Ubuntu16.04配置dense flow所需相关环境

先说以下本人使用的dense flow源码：https://github.com/daveboat/denseFlow_GPU

下面是这次配置的环境和机器配置：

• 系统：Ubuntu16.04
• 显卡：GeForce RTX 2080
• cuda 9.0
• cudnn 7.0.5
• opencv-3.4.0（带cuda版本的）

安装显卡驱动

• 进入英伟达官网：驱动下载
• 查找自己的显卡型号对应的linux版本驱动
• 下载的为.run格式的文件，拷贝到home文件夹
• 打开终端输入：
• $ lsmod | grep nouveau
• 如果有输出则创建文件：
• $ sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
• 然后在文件中输入：
• blacklist nouveau
  options nouveau modeset=0
• 保存文件后在终端输入：
• $ sudo update-initramfs -u
• 再输入：
• $ lsmod | grep nouveau
• 若无输出则证明已成功关闭Nouveau。
• 在ubuntu下按ctrl+alt+f1进入命令行界面。
• 输入用户名和密码。
• 输入：sudo service lightdm stop
• 为驱动文件赋予权限：sudo chmod a+x 驱动名称.run
• 安装：sudo sh ./驱动名称.run
• 一直按回车或者ctrl c 跳过说明过程。
• 输入accept接受协议。
• 接下来的选项不同版本的驱动的选项可能不一样。
• 但是一定注意不能安装OpenGL组件！！！（遇到需要安装OpenGL的选项一定选择NO）。
• 其余选项均选择默认选项即可。
• 安装成功后输入：sudo service lightdm start
• 按ctrl+alt+f7回到图形界面。
• 成功回到图形界面后输入：modprobe nvidia 挂载驱动
• 输入：nvidia-smi查看是否安装成功，如果出现显卡信息则证明显卡驱动安装成功。
• 当出现如下错误时：NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running
• 输入：cd /usr/src
• sudo apt-get install dkms
• sudo dkms install -m nvidia -v 430.68(驱动版本号)

cuda9.0与cudnn7.0.5的配置

• 在英伟官网查看本机的gpu是否支持cuda https://developer.nvidia.com/cuda-gpus

• 下载cuda9.0 ：cuda9.0（下载方式为runfile）

• sudo service lightdm stop关闭图形界面。

• ctrl + alt + f1进入命令行。

• sudo chmod a+x cuda_9.0.176_384.81_linux.run 赋予权限

• sudo sh ./cuda_9.0.176_384.81_linux.run 安装cuda

• 是否选择安装驱动： 选择不安装。

• 其余选项按照默认选项选择。

• 输入：sudo service lightdm start

• 输入： ctrl + alt + f7 返回图形界面。

• 输入： sudo gedit ~/.bashrc

• 在文件末尾添加以下两行：

• export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

• 运行以下代码：

• sudo source ~/.bashrc

• 输入： nvcc -V 查看cuda是否正确安装。

• cd /home/文件名/NVIDIA_CUDA-9.0_Samples/

• make

• 编译成功的话会显示：Finished building CUDA samples

• cd /bin/x86_64/linux/release

• ./deviceQuery

• 如果输出结果为： Result = PASS 则表明安装成功。

• ./bandwidthTest

• 如果结果显示：result=PASS则表明cuda彻底地安装成功。

• 下面安装cudnn：

• cudnn下载

• cudnn下载需要登陆。

• 注意cudnn下载的版本需要与cuda版本相匹配。

• tar -xzvf cudnn-filename.tgz解压cudnn文件

• sudo cp lib* /usr/local/cuda/lib64/

• sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

• sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

• 在终端输入： cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

• 如果出现对应的cudnn版本信息则说明cudnn安装成功。

安装OPENCV

• opencv下载
• 下载完成后放到Home文件后解压。
• 安装一些必备的包：
• sudo apt-get install libopencv-dev build-essential checkinstall cmake pkg-config yasm libtiff4-dev libjpeg-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libdc1394-22-dev libxine-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev python-dev python-numpy libtbb-dev libqt4-dev libgtk2.0-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils
• sudo apt-get install ffmpeg
• sudo apt-get install frei0r-plugins
• cd opencv-3.4.0
• mkdir build
• cd build
• cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_CUDA=ON -D CMAKE_C_COMPILER=gcc -D CMAKE_CXX_COMPILER=g++ -D ENABLE_FAST_MATH=1 -D CUDA_FAST_MATH=1 -D WITH_CUBLAS=1 -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON ..
• 没有错误的话运行：
• sudo make -j8
• sudo make install
• 安装成功后输入以下代码检测opencv是否正确
• cd ../samples/cpp/example_cmake
• cmake .
• make
• ./opencv_example
• 当出现窗口并且显示hello opencv则说明安装成功。