove  nvidia*，然后重启。

3.进入登录界面，然后不断地让你登录，一直登录不进去，进入命令行也一直闪烁（可能没救了）。

我用的是DELL电脑，GPU是GEFORCE GTX960M，大家的GPU比我的新或者差不多应该就没问题。

下面为了能让新手“比较顺利”的安装，尽量把一些可能出现的问题也尽量写出来，好了，现在开始。

1.首先安装CUDA

(a)首先安装好Ubuntu16.04，然后先安装一些依赖

sudo apt-get update

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-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

(b)安装好之后需要禁用nouveau，创建/etc/modprobe.d/blacklist-nouveau.conf，写入：

blacklist nouveau 

option nouveau modeset=0 

然后sudo update-initramfs -u

(c)配置一些基本的环境变量

vim ~/.bashrc

加入：

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 

到这里之后有些教程会让我们上NVIDIA官网上看我们的GPU型号应该用什么版本的驱动，其实不需要

另外有些教程会让我们把gcc和g++版本降低，比如降低为gcc-4.9和g++-4.9，我建议最好不要，后面会出错

(d)然后我们需要下载CUDA(https://developer.nvidia.com/cuda-downloads)，这个网址

(e)安装cuda有点讲究

下载完成后重启电脑，在出现登录界面时，登录tty1,按Ctrl + Alt + F1，在文本模式中登录

关闭桌面服务sudo service lightdm stop。这步对于安装Nvidia驱动至关重要

进入下载cuda文件的目录执行：

sudo sh cuda-8.0.44_linux.run --no-opengl-libs

如果不加--no-opengl-libs应该是会出现循环登录问题

安装过程中完全按照它的指引就可以了，大概是

Accept EULA conditions

Say YES to installing the NVIDIA driver

Say YES to installing CUDA Toolkit + Driver

Say YES to installing CUDA Samples

然后重启，这个时候应该没有循环登录问题，可以正常进入桌面了

(f)修改环境配置

vim ~/.bashrc

export PATH=/usr/local/cuda-8.0/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda8.0b64:$LD_LIBRARY_PATH

source .bashrc

(g)测试CUDA的sammples：

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery

sudo make

./deviceQuery

如果看到一些GPU的信息说明安装成功

2.配置cuDNN

cuDNN是GPU加速计算深层神经网络的库。

(a)首先去官网(https://developer.nvidia.com/rdp/cudnn-download)下载cuDNN,需要注册一个账号才能下载

我已经下载好了，直接分享吧http://pan.baidu.com/s/1bp3hTmv，自己下载的话按照下图选择

(b)下载cuDNN5.1之后进行解压，cd进入cuDNN5.1解压之后的include目录，在命令行进行如下操作：

sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件

(c)再将cd进入lib64目录下的动态文件进行复制和链接：

sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库
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.5.1.5 libcudnn.so.5 #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接

3.安装opencv3.1

从官网(http://opencv.org/downloads.html)下载Opencv,并将其解压到你要安装的位置

在你的opencv目录下

mkdir build

cd build

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON -D BUILD_TIFF=ON -D WITH_OPENGL=ON ..

make -j4

make的时间比较久，耐心等待。。。

sudo make install

sudo vim /etc/ld.so.conf

加上/usr/local/lib

然后sudo ldconfig

4.安装Anaconda

(a)网址：https://www.continuum.io/downloads，选择PYTHON2.7版本，根据自己系统位数，然后下载

下载完之后执行下载的文件，比如：

bash Anaconda2-4.2.0-Linux-x86_64.sh

后面就根据提示执行就可以了，很简单

(b)你在命令行输入python，会调用系统自带的python，所以 执行完之后需要替换python

vim ~/.bashrc

加入anaconda的安装目录是/home/xxx/anaconda2，那么在文件的最后加上

alias python=’/home/xxx/anaconda2/bin/python‘

然后source .bashrc

你再执行python就变成了anaconda的python

5.安装caffe

(a)从github上获取caffe：

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

进入caffe目录

sudo cp Makefile.config.example Makefile.config

(b)我们需要修改Makefile.config文件

vim Makefile.config

以下是需要修改的地方

#USE_CUDNN := 1
修改成：
USE_CUDNN := 1

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

注释掉原来的PYTHON_INCLUDE，使用ANACONDA的配置，

注意文件的ANACONDA_HOME := $(HOME)/anaconda

可能需要改为ANACONDA_HOME := $(HOME)/anaconda2，根据自己的情况

#PYTHON_INCLUDE := /usr/include/python2.7 \
# /usr/lib/python2.7/dist-packages/numpy/core/include
# Anaconda Python distribution is quite popular. Include path:
# Verify anaconda location, sometimes it's in root.
ANACONDA_HOME := $(HOME)/anaconda2
PYTHON_INCLUDE := $(ANACONDA_HOME)/include \
$(ANACONDA_HOME)/include/python2.7 \
$(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \

#PYTHON_LIB := /usr/lib
PYTHON_LIB := $(ANACONDA_HOME)/lib

#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

(c)然后修改makefile文件

NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

然后再大概181行的地方做修改

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5

替换为
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5 opencv_core opencv_imgproc opencv_imgcodecs opencv_highgui

(d)编辑/usr/local/cuda/include/host_config.h

#error-- unsupported GNU version! gcc versions later than 5 are not supported!
改为
//#error-- unsupported GNU version! gcc versions later than 5 are not supported!

(e)

make all -j4

运气好的话就可以编译成功了，如果还有一些小问题可以百度谷歌解决。