[问题汇总]ubuntu16.04+cuda8.0+cudnn+opencv3.2+caffe+tensorflow+SS搭建

安装方法参考 http://blog.csdn.net/xunan003/article/details/74905696
以及 http://blog.csdn.net/u013277656/article/details/72627602?utm_source=itdadao&utm_medium=referral

未完待续。。。

ubuntu16.04安装：

采用镜像解压U盘安装，在官网下载镜像包后解压拷贝至U盘中，在电脑BIOS设置U盘启动

显卡驱动

NVIDIA MX150驱动安装（以小米笔记本为例）
安装完ubuntu kylin16.04后，开机发热严重，风扇狂转。应该是显卡驱动的问题，通过输入以下代码查看最合适的驱动

sudo ubuntu-drivers devices  

如图：

显卡驱动版本应该选择nvidia-384
下面有三种方法：

• 方法一

在NVIDIA驱动下载官网下载对应的run文件
首先卸载系统中的nvidia驱动：

sudo apt-get purge nvidia*

由于系统自带的开源驱动与nvidia不兼容，要屏蔽掉nouveau
新建blacklist-nouveau.conf文件，输入命令：

sudo gedit /etc/modprobe.d/blacklist-nouveau.conf

往文件中写入：

blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off

再更新一下

sudo update-initramfs -u

保存并退出。这一步是为了禁掉Ubuntu自带开源驱动nouveau。之后sudo reboot重启系统。在终端执行命令：

lsmod | grep nouveau

如果没有feedback则已经禁用了nouveau。
下面我们找到驱动的存放目录，打开终端，为文件添加可执行权限：

sudo chmod a+x NVIDIA-Linux-x86_64-384.69.run

用这种方法安装有一个弊端，就是不能在GUI中执行.run文件。
首先输入：

sudo /etc/init.d/lightdm stop

按下ctrl+alt+F1进入tty1，按下ctrl+alt+F7回到桌面
然后

sudo ./NVIDIA-Linux-x86_64-384.69.run --no-opengl-files
sudo /etc/init.d/lightdm start

一定不要装opengl。
ok后重启电脑
输入nvidia-smi查看安装是否完成
（我用该方法时遇到一个问题，驱动貌似是装了，但是打开nvidia-settings后没有选择驱动的地方，也不能查看当前驱动的状态，经过多次卸载sudo apt-get purge nvidia*重装也无济于事。。。）
于是换到了方法2

• 方法二
  使用ppa安装（此处感谢Linux公社的教程）
  卸载之前的驱动，和法一一样
  1：sudo add-apt-repository ppa:mamarley/nvidia
  2：输入你的root密码
  3：sudo apt-get update
  4：sudo apt-get install nvidia-版本号 nvidia-prime
  5：等待安装完成，重启之后，你的电脑应该就是在用nvidIa显卡驱动了，可以使用这个进行显卡切换，切换之后必须注销登陆一次才行。

用这个方法时我也遇到了问题，就是下载卡在24%不动了，后来链接手机热点才完成下载安装，总体来说，这个方法最好用。
输入nvidia-smi验证驱动安装

显卡快速切换
打开终端，输入以下命令：

sudo add-apt-repository ppa:nilarimogard/webupd8 #添加PPA更新源
sudo apt-get update #刷新更新源列表
sudo apt-get install prime-indicator #安装双显卡切换指示器

cuda8.0

• 1.安装

https://developer.nvidia.com/cuda-downloads

sudo sh cuda_*****.run 

执行后会有一系列的Y/n选择，其中选择显卡驱动的一项一定选n。其他的随意，一般默认即可。
ubuntu的gcc编译器是5.4.0，然而cuda8.0不支持5.0以上的编译器，因此需要降级，把编译器版本降到4.9：

在terminal中执行：

sudo apt-get install gcc-4.9 gcc-5 g++-4.9 g++-5  
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20  
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10  
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20  
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10  
sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30  
sudo update-alternatives --set cc /usr/bin/gcc  
sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30  
sudo update-alternatives --set c++ /usr/bin/g++ 

配置cuda8.0之后主要加上的一个环境变量声明

gedit ~/.bashrc  

在文件~/.bashrc之后加上：

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}}  

然后设置环境变量和动态链接库，在命令行输入

sudo gedit /etc/profile  

在打开的文件里面加上（注意等号两边不能有空格）

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

保存之后，创建链接文件
sudo gedit /etc/ld.so.conf.d/cuda.conf
在打开的文件中添加如下语句：
/usr/local/cuda/lib64
保存退出执行命令行：
sudo ldconfig

• 2.测试
  测试cuda的Samples
  命令行输入（注意cuda-8.0是要相对应自己的cuda版本）

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery  
sudo make  
sudo ./deviceQuery 

返回GPU信息：表示配置成功

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。

cd进入cudnn7.0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  

再cd进入lib64目录下的动态文件进行复制和链接：（7.0.1为对应版本具体可修改）

    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.7 #删除原有动态文件  
    sudo ln -s libcudnn.so.7.0.1 libcudnn.so.7 #生成软衔接  
    sudo ln -s libcudnn.so.7 libcudnn.so #生成软链接  

Opencv3.2.0

linux下查看opencv版本
pkg-config --modversion opencv

在github上下载代码并将其解压到你要安装的位置，（下载的位置还是在home/ubuntu、Downloads文件夹下）

首先安装Ubuntu系统需要的依赖项，虽然我也不知道有些依赖项是干啥的，但是只管装就行，也不会占据很多空间的。

sudo apt-get install --assume-yes libopencv-dev build-essential cmake git libgtk2.0-dev pkg-config python-dev python-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev libtbb-dev libqt4-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip  

然后安装opencv需要的一些依赖项，一些文件编码解码之类的东东。

sudo apt-get install build-essential cmake git  

sudo apt-get install ffmpeg libopencv-dev libgtk-3-dev python-numpy python3-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libv4l-dev libtbb-dev qtbase5-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip  

在终端中cd到OpenCV文件夹下（解压的那个文件夹），然后
mkdir build #新建一个build文件夹，编译的工程都在这个文件夹里

cd build/  

• 问题

cmake opencv 时遇到nvcc warning : The ‘compute_20’, ‘sm_20’, and ‘sm_21’ ……

解决办法如下：

sudo cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local -D CUDA_ARCH_BIN="5.0" ..

CUDA_ARCH_BIN代表你当前显卡的计算能力。具体能力值可在nvidia官网下载cuda的地方查阅。添加CUDA计算能力值后即可正常编译通过。

cmake成功后，会出现如下结果，提示配置和生成成功：

– Configuring done

– Generating done

– Build files have been written to: /home/ise/software/opencv-3.2.0/build

使用checkinstall:

使用checkinstall的目的是为了更好的管理我安装的opencv，因为opencv的安装很麻烦，卸载更麻烦，其安装的时候修改了一大堆的文件，当我想使用别的版本的opencv时，将当前版本的opencv卸载就是一件头疼的事情，因此需要使用checkinstall来管理我的安装。执行了checkinstall后，会在build文件下生成一个以backup开头的.tgz的备份文件和一个以build开头的.deb安装文件，当你想卸载当前的opencv时，直接执行dpkg -r build即可。

在install时，执行下面代码后出现错误

    sudo /bin/bash -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf'  
    sudo ldconfig  

在sudo ldconfig时遇到：/sbin/ldconfig.real: /usr/local/cuda/lib64/libcudnn.so.6 不是符号连接

解决办法：

建立硬链接

首先找到usr/local/cuda-8.0/lib64/目录，搜索 libcudnn 然后发现

两个文件

libcudnn.so.6 和libcudnn.so.6.0.21

理论上只有一个libcudnn.so.6.0.21

sudo ln -sf /usr/local/cuda/lib64/libcudnn.so.6.0.21 /usr/local/cuda/lib64/libcudnn.so.6

• 完成
  

caffe

• 在make py的时候，遇到了这个错误:

/usr/bin/ld: cannot find -lhdf5_hl
/usr/bin/ld: cannot find -lhdf5
collect2: error: ld returned 1 exit status

这说明连接器找不到　hdf5_hl和hdf5这两个库，没法进行链接。
我的解决方案是更改makefile:在ｍakefile中作如下更改：

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

把第一行注释，然后改成第二行的内容就可以了。

此解决方案引用自http://blog.csdn.net/baiyu9821179/article/details/73166497

• 问题2
  /usr/bin/ld:/usr/local/cuda/lib64/libcudnn.so: file format not recognized; treating as linker script
  /usr/bin/ld:/usr/local/cuda/lib64/libcudnn.so:1: syntax error
  collect2: error: ld returned 1 exit status
  Makefile:573: recipe for target ‘.build_release/lib/libcaffe.so.1.0.0’ failed
  make: * [.build_release/lib/libcaffe.so.1.0.0] Error 1
  
  解决方法：
  移除除libcudnn.so.7.0.1以外的libcudnn.so文件
  /usr/local/cuda/lib64$ sudo rm -rf libcudnn.so libcudnn.so.7
  重新生成
  sudo ln -s libcudnn.so.7.0.1 libcudnn.so.7
sudo ln -s libcudnn.so.7 libcudnn.so
  
  然后
  make clean
make all -j10

之后执行sudo make runtest测试是否装好
如果出现错误：
error while loading shared libraries: ×××.so.3.2: cannot open shared object file: No such file or directory

参考：
http://blog.chinaunix.net/uid-26212859-id-3256667.html
在root模式下（×××#）表示root模式，按ctrl+D切换出root用户
sudo su
×××# cat /etc/ld.so.conf

include ld.so.conf.d/*.conf

×××# echo "/usr/local/lib" >> /etc/ld.so.conf
×××# ldconfig

tensorflow

ooo
http://blog.csdn.net/BBZZ2/article/details/54141215?locationNum=2&fps=1

theano

fanQ篇

参考http://blog.csdn.net/bingyu9875/article/details/54600691
和https://my.oschina.net/shiyusen/blog/631082
使用了带有GUI的ssr-qt5
按照教程下载安装软件，注意一定要按步骤进行。尤其是update那块儿。
配置浏览器需要参考链接2，系统默认无代理。

设置终端的全局代理：
安装polipo软件

sudo apt-get install polipo

修改配置文件

config文件是只读的，要想修改里面的数据，需要获得最高权限。

cd /etc/polipo/
sudo chmod 777 config # 为config文件申请最高权限
vi /etc/polipo/config # 打开进行编辑
原文件中已经有了两句话，那么需要新加入3句话：

socksParentProxy = "localhost:1080"
socksProxyType = socks5
logLevel=4

ps：这里建议修改文件后恢复其本来的权限，这算是个好习惯。

关闭和启动polipo
关闭软件，让配置生效，然后重启。
sudo service polipo stop
sudo service polipo start

验证和使用
$ http_proxy=http://localhost:8123 curl ip.gs
Current IP / 当前 IP: 160.16..
ISP / 运营商: sakura.a***
City / 城市: Tokyo Tokyo
Country / 国家: Japan
IP.GS is now IP.SB, please visit https://ip.sb/ for more IP information, ip.gs will only use for curl purpose. / IP.GS 已更新至 IP.SB 请访问 https://ip.sb/ 获取更多信息, ip.gs 域名仅作 curl 使用
如有问题，请加入 Telegram 群 https:// t me sbfans

设置别名

每一次都输入这么一串命令实在太不人性化，解决方法就是给这个命令一个缩写的别名，比如“hp”。

vi .bashrc

打开配置文件，在最后面加上一句：

alias hp="http_proxy=http://localhost:8123"
关闭文件，执行下面代码：

source ~/.bashrc

这样，hp就可以代表之前很长的命令，试验一下：

hp curl ip.gs

为当前会话设置全局代理

难道要在每条联网命令前面都加上“hp”？当然不会，以下操作可以让当前终端窗口的所有联网命令都经过代理，一条命令，接管所有：

$export http_proxy=http://localhost:8123 # 当前终端使用代理
$ unset http_proxy # 当前终端取消代理

更为长久的代理设置

如果我想Ubuntu终端一直处于代理状态，能不能做到呢？这也是可以的，以下设置可以让本机的终端一直拥有代理能力，设置好后就完全不用操心了，类似于写入环境变量的操作。

方法很简单，将以下语句：

export http_proxy=http://localhost:8123
加入.bashrc文件末尾，再执行source ~/.bashrc即可。

软件源问题

参考
http://www.cnblogs.com/webnote/p/5767853.html
然后，刷新列表:

sudo apt-get update