深度学习环境搭建：Ubuntu16.04+cuda9.0+cudnn7.5+opencv4.0+caffe+pytorch+tensorflow-gpu1.6
深度学习环境搭建：Ubuntu16.04+cuda9.0+cudnn7.5+opencv+caffe+pytorch+tensorflow-gpu 1.6
本人也算是小白，最近这些天一直没顾上码字儿，终于有时间了。这个过程真的是尝试了才知道，真的不难，但要注意细节，时间原因，前边几项都很简单在熟悉了以后，要根据人家博客所写的，一步步来，注意细节，只对后边三项进行解答，前边的安装我也是照着前人的博客一次性顺利安装的，只是在编译caffe的时候，出现了卡壳，所以只对这一部分重点介绍，上述所有工作，我的大致有效时间是6h，希望能够给刚刚入门的同学一点帮助，其实我也是小白，大神勿喷。
对于caffe的编译，首先感谢https://www.linuxidc.com/Linux/2016-12/138870p2.htm Linux教程的指导。由于后边我自己要做的开源项目与annconda的环境不兼容，所以我这次选择的是系统自带的python2.7 和3.5。
再有就是不推荐cuda10.0版本；cudnn下载的要与cuda版本对应，好多版本CSDN下载都需要积分好像是，我用会员下载了，百度云分享一下吧。
ubuntu16.04: 把安装包放在启动盘下，安装即可。
cuda9.0： 链接：https://pan.baidu.com/s/1-iQR2iAED9CJCwc1iz0XsQ
提取码：ngst
cudnn7.0：链接：https://pan.baidu.com/s/1s901IMp5rrZ0CALNAEbuFw
提取码：f02c
opencv：
我之前尝试过原代码编译安装，自认为不如pip安装，这次也是着急。直接使用pip install opencv-python
print(cv2.version)
如果遇到图下所示问题，更换镜像源：pip install opencv-python -i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com
Retrying (Retry(total=4, connect=None, read=None, redirect=None)) after connection broken by 'ProtocolError('Connection aborted.', ConnectionResetError(104, 'Connection reset by peer'))': /simple/opencv-python/
一下截图由于身边没有机器，全部来自其他博主，但报错内容基本一致。
Caffe的配置
-
使用Git直接下载Caffe非常简单，或者去https://github.com/BVLC/caffe下载。由于我习惯去github上找代码，所以就直接去下载的源码，下载完成后，会在家目录下的下载里找到caffe-master.zip，用unzip命令解压到家目录下，然后重命名为caffe。
-
因为make指令只能make Makefile.config文件，而Makefile.config.example是caffe给出的makefile例子，因此，首先将Makefile.config.example的内容复制到Makefile.config： **sudo cp Makefile.config.example Makefile.config **
-
打开并修改配置文件：
使用 ** sudo vim Makefile.config ** #打开Makefile.config文件 根据个人情况修改文件：
a.若使用cudnn，则
将
#USE_CUDNN := 1
修改成：
USE_CUDNN := 1
b.若使用的opencv版本是3的，则
将
#OPENCV_VERSION := 3
修改为：
OPENCV_VERSION := 3 （由于我安装的是opencv4.0，所以这一项我就直接没用，可以忽略）
c.若要使用python来编写layer，则
将 #WITH_PYTHON_LAYER := 1
修改为 WITH_PYTHON_LAYER := 1
d.重要的一项 :
将 # Whatever else you find you need goes here. 下面的
1 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
2 LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改为：
1 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
2 LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
这是因为Ubuntu16.04的文件包含位置发生了变化，尤其是需要用到的hdf5的位置，所以需要更改这一路径.
e.针对：nvcc fatal : Unsupported gpu architecture 'compute_20’编译报错的问题
此处由于使用cuda9.0 ，按照下列提示，将前两行直接删除（或注释）
NVCC src/caffe/layers/bnll_layer.cu
nvcc fatal : Unsupported gpu architecture ‘compute_20’
Makefile:594: recipe for target ‘.build_release/cuda/src/caffe/layers/bnll_layer.o’ failed
make: *** [.build_release/cuda/src/caffe/layers/bnll_layer.o] Error 1
-
打开makefile文件，做如下修改（sudo vim Makefile）：
将：NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS) （大概中间靠下 100多行的位置） 替换为： NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS) -
编译； **sudo make all -j8 **（8代表线程数，根据自己电脑配置决定，不知道的话，写个16也无妨）
编译过程中可能会出现如下错误：
错误内容1：
“fatal error: hdf5.h: 没有那个文件或目录”
解决办法：
step1:在Makefile.config文件的第85行，添加/usr/include/hdf5/serial/ 到 INCLUDE_DIRS，也就是把下面第一行代码改为第二行代码。
将：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
替换为：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
stept2:在Makefile文件的第173行，把 hdf5_hl 和hdf5修改为hdf5_serial_hl 和 hdf5_serial，也就是把下面第一行代码改为第二行代码。
将：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改为：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
错误内容2：
“libcudnn.so.5 cannot open shared object file: No such file or directory”
解决办法是将一些文件复制到/usr/local/lib文件夹下：
#注意自己CUDA的版本号，这一步特别的关键！1 sudo cp /usr/local/cuda-9.0/lib64/libcudart.so.9.0 /usr/local/lib/libcudart.so.9.0 && sudo ldconfig 2 sudo cp /usr/local/cuda-9.0/lib64/libcublas.so.9.0 /usr/local/lib/libcublas.so.9.0 && sudo ldconfig 3 sudo cp /usr/local/cuda-9.0/lib64/libcurand.so.9.0 /usr/local/lib/libcurand.so.9.0 && sudo ldconfig 4 sudo cp /usr/local/cuda-9.0/lib64/libcudnn.so.7 /usr/local/lib/libcudnn.so.7&& sudo ldconfig -
测试：sudo make runtest；如果运行之后出现下图，说明caffe配置成功。（此过程正常情况下，时间较长，可以喝点儿水歇歇了，哈哈哈）
到此caffe配置完毕！
7.问题还没彻底解决，不过剩下的都是小皮毛了：python调用caffe时，出现ImportError: No module named _caffe
感谢https://blog.csdn.net/sinat_33718563/article/details/80245576博主；
解决办法：
首先在项目路径下进入终端并执行：
sudo make pycaffe
注意：
每次重新编译了caffe后都需要执行：sudo make pycaffe
8.在用户目录下，python里，输入import caffe，报错：
from google.protobuf.internal import enum_type_wrapper ImportError: No module named google.protobuf
sudo pip install protobuf
如果不成功，多试几次
9.
import sys,os# 设置当前的工作环境在caffe下
caffe_root = ‘/home/xxx/caffe/’ # 我们也把caffe/python也添加到当前环境
sys.path.insert(0, caffe_root + ‘python’)
import caffe
如果在命令行下，发现成功导入不报错，就说明安装完成
pytorch的安装
conda install pytorch torchvision cuda91 -c pytorch
import torch
torch.cuda.is_available() -------True
我在安装上边caffe的时候，通过X-shell开启了多个命令下载，为了省事儿，也是着急，直接还是选择了PyTorch官网直接down下来安装：
官网地址：https://pytorch.org/ ，下拉至最下方，根据自己的机器，选择对应的选项，最后在下方copy命令即可
还有要注意的是，尽量使用sudo获取权限，可能在你都下载完成的时候，此时发现权限不够，导致白白浪费时间，就比较可惜了。
tensorflow-gpu 1.6的安装
以上的操作建议在机器网速较快的情况下进行，由于我所实习的单位，工作日上班时间网络不好，所以我一般都是在下班以后的晚上，进行最简单的命令行pip安装；
sudo pip install tensorflow-gpu==1.6
还有要注意的是，尽量使用sudo获取权限，可能在你都下载完成的时候，此时发现权限不够，导致白白浪费时间，就比较可惜了。
有啥疑问，欢迎留言，或者微信：sunlianhao10086，备注下。
2019.05.07 更新
由于换了台机器，所以好多东西都得重新配置，centos7.6系统，16GB teslaP100双显卡的电脑。
centos 7.6 安装cuda9.2 cudnn7.1
cudnn-9.2-linux-x64-v7.1 链接：https://pan.baidu.com/s/1ZhCr6hNEqKxdc66-Zi4JOw 提取码：gsa6
tar -zxf cudnn-9.2-linux-x64-v7.1.tgz
cd cuda/
ll
cp include/cudnn.h /usr/local/cuda-9.2/include/
cp lib64/libcudnn* /usr/local/cuda-9.2/lib64/
chmod a+r /usr/local/cuda-9.2/include/cudnn.h /usr/local/cuda-9.2/lib64/libcudnn*
查看cuda cudnn版本：
cuda 版本 ：cat /usr/local/cuda/version.txt
cudnn 版本 ：cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
cuda版本的切换 ：
https://blog.csdn.net/weixin_38009585/article/details/93240419
安装完毕
centos安装 pythorch
pip3 install torchvision 改为 pip3 install --user torchvision -i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com
修改下下载源
安装opencv：pip install opencv-python -i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com
强烈推荐
通过pycharm的SSH功能实现远程代码的调试和开发（使用远程开发环境，远程项目代码）
https://blog.csdn.net/qq_27901091/article/details/83411144
安装显卡驱动
（1）sudo add-apt-repository ppa:graphics-drivers/ppa # 加入官方ppa源。
（2）sudo apt-get update
（3）sudo apt-get install nvidia-367 nvidia-settings nvidia-prime
（4）nvidia-settings #安装完成后通过下面命令查看是否安装成功。
注意安装完成后要重启