caffe--ubuntu14.04.04+cuda7.5+opencv3.0+python2.7(Anaconda)+matlab(笔记本双显卡,独显为NVIDIA1060)
2017-04-23 22:53
776 查看
官方caffe安装文档
sudo apt-get install libhdf5-serial-dev libgflags-dev libgoogle-glglog-dev liblmdb-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
注意:如果提示找不到哪个依赖包,就使用命令sudo apt-get update更新源文件;
b.载账户登录界面使用ctrl+alt+F1,进入驱动所在的安装包文件夹;
c.关闭图形化界面:sudo service lightdm stop
d.卸载当前的驱动:sudo apt-get remove --purge nvidia*
e.使用命令安装驱动,一定要使用带参数的命令安装驱动,否则会出现重复登录账户的情况:sudo sh NVIDIA*******.run -no-x-check -no-opengl-files -no-nouveau-check,如果没有按照该方法安装驱动出现不能进入ubuntu界面的情况下,也可以使用上面的b,d卸载已经装好的驱动,在按照e方法装一遍驱动即可;
测试驱动是否安装成功:nvidia-smi,显示GPU信息
启动图像画界面:sudo service lightdm start,重启,观察分辨率是否提高
检查当前系统版本:uname -m && cat /etc/*release
检测是都安装gcc:gcc --version (ubuntu14.04自身会安装)
检测系统是否安装了kernel head:uname -r ,没有则需要安装:sudo apt-get install linux-headers-$(uname -r)
下载相应的run包进行安装,一定要使用本地的.run包进行安装(这样可以进行选择安装的功能),否则安装好后会出现很多错误:sudo sh cuda...........(安装过程中,example会被复制一次到jieping/文件夹,并且以NVIDIA相应型号的文件名命名)
选项:accept,n(不安装图形驱动),y(安装toolkit),默认路径,y,y(安装cuda7.5列子)
设置环境变量:
sudo vi /etc/profile
export PATH=/usr/local/cuda-7.5/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH
重启(我这边重启后系统界面的分辨率变得很不正常,选择分辨率的时候只有一个分辨率的选项,参考该网址调节分辨率,再重启就正常了,也可能要多重启几遍);查看系统环境变量:env,能够查看到上面写入的两条路径
官方文档里说只需在终端中运行上述两条export语句即可,但如果不将它们不写入/etc/profile文件的话,这样的环境变量在你退出终端后就消失了,不起作用了,所以写入才是永久的做法。验证并检验cuda是否安装成功具体方法:参考网址
编译cuda中的列子(验证cuda是否安装成功):
sudo apt-get install build-essential(否则make的时候会出现缺少依赖库的错误,安装make和opencv需要的依赖库)
进入/usr/local/cuda-7.5/samples:执行命令 sudo make all 等待编译完成
编译的过程中可能会出现:ubuntu can not find libglut,只要
cd bin/x86_64/Linux/release/
./deviceQuery 运行device_query文件,如果cuda安装成功则会显示GPU的相关信息
./bandwidthTest 不是参考文档中的sandwidthTest
卸载cuda:sudo ./usr/local/cuda-X.Y/bin/uninstall_cuda_X.Y.pl
cd cuda 进入解压的文件
sudo cp lib64/lib* /usr/local/cuda/lib64 复制解压文件的lib文件到cuda的lib64
sudo cp include/cudnn.h /usr/local/cuda/include/ 复制头文件
更新cuDNN库文件的软链接
cd /usr/local/cuda/lib64
sudo chmod +r libcudnn.so.5.0.5 更改文件的权限
sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5 设置两个文件的链接库文件
sudo ln -sf libcudnn.so.5 libcudnn.so
sudo ldconfig 系统共享动态链接库
后面需要修改caffe文件中的Makefile.config,将USE_CUDNN取消注释,将CPU_ONLY:=1注释
后面需要修改caffe文件中的Makeifle.config,将BLAS:=open
安装python及其依赖库
解决不能通过验证的办法:sudo apt-get update
for file: [/home/jieping/software/DP/opencv-3.0.0/3rdparty/ippicv/downloads/linux-8b449a536a2157bcad08a2b9f266828b/ippicv_linux_20141027.tgz]
expected hash: [8b449a536a2157bcad08a2b9f266828b]
actual hash: [9d44e7247b139c51d3d7a90ddc99cae6]
Call Stack (most recent call first):
3rdparty/ippicv/downloader.cmake:108 (_icv_downloader)
cmake/OpenCVFindIPP.cmake:235 (include)
cmake/OpenCVFindLibsPerf.cmake:12 (include)
CMakeLists.txt:526 (include)
CMake Error at 3rdparty/ippicv/downloader.cmake:75 (message):
ICV: Failed to download ICV package: ippicv_linux_20141027.tgz.
解决方法:重新自己手动下载该文件或手动替换该文件参考网址,下载文件 下载文件
下述方法安装步骤:unzip opencv-3.0.0.zip
mkdir build 在解压文件夹下创建build文件
sudo apt-get install cmake
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..,cmake参数参考
make
sudo make install
sudo /bin/bash -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf' 使用bash执行shell脚本命令,添加路径/usr/local/lib到新创建的opencv.conf文件中,一定要加该路径,虽然测试的时候能成功,但是后面执行caffe的runtest就会出现如下错误:
.build_release/tools/caffe: error while loading shared libraries: libopencv_core.so.3.0: cannot open shared object file: No such file or directory
sudo ldconfig
更改环境变量:
sudo gedit /etc/bash.bashrc 在末尾添加下面的路径
PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH
编译opencv3.0中自带的列子程序
cd samples/
sudo cmake .
sudo make -j $(nproc) 使用计算机上的核心数并行执行
cd cpp
./cpp-example-facedetect ../data/lena.jpg 显示图像中圈出脸部区域
保存后重新开启终端使其生效;
bash Anaconda2-4.3.1-Linux-x86_64.sh
sudo /bin/bash -c 'echo "/home/jieping/anaconda2/lib" > /etc/ld.so.conf.d/anaconda2.conf'
sudo gedit /etc/bash.bashrc
export LD_LIBRARY_PATH="/home/jieping/anaconda2/lib:$LD_LIBRARY_PATH”
yes,yes,安装路径:/home/jieping/anaconda2
sudo gedit /etc//ld.so.conf 添加路径:/home/jieping/anaconda2/lib,这条命令等价于
for req in $(cat requirements.txt); do pip install $req; done
上面的7,8,9都是属于安装python有关的依赖库,但是也可以使用系统默认自带的python2.7,这样在后面配置makefile的时候可以省去很多路径配置和编译出错的问题,只需要使用命令安装python-dev包依赖
git clone https://github.com/BVLC/caffe.git
cd caffe-master/
cp Makefile.config.example Makefile.conig
修改Makefile.config文件,下面两个区域分别是取消#和加上#:
USE_CUDNN := 1
OPENCV_VERSION := 3
CUDA_DIR := /usr/local/cuda
BLAS := open
ANACONDA_HOME := $(HOME)/anaconda2
PYTHON_INCLUDE := $(ANACONDA_HOME)/include \
# $(ANACONDA_HOME)/include/python2.7 \
# $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \
PYTHON_LIB := $(ANACONDA_HOME)/lib
#PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include
无gpu,anaconda版本的makefile配置
make all -j4
make test
make runtest
最后在runtest的时候出现错误:F0428 20:33:42.580351 17111 threshold_layer.cu:24] Check failed: error == cudaSuccess (8 vs. 0) invalid device function
这里要注意的是,不能在windows解压后或直接复制到Linux(带有解压密码),否则会出错打不开,一定要解压后替换install.jar在压缩成ios形式
执行启动matlab:/usr/local/MATLAB/R2013b/bin/matlab -
安装matlab不能使用patch包中的证书激活解决方案
安装matlab后在斌文件夹下不能启动matlab解决
1.依赖库(可以在装完cuda后执行)
官网的依赖库:
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install --no-install-recommends libboost-all-dev
参考书上的依赖库安装:
sudo apt-get install libprotobuf-dev libdevldeleveldb-dev libsnappy-e-dev libopencv-dev libboost-all-devsudo apt-get install libhdf5-serial-dev libgflags-dev libgoogle-glglog-dev liblmdb-dev protobuf-compiler
参看依赖库安装:
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilersudo apt-get install --no-install-recommends libboost-all-dev
注意:如果提示找不到哪个依赖包,就使用命令sudo apt-get update更新源文件;
2.下载和计算机相应的驱动,笔记本和台式机分别有对应型号的驱动
a.将驱动文件存放在非中文文件夹下;b.载账户登录界面使用ctrl+alt+F1,进入驱动所在的安装包文件夹;
c.关闭图形化界面:sudo service lightdm stop
d.卸载当前的驱动:sudo apt-get remove --purge nvidia*
e.使用命令安装驱动,一定要使用带参数的命令安装驱动,否则会出现重复登录账户的情况:sudo sh NVIDIA*******.run -no-x-check -no-opengl-files -no-nouveau-check,如果没有按照该方法安装驱动出现不能进入ubuntu界面的情况下,也可以使用上面的b,d卸载已经装好的驱动,在按照e方法装一遍驱动即可;
测试驱动是否安装成功:nvidia-smi,显示GPU信息
启动图像画界面:sudo service lightdm start,重启,观察分辨率是否提高
3.安装并编译并测试cuda中的example(安装cuda官方说明文档一步步安装)
检测是否具备显卡:lspci | grep -i nvidia检查当前系统版本:uname -m && cat /etc/*release
检测是都安装gcc:gcc --version (ubuntu14.04自身会安装)
检测系统是否安装了kernel head:uname -r ,没有则需要安装:sudo apt-get install linux-headers-$(uname -r)
下载相应的run包进行安装,一定要使用本地的.run包进行安装(这样可以进行选择安装的功能),否则安装好后会出现很多错误:sudo sh cuda...........(安装过程中,example会被复制一次到jieping/文件夹,并且以NVIDIA相应型号的文件名命名)
选项:accept,n(不安装图形驱动),y(安装toolkit),默认路径,y,y(安装cuda7.5列子)
设置环境变量:
sudo vi /etc/profile
export PATH=/usr/local/cuda-7.5/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH
重启(我这边重启后系统界面的分辨率变得很不正常,选择分辨率的时候只有一个分辨率的选项,参考该网址调节分辨率,再重启就正常了,也可能要多重启几遍);查看系统环境变量:env,能够查看到上面写入的两条路径
官方文档里说只需在终端中运行上述两条export语句即可,但如果不将它们不写入/etc/profile文件的话,这样的环境变量在你退出终端后就消失了,不起作用了,所以写入才是永久的做法。验证并检验cuda是否安装成功具体方法:参考网址
编译cuda中的列子(验证cuda是否安装成功):
sudo apt-get install build-essential(否则make的时候会出现缺少依赖库的错误,安装make和opencv需要的依赖库)
进入/usr/local/cuda-7.5/samples:执行命令 sudo make all 等待编译完成
编译的过程中可能会出现:ubuntu can not find libglut,只要
输入下面的安装命令就可以在/usr/lib中找到libglut文件:
sudo apt-get install freeglut3 freeglut3-dev
cd bin/x86_64/Linux/release/
./deviceQuery 运行device_query文件,如果cuda安装成功则会显示GPU的相关信息
./bandwidthTest 不是参考文档中的sandwidthTest
卸载cuda:sudo ./usr/local/cuda-X.Y/bin/uninstall_cuda_X.Y.pl
4.安装cuDNN
tar -zxvf cudnn-7.5-linux-x64-v5.0-ga.tgz 解压文件cd cuda 进入解压的文件
sudo cp lib64/lib* /usr/local/cuda/lib64 复制解压文件的lib文件到cuda的lib64
sudo cp include/cudnn.h /usr/local/cuda/include/ 复制头文件
更新cuDNN库文件的软链接
cd /usr/local/cuda/lib64
sudo chmod +r libcudnn.so.5.0.5 更改文件的权限
sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5 设置两个文件的链接库文件
sudo ln -sf libcudnn.so.5 libcudnn.so
sudo ldconfig 系统共享动态链接库
后面需要修改caffe文件中的Makefile.config,将USE_CUDNN取消注释,将CPU_ONLY:=1注释
5.安装BLAS
sudo apt-get install libopenblas-dev后面需要修改caffe文件中的Makeifle.config,将BLAS:=open
安装python及其依赖库
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev 【警告】:下列软件包不能通过验证! liblmdb0 liblmdb-dev lmdb-doc
解决不能通过验证的办法:sudo apt-get update
6.下载对应版本的OpenCV源文件参考opencv安装方法,转换opencv版本
先按照文档安装必须的依赖库文件,按照上面文档的方法在cmake变异opencv过程中下载ippicv_linux_20141027.tgz文件的时候会出现编码不匹配的情况,如下:for file: [/home/jieping/software/DP/opencv-3.0.0/3rdparty/ippicv/downloads/linux-8b449a536a2157bcad08a2b9f266828b/ippicv_linux_20141027.tgz]
expected hash: [8b449a536a2157bcad08a2b9f266828b]
actual hash: [9d44e7247b139c51d3d7a90ddc99cae6]
Call Stack (most recent call first):
3rdparty/ippicv/downloader.cmake:108 (_icv_downloader)
cmake/OpenCVFindIPP.cmake:235 (include)
cmake/OpenCVFindLibsPerf.cmake:12 (include)
CMakeLists.txt:526 (include)
CMake Error at 3rdparty/ippicv/downloader.cmake:75 (message):
ICV: Failed to download ICV package: ippicv_linux_20141027.tgz.
解决方法:重新自己手动下载该文件或手动替换该文件参考网址,下载文件 下载文件
下述方法安装步骤:unzip opencv-3.0.0.zip
mkdir build 在解压文件夹下创建build文件
sudo apt-get install cmake
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..,cmake参数参考
make
sudo make install
sudo /bin/bash -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf' 使用bash执行shell脚本命令,添加路径/usr/local/lib到新创建的opencv.conf文件中,一定要加该路径,虽然测试的时候能成功,但是后面执行caffe的runtest就会出现如下错误:
.build_release/tools/caffe: error while loading shared libraries: libopencv_core.so.3.0: cannot open shared object file: No such file or directory
sudo ldconfig
更改环境变量:
sudo gedit /etc/bash.bashrc 在末尾添加下面的路径
PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH
编译opencv3.0中自带的列子程序
cd samples/
sudo cmake .
sudo make -j $(nproc) 使用计算机上的核心数并行执行
cd cpp
./cpp-example-facedetect ../data/lena.jpg 显示图像中圈出脸部区域
保存后重新开启终端使其生效;
7. 安装caffe的Python环境
使用发行版python安装,anacondabash Anaconda2-4.3.1-Linux-x86_64.sh
sudo /bin/bash -c 'echo "/home/jieping/anaconda2/lib" > /etc/ld.so.conf.d/anaconda2.conf'
sudo gedit /etc/bash.bashrc
export LD_LIBRARY_PATH="/home/jieping/anaconda2/lib:$LD_LIBRARY_PATH”
8.安装Anaconda,参考安装方法
bash Anaconda2-4.3.1-Linux-x86_64.shyes,yes,安装路径:/home/jieping/anaconda2
sudo gedit /etc//ld.so.conf 添加路径:/home/jieping/anaconda2/lib,这条命令等价于
sudo gedit ~/.bashrc,
export PATH=
"/home/lwp/anaconda2/bin:$PATH"
安装验证:conda install hdf5
9.安装caffe的python依赖库(安装了Anaconda不需要执行这一步)
进入caffe目录下的python文件夹:cd caffe-master/python/
安装pip:sudo apt-get install python-pip
for req in $(cat requirements.txt); do pip install $req; done
上面的7,8,9都是属于安装python有关的依赖库,但是也可以使用系统默认自带的python2.7,这样在后面配置makefile的时候可以省去很多路径配置和编译出错的问题,只需要使用命令安装python-dev包依赖
sudo apt-get install python-dev安装python调用caffe,也可以后面在安装pycaffe的时候执行
10.安装并编译caffe的python依赖库
sudo apt-get install gitgit clone https://github.com/BVLC/caffe.git
cd caffe-master/
cp Makefile.config.example Makefile.conig
修改Makefile.config文件,下面两个区域分别是取消#和加上#:
USE_CUDNN := 1
OPENCV_VERSION := 3
CUDA_DIR := /usr/local/cuda
BLAS := open
ANACONDA_HOME := $(HOME)/anaconda2
PYTHON_INCLUDE := $(ANACONDA_HOME)/include \
# $(ANACONDA_HOME)/include/python2.7 \
# $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \
PYTHON_LIB := $(ANACONDA_HOME)/lib
#PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include
无gpu,anaconda版本的makefile配置
make all -j4
make test
make runtest
最后在runtest的时候出现错误:F0428 20:33:42.580351 17111 threshold_layer.cu:24] Check failed: error == cudaSuccess (8 vs. 0) invalid device function
11.安装caffe python接口
参看网址12.安装matlab2013b参考网址
参考安装方法这里要注意的是,不能在windows解压后或直接复制到Linux(带有解压密码),否则会出错打不开,一定要解压后替换install.jar在压缩成ios形式
执行启动matlab:/usr/local/MATLAB/R2013b/bin/matlab -
安装matlab不能使用patch包中的证书激活解决方案
安装matlab后在斌文件夹下不能启动matlab解决
相关文章推荐
- caffe--ubuntu16.04+cuda8.0+opencv3.0+python2.7(Anaconda)+matlab(台式机,独显为GTXNVIDIA1060)AN3.4.
- 华硕笔记本(GTX 1060显卡)安装Ubuntu16.04+Nvidia显卡驱动+Cuda8.0+cudnn6.0+ROS+Opencv3.2+Caffe+Tensorflow
- [置顶] caffe: Ubuntu16.04 + cuda8.0 + cudnn8.0 + opencv3.1.0 + python2.7 + matlab2014b + blas(mkl)
- (1)caffe总结之Ubuntu 14.04 + Caffe + Cuda 7.5 + Opencv 3.0安装教程
- Caffe搭建:Ubuntu14.04 + CUDA7.5 + opencv3.1+python3.5
- 配置Ubuntu·14.04+显卡驱动+cuda7.5+opencv2.4.11+caffe
- 在Ubuntu server 14.04上安装caffe+ATLAS+cuda8.0+opencv2.4.8+python2.7+hdf5
- [转][linux(ubuntu14.04)+GPU+cuda6.5+caffe+openCV2.4.9+matlab2013b+python2.7的新手配置转]
- Intel+Nvidia双显卡笔记本Linuxmint18下安装CUDA+OpenCV+Caffe的安装记录
- caffe在Windows下配置 vs2013+cuda7.5+python2.7/python3.5/matlab
- py-faster-rcnn(running the demo): ubuntu14.04+caffe+cuda7.5+cudnn5.1.3+python2.7环境搭建记录
- Intel+Nvidia双显卡笔记本Linuxmint18下安装CUDA+OpenCV+Caffe安装记录
- 看这一篇就够了ubuntu16.04,cuda8.0,cudnnV5.1,python2.7,opencv3.3+contrib,caffe
- win10下caffe环境搭建: win10 + vs2013 + caffe + CUDA 7.5 + cudnn v4 + Anaconda2 (python 2.7) 目前未使用GPU
- 不纠结——caffe安装之旅(ubuntu16.10+gcc4.9+python2.7+cuda8.0+opencv3)
- Ubuntu 14.04 + Caffe + Cuda 7.5 + Opencv 3.0安装教程
- Caffe深度学习入门——Ubuntu16.04 + CUDA9.1+cudnn7.5 + opencv3.3.1+python3.5+caffe安装参考博客和跳坑笔记
- Ubuntu 16.04下的Caffe+Cuda+Opencv+Matlab+Python配置中的若干问题
- linux(ubuntu14.04)+cuda7.5+caffe+openCV2.4.9+matlab+cudnn新手配置
- Ubuntu下caffe+CUDA8.0+OpenCv3.3+Python2.7环境配置