ubuntu16.04下安装CUDA cuDNN及tensorflow-gpu版本及caffe-gpu过程
电脑配置
- 系统：Ubuntu16.04
- GPU:NVIDIA GT720
安装过程
1.安装相关依赖项
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 python-numpy
2.安装NVIDIA驱动
（1）查询NVIDIA驱动
首先去官网(http://www.nvidia.com/Download/index.aspx?lang=en-us)查看适合自己显卡的驱动：
图1.显卡驱动查询
例如本人电脑的显卡驱动如下图： 
图2.显卡驱动版本
（2）安装驱动
执行以下指令安装驱动：
sudo add-apt-repository ppa:xorg-edgers/ppa
sudo apt-get update
sudo apt-get install nvidia-384 #注意在这里指定自己的驱动版本安装完成之后
重启电脑
输入以下指令进行验证：
sudo nvidia-smi若列出了GPU的信息列表则表示驱动安装成功。
3.安装CUDA
CUDA是NVIDIA的编程语言平台，想使用GPU就必须要使用cuda。
（1）下载CUDA
首先在官网上(https://developer.nvidia.com/cuda-downloads)下载CUDA：
图3.CUDA下载
（2）安装CUDA
下载完成后执行以下命令：
sudo sh cuda_8.0.44_linux.run注意：执行后会有一系列提示让你确认，但是注意，有个让你选择是否安装nvidia361驱动时，一定要选择否：
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?因为前面我们已经安装了更加新的nvidia367，所以这里不要选择安装。其余的都直接默认或者选择是即可。
可能出现的错误：
当出现“unsupport complier”错误时，说明gcc版本太高，需要降低gcc版本。解决办法如下：
以gcc4.9与g++4.9为例
安装低版本gcc与g++：
sudo apt-get install gcc-4.9 g++-4.9之后进入/usr/bin:
cd /usr/bin先删除和gcc5.0关联的gcc:
sudo rm gcc
sudo rm g++再建个软连接
sudo ln -s gcc-4.9 gcc
sudo ln -s g++-4.9 g++然后重新安装。
（3）环境变量配置
打开~/.bashrc文件：
sudo gedit ~/.bashrc将以下内容写入到~/.bashrc尾部：
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
在终端执行命令
source ~/.bashrc
让配置立即生效
（4）测试CUDA的sammples
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery #由自己电脑目录决定
sudo make
sudo ./deviceQuery如果显示一些关于GPU的信息，则说明安装成功。
4.配置cuDNN
cuDNN是GPU加速计算深层神经网络的库。
首先去官网(https://developer.nvidia.com/rdp/cudnn-download)下载cuDNN,可能需要注册一个账号才能下载。由于本人的显卡是GTX1080，所以下载版本号如下图：
图4.cuDNN下载
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：
cd cuda/include/
sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件再将cd进入lib64目录下的动态文件进行复制和链接：
cd cuda/lib64/
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.5.1.10 libcudnn.so.5 #生成软衔接（注意这里要和自己下载的cudnn版本对应，可以在/usr/local/cuda/lib64下查看自己libcudnn的版本）
sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接5.安装opencv3.3
从官网 https://opencv.org/releases.html 下载resource版本下载Opencv,并将其解压到你要安装的位置，假设解压到了/home/opencv。
安装前准备，创建编译文件夹：
cd ~/opencv
mkdir build
cd build配置：
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..编译：
make -j8 #-j8表示并行计算，根据自己电脑的配置进行设置，配置比较低的电脑可以将数字改小或不使用，直接输make。
耗时较久!!!
以上只是将opencv编译成功，还没将opencv安装，需要运行下面指令进行安装：
sudo make install
安装完成后通过查看 opencv 版本验证是否安装成功：
pkg-config --modversion opencv
可能会出现的错误：
错误内容1：
gcc-4.9: error trying to exec 'cc1plus': execvp:
没有那个文件或目录说明gcc与g++版本不兼容，解决办法跟gcc版本太高时一样：
安装低版本gcc与g++：
sudo apt-get install gcc-4.9 g++-4.9之后进入/usr/bin:
cd /usr/bin先删除和gcc5.0关联的gcc:
sudo rm gcc
sudo rm g++再建个软连接
sudo ln -s gcc-4.9 gcc
sudo ln -s g++-4.9 g++错误内容2：
modules/cudalegacy/src/graphcuts.cpp:120:54: error:
‘NppiGraphcutState’ has not been declared
typedef NppStatus (*init_func_t)(NppiSize oSize,
NppiGraphcutState** ppState, Npp8u* pDeviceMem);这是因为opecv3.0与cuda8.0不兼容导致的。解决办法：
修改 ～/opencv/modules/cudalegacy/src/graphcuts.cpp文件内容，如图： 
图5.文件修改
6.配置caffe
（1）将终端cd到要安装caffe的位置。
（2）从github上获取caffe：
git clone https://github.com/BVLC/caffe.git注意：若没有安装Git，需要先安装Git：
sudo apt-get install git（3）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（4）打开并修改配置文件：
sudo gedit 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 := 1b.若使用的opencv版本是3的，则
将
#OPENCV_VERSION := 3
修改为：
OPENCV_VERSION := 3c.若要使用python来编写layer，则
将
#WITH_PYTHON_LAYER := 1
修改为
WITH_PYTHON_LAYER := 1d. 重要的一项 :
将# Whatever else you find you need goes here.下面的
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 := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial 这是因为ubuntu16.04的文件包含位置发生了变化，尤其是需要用到的hdf5的位置，所以需要更改这一路径.
（5）修改Makefile文件
cd caffe,进入caffe文件夹下
打开makefile文件，
sudo gedit Makefile
做如下修改：
将：
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)（6）编辑/usr/local/cuda/include/host_config.h
将其中的第115行注释掉：
将
#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
改为
//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!（7）编译
然后
重新回到caffe文件夹
cd caffe
编译 make pycaffe -j8
make all -j8 #-j根据自己电脑配置决定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：
"libcudart.so.8.0 cannot open shared object file: No such file or directory"
或者
Traceback (most recent call last):
File "", line 1, in
File "/home/duxinyuan/caffe/python/caffe/__init__.py", line 1, in
from .pycaffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, RMSPropSolver, AdaDeltaSolver, AdamSolver, NCCL, Timer
File "/home/duxinyuan/caffe/python/caffe/pycaffe.py", line 13, in
from ._caffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, \
ImportError: libopencv_core.so.3.3: 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！
sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcublas.so.8.0 /usr/local/lib/libcublas.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcurand.so.8.0 /usr/local/lib/libcurand.so.8.0 && sudo ldconfig（8）测试
sudo make test
sudo make runtest
可能出现的错误：
.build_release/tools/caffe
.build_release/tools/caffe: error while loading shared libraries: libcudnn.so.5: cannot open shared object file: No such file or directory
Makefile:532: recipe for target 'runtest' failed
make: *** [runtest] Error 127
cuda的路径可能设置错了sudo ldconfig /usr/local/cuda/lib64
可能出现的错误：
python/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: No such file or directory
compilation terminated.
Makefile:507: recipe for target 'python/caffe/_caffe.so' failed
make: *** [python/caffe/_caffe.so] Error 1
找不到numpy库
sudo apt-get install python-numpy
source ~/.bashrc 立即生效
- 1
- 1
- 1
- 1
图6.caffe测试结果
到此caffe配置完毕！
7.安装Tensorflow
安装Tensorflow使用Anaconda安装Tensorflow
bash anaconda.sh
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.0.1-cp27-none-linux_x86_64.whl
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.0.1-cp27-none-linux_x86_64.whl
MNIST数据集测试
配置caffe完成后，我们可以利用MNIST数据集对caffe进行测试，过程如下：
1.将终端定位到Caffe根目录
cd ~/caffe- 1
2.下载MNIST数据库并解压缩
./data/mnist/get_mnist.sh- 1
3.将其转换成Lmdb数据库格式
./examples/mnist/create_mnist.sh- 1
4.训练网络
./examples/mnist/train_lenet.sh- 1
训练的时候可以看到损失与精度数值，如下图： 
图7.MNIST数据集训练
可以看到最终训练精度是0.9914。
可能出现的错误
解决ImportError: /home/douxiao/anaconda3/bin/../lib/libstdc++.so.6: version `GLIBCXX_3.4.21' not found
解决办法：
conda install libgcc
/usr/bin/ld: 找不到 -lhdf5_hl
collect2: error: ld returned 1 exit status
Makefile:493: recipe for target '.build_release/lib/libcaffe.so' failed
解决办法：
//重要的一项
将# Whatever else you find you need goes here.下面的
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
//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
cd /usr/lib/x86_64-linux-gnu
\\然后根据情况执行下面两句：
sudo ln -s libhdf5_serial.so.10.1.0 libhdf5.so
sudo ln -s libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so