ubuntu14.04安装caffe+cuda7.5+cudnn5.0+opencv3.0（亲测有效）

ubuntu14.04安装caffe+cuda7.5+cudnn5.0+opencv3.0

此博客为原始博客，可以转载，但是转载请注明出处。

先介绍一下本人电脑配置：笔记本双显卡，N卡是gtx1060（因为双显卡的问题黑屏无数次，文章后续有解决方案）

本文步骤如下：

- ①安装显卡驱动

- ②安装CUDA7.5

- ③安装opencv3.0

- ④安装cudnn5.0

- ⑤安装caffe

注意：不同电脑可能遇到的bug也不一样，我的配置流程不一定100%成功，但是适用大部分电脑，因为我的笔记本已经踩了很多坑。文章中基本没有废话，需要修改的地方都需要修改

①显卡驱动安装

对于笔记本具有双显卡的情况（intel集显+NVIDIA独显）安装显卡驱动是一件很坑的事情，或者你在安装CUDA后重启黑屏，罪魁祸首之一也是双显卡的问题。为此，已经付出了黑屏无数次的代价，最终还是找到了解决方案。

首先安装显卡驱动：

在系统设置里找到附加驱动，里面加载完毕后会有推荐的nvidia显卡驱动版本。例如我这里推荐的是367版本，那么我们就安装这个版本的驱动。

$ sudo apt-get install nvidia-367

在安装完驱动之后，我重启了电脑，发现电脑黑屏，无法进入图形界面，之后试了好多方法，无论如何就是一安装完显卡驱动重启就黑屏，最后的解决方法是：

先启动命令界面，按ctrl+alt+f1，进入之后先关闭lightdm，然后选择intel显卡进行显示，最后重启lightdm（lightdm是管理图形界面的），具体命令是

$ sudo service lightdm stop
$ sudo prime-select intel
$ sudo service lightdm restart

执行完上述命令之后，就可以进入图形界面了，成功的解决了黑屏问题（花了好几天时间才解决的）。进入图形界面后，再次打开命令行，将显卡切换到nvidia显卡，因为我们毕竟要使用nvidia显卡来安装cuda，具体命令为

$ sudo prime-select nvidia

但是，不幸的是，如果你出现上述安装完驱动就黑屏的问题，那么在你关机第二次开机时还是会黑屏，因为你关机之前已经切换到了nvidia显卡，所以这时候你用的还是nvidia显卡启动的（切记不要用intel显卡启动电脑，要么之后系统检测不到nvidia显卡，对于我的电脑是这样的）。这个时候，意味着你每次开机都要执行上述4条命令的过程，虽然有些麻烦，但是确能解决问题，多输几条命令吧。

当然如果你用的台式或者你的笔记本没有这种BUG，就不用做这些操作了。但如果你在安装CUDA重启后黑屏，也可以参考这些操作，我认为是有效的。

②CUDA 7.5安装

一、首先，安装一些依赖项：

$ 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 libatlas-base-dev
$ sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

二、之后下载cuda的.run文件，不要用deb文件，因为在上一步我们已经安装了显卡驱动。如果使用deb文件安装，则在安装cuda的时候会自动再安一次显卡驱动，可能会把当前的版本替换成其他版本了。所以去下载.run文件安装。

下载链接：https://developer.nvidia.com/cuda-75-downloads-archive

按照下图选择：



下载好后我们开始安装：

进入下载好文件的目录，执行：

$ sudo sh cuda_7.5.18_linux.run

然后按空格阅读有关信息，最后会让你选择你要安装的项目，注意！！这里除了driver驱动之外都选择yes，路径回车默认就可以，driver一定要选no，否则跟安装deb文件没什么区别了。

三、等待安装完毕后，添加环境变量：

$ gedit .bashrc

然后在打开的文档末尾添加3行（注意路径是否匹配）：

export PATH=/usr/local/cuda-7.5/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64
export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH

然后生效：

source .bashrc

最后重启电脑，输入命令：

$ env

检查环境变量是否含有cuda

五、检查

在整个安装过程，包括后面的所以安装过程，都要确保在使用nvidia显卡，检查方法是命令行输入：

$ nvidia-smi

如果出现很多信息则证明nvidia正在运转，如果出现smi找不到之类的错误信息，证明还是没有选择到nvidia显卡，具体操作上面已经说过了（启动电脑用n卡启动，虽然会黑屏，但若用Intel显卡启动就会出现smi找不到）

检查 CUDA Toolkit是否安装成功，命令行输入：

$ nvcc -V #会输出CUD
4000
A的版本信息

六、编译cuda例程

首先安装gcc，命令行输入：

$ sudo apt-get install gcc

然后切换到例子存放的路径，默认路径是

~/NVIDIA_CUDA-7.5_Samples（即 /home/xxx/NVIDIA_CUDA-7.5_Samples， xxx是你自己的用户名）

命令行输入：

$ make

然后慢慢等待吧，这个过程很长，几十分钟。编译完成后进入~/NVIDIA_CUDA-7.5_Samples/bin/x86_64/linux/release，命令行输入

$ ./deviceQuery

出现下图情况，证明CUDA安装成功

③opencv 3.0安装

一、安装依赖库，以及搭建环境：

$ sudo apt-get install build-essential
$ sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
$ sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

二、下载 opencv3.0

$ wget https://github.com/Itseez/opencv/archive/3.0.0-alpha.zip -O opencv-3.0.0-alpha.zip
$ unzip opencv-3.0.0-alpha.zip

三、安装opencv

进入opencv-3.0.0-alpha目录，创建release目录

$ mkdir release

进入release目录，命令行输入：

$ cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D CUDA_GENERATION=Kepler ..
$ sudo make
$ sudo make install
$ sudo /bin/bash -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf'
$ sudo ldconfig

其中在sudo make编译的时候会出现error: a storage class is not allowed in an explicit specialization问题，这个错误应该是在NCVPixelOperations.hpp 这个文件里出的错，所以找到NCVPixelOperations.hpp 这个文件，它在opencv-3.0.0-alpha\modules\cudalegacy\src\cuda\里，然后打开这个文件进行编辑，将所有的inline之前的static去掉，即把static inline变成inline。问题解决，继续make编译。之后可能还会出现error: a storage class is not allowed in an explicit specialization，解决方法是但凡看见这个错误，就找到出错的这个文件，然后打开文件进行编辑，把文件里的static去掉，这个是我自己摸索出来的，虽然不知道为啥，但是能够解决问题。

整个make过程也很漫长，慢慢等待

安装完成后，进行测试opencv，测试这里就不具体说明，可以参考博客http://www.tuicool.com/articles/nYJrYra，博客的下半部分有说明测试的流程和代码。

④cudnn 5.0安装

这个不安装也可以，只要在之后的caffe配置文件中把cudnn注释掉就可以了。

下载cudnn：https://developer.nvidia.com/cudnn，需要注册一下账号

然后命令输入：

$ sudo tar xvf cudnn-7.5-linux-x64-v5.0-ga.tgz
$ cd cuda/include
$ sudo cp *.h /usr/local/include/
$ ../lib64
$ sudo cp lib* /usr/local/lib/
$ cd /usr/local/lib
$ sudo chmod +r libcudnn.so.5.0.5
$ sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5
$ sudo ln -sf libcudnn.so.5 libcudnn.so
$ sudo ldconfig

(libcudnn.so.5.0.5这些文件的版本与你下载的文件版本对应好，按目录找到对应文件看一下版本对不对就行了)

⑤caffe 安装

一、下载caffe

$  cd ~
$ git clone git://github.com/BVLC/caffe.git

然后进入caffe目录，打开Makefile，在181行和191行后面添加opencv_imgcodecs（必须要改）

最后打开caffe/examples/cpp_classification/classification.cpp文件，加入：

#include <opencv2/imgproc/types_c.h>
#include <opencv2/objdetect/objdetect_c.h>

二、编译caffe

$ cd ~/caffe
$ cp Makefile.config.example Makefile.config

打开Makefile.config，去掉USE_CUDNN := 1注释

接着命令行输入：

$ make all
$ make test
$ make runtest

在make all时如果出现错误：nvcc fatal : Unsupported gpu architecture ‘compute_60’，解决方法是打开Makefile.config，把-gencode arch=compute_60,code=sm_60 \ 这一行注释掉，即把第42行注释掉。

在执行runtest可能出错：CURAND出错，status == CURAND_STATUS_SUCCESS (201 vs. 0) CURAND_STATUS_LAUNCH_FAILURE，一个生成随机数的程序出错。原因是CUDA版本不支持6.x框架的显卡，但不影响后续工作，忽略即可。所以runtest没有成功也不影响

三、配置pycaffe

安装依赖库：

$ sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython
$ sudo apt-get install protobuf-c-compiler protobuf-compiler

然后编译：

$ cd ~/caffe
$ make pycaffe

添加~/caffe/Python到$PYTHONPATH：

$ sudo gedit /etc/profile
# 打开文件后，在末尾添加： export PYTHONPATH=/home/xxx/caffe/python:$PYTHONPATH$ source 注意把xxx替换成你的名称
$ /etc/profile

测试：

$ python
$ >>>import caffe

如果结果如下图：



即没有任何错误信息，证明caffe安装成功

至此GPU版本的caffe安装全部完成，如果中间出现一些文章中没有的bug也很正常，大家网上搜一下应该都是可以解决的。若文章中有错误的地方，还请网友帮忙指出从而进行修改。

另外CUDA和CUDNN版本与我安装的不一致也没有关系，整体都步骤都是相同的，只要把其中关于版本的一些命令修改成你的版本就可以了。

最后，我的第二篇文章会有在caffe框架上安装faster rcnn的流程，请有需要的童鞋参考我的第二篇文章