ubuntu16.04 cuda10.0 配置caffe gpu环境

caffe gpu环境的配置就是一部赤裸裸的血泪史，每次都能遇到很多问题~

环境依赖

ubuntu 16.04
cuda 10.0
python 3.5
opencv 3.4.10


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

git clone https://github.com/BVLC/caffe.git
cd caffe
cp Makefile.config.example Makefile.config

修改Makefile.config

１．
# USE_CUDNN := 1  
# USE_OPENCV := 0
# OPENCV_VERSION := 3
# WITH_PYTHON_LAYER := 1
# 改为：
USE_CUDNN := 1
USE_OPENCV := 1
OPENCV_VERSION := 3
WITH_PYTHON_LAYER := 1


２．
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
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


３．
# 推荐使用python3.5的版本，一般Ubuntu系统自带的就行，python2.7太老，python3.6或者3.7容易出问题
# 把python2.7代码加注释，python3.5前的注释去掉
PYTHON_LIBRARIES := boost_python3 python3.5m
PYTHON_INCLUDE := /usr/include/python3.5m \                 
                  /usr/lib/python3.5/dist-packages/numpy/core/include


４．
# 如果cuda版本大于等于9.0，需要注释掉前两行，如下
# -gencode arch=compute_20,code=sm_20 \
# -gencode arch=compute_20,code=sm_21 \
CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \            
              -gencode arch=compute_35,code=sm_35 \              
              -gencode arch=compute_50,code=sm_50 \              
              -gencode arch=compute_52,code=sm_52 \              
              -gencode arch=compute_60,code=sm_60 \              
              -gencode arch=compute_61,code=sm_61 \              
              -gencode arch=compute_61,code=compute_61

修改Makefile

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


LIBRARIES += glog gflags protobuf boost_system boost_filesystem m
改为：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

开始编译

make all -j8

这里遇到一个报错:

cannot find -lboost_python3

解决方案如下（https://github.com/BVLC/caffe/issues/4843）

cd /usr/lib/x86_64-linux-gnu
sudo ln -s libboost_python-py35.so libboost_python3.so 

报错解决之后make clean一下，重新编译

sudo make all　-j8
sudo make test  -j8
sudo make runtest  -j8

sudo make all的结果

sudo make test的结果

sudo make runtest的结果

如果你的运行结果和上面的一致，那么恭喜你，让无数人蛋疼的caffe-gpu环境配置的深坑成功让你淌过去了，接下来测试一下。

mnist数据集测试

# 下载mnist数据集
cd ~/caffe/data/mnist            
sudo sh ./get_mnist.sh


# 在该目录下将有相应图片和标签文件mnist数据格式转换
cd ~/caffe            
sudo sh ./examples/mnist/create_mnist.sh


# 将在mnist文件夹（上个步骤的路径）生成LMDB格式数据集
# 训练mnistcd ~/caffe            
sudo sh ./examples/mnist/train_lenet.sh

测试结果如下，到此caffe成功安装完毕

配置python接口

# 配置环境变量
sudo echo export PYTHONPATH="{caffe所在路径}/python" >> ~/.bashrc
# 使之生效
source ~/.bashrc

测试报错，缺少包

在这里卡了一下，系统目前默认python解释器是python3.5没问题，但pip安装的时候不知道为啥老是自动装到python3.6的环境中了

解决方案：

python -m pip install numpy scikit-image

如果默认python版本不是3.5，这里就需要指定具体的路径了，比如

/usr/bin/python3.5 -m pip install scikit-image

参考:

http://www.share4y.cn/2020/06/install-the-pip-package-to-the-specified-python-environment/

最终测试

完美！！！

参考来源：

https://blog.csdn.net/qq_33431368/article/details/84717053

https://blog.csdn.net/qq525003138/article/details/103910929

https://blog.csdn.net/g11d111/article/details/78141202

https://blog.csdn.net/weixin_38396731/article/details/78239117

https://blog.csdn.net/chenlufei_i/article/details/80068953

下一篇，

如何用caffe-ssd进行训练，

敬请期待...

往期推荐

• Ubuntu 配置多个版本cuda(10.0、10.1)‍

• 用树莓派4b构建深度学习应用（九）Yolo篇

• 用树莓派4b构建深度学习应用（口罩篇）

• 用AI从零开始创建一个宫崎骏的世界‍‍‍