ubuntu18.04安装CUDA+cuDNN+YOLOv3
ubuntu18.04安装CUDA+cuDNN+YOLOv3
- 显卡驱动
- CUDA
- cuDNN
- YOLO
显卡驱动
先看下电脑驱动情况：ubuntu-drivers devices
$ubuntu-drivers devices
安装驱动：sudo ubuntu-drivers autoinstall
查看驱动版本：nvidia-smi
$nvidia-smi
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 390.116 Driver Version: 390.116 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce GTX 860M Off | 00000000:01:00.0 Off | N/A |
| N/A 48C P8 N/A / N/A | 320MiB / 2004MiB | 7% Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| 0 1308 G /usr/lib/xorg/Xorg 162MiB |
| 0 1484 G /usr/bin/gnome-shell 97MiB |
| 0 1883 G ...quest-channel-token=7978872242666023036 58MiB |
+-----------------------------------------------------------------------------+
查看Nouveau是否禁用：lsmod | grep nouveau
CUDA
查看显卡CUDA支持情况：
https://developer.nvidia.com/cuda-gpus
根据驱动版本选择CUDA版本：
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
我的可用9.0，下面是不同版本的下载链接
https://developer.nvidia.com/cuda-toolkit-archive
CUDA9.0下载：
https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1704&target_type=runfilelocal
CUDA需要GCC和G++6.0及以下版本
GCC降级
手动降级：
sudo apt-get install gcc-5
sudo apt-get install g++-5
cd /usr/bin
ls gcc* g++*
sudo mv gcc gcc.bak
sudo ln -s gcc-5 gcc
sudo mv g++ g++.bak
sudo ln -s g++5 g++
gcc -v
g++ -v
CUDA安装：
chmod +x ./cuda.run
./cuda.run
等待出现文本一直按空格到99%，输入accept，选择y,驱动n ，路径默认，其他y
vi ~/.bash
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
source ~/.bashrc
nvcc -V 查看安装是否成功
$nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:03_CDT_2017
Cuda compilation tools, release 9.0, V9.0.176
cuda9.0还有四个补丁，同样安装。
卸载命令：
sudo /usr/local/cuda-9.0/bin/uninstall_cuda_9.0.pl
cuDNN
下载地址
https://developer.nvidia.com/rdp/cudnn-download
需要注册，下载for linux版本，最好能，不然有可能下载很慢
tar -xzvf 解压
复制到CUDA
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
验证：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
出现如下结果表示成功：
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 6
#define CUDNN_PATCHLEVEL 0
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
#include "driver_types.h"
卸载命令：
删除复制的文件即可
sudo rm -rf /usr/local/cuda-9.0/lib64/libcudnn*
sudo rm -rf /usr/local/cuda-9.0/include/cudnn.h
YOLO
git clone https://github.com/pjreddie/darknet
cd darknet
make
wget https://pjreddie.com/media/files/yolov3.weights
使用GPU，需要修改Makefile文件，重点是如下几项
GPU=1
CUDNN=1
OPENCV=0
OPENMP=0
DEBUG=0
#ARCH= -gencode arch=compute_30,code=sm_30 \
# -gencode arch=compute_35,code=sm_35 \
# -gencode arch=compute_50,code=[sm_50,compute_50] \
# -gencode arch=compute_52,code=[sm_52,compute_52]
# -gencode arch=compute_20,code=[sm_20,sm_21] \ This one is deprecated?
# 根据自己显卡算力设置
ARCH= -gencode arch=compute_50,code=[sm_50,compute_50]
#根据自己安装地址设置
NVCC=/usr/local/cuda/bin/nvcc
最后测试检测效果：
./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/test.jpg
watch nvidia-smi #查看显卡消耗情况
效果还可以，可惜没识别出“球”来，看来YOLOv对小物件的识别还有待提高。
如果出错，注意以下几点排查
1、CUDA版本和显卡驱动匹配关系
2、显卡和算力配置的匹配关系
3、cfg/yolov3.cfg文件的配置，这个要试了
我显卡2G显存，配置偏低，参数如下：
[net]
# Testing
batch=64
subdivisions=64
# Training
#batch=64
#subdivisions=16
width=128
height=128
4、使用opencv4，可以在Makefile中的g++编译命令里添加-std=c++11的flag。
CPP = g++ -std=c++11
使用openCV4的话，有很多坑，参考第8条打个补丁就可以了
YOLO的一些参考文章
[1]. 论文
https://pjreddie.com/media/files/papers/YOLOv3.pdf
[2]. 翻译
https://zhuanlan.zhihu.com/p/34945787
[3]. 代码
https://github.com/pjreddie/darknet
[4]. 官网
https://pjreddie.com/darknet/yolo/
[5]. YouTube
https://www.youtube.com/watch?v=MPU2HistivI
[6]. 旧版
https://pjreddie.com/darknet/yolov2/
https://pjreddie.com/darknet/yolov1/
[7]. 源码分享
https://github.com/muyiguangda/darknet
[8]. YOLOv3结合openCV的patch
https://gist.github.com/tiagoshibata/f322466e8b31c14a4b98d53bf74e4f6c/revisions?diff=unified