Ubuntu 16.04 + cuda8.0 + opencv3 + caffe的安装，tensorflow-gpu的安装

折腾了一天总算把caffe装好了，其实主要是编译库的问题，记录一些坑，跳过就好了。

另外吧，tensorflow-gpu的安装前面安装cuda和cudnn的几步一样，就不另开了吧。

cuda8.0 和 cudnn6.0的安装

tensorflow-gpu 的安装（乱入，可选）

opencv3.1 的安装

caffe的安装

安装cuda8.0

不管是安装tensorflow还是caffe，要用到gpu还是先把cuda装好吧，推荐使用cuda8.0+cudnn6.0。其他新版本使用好像会报错。

window下的安装主要错误其实就是版本的问题，安装cuda8.0然后吧cudnn6.0对应的文件夹下的内容复制过去就好了。

Ubuntu16 cnda+cudnn链接: https://pan.baidu.com/s/1kUYdHwN 密码: v2fz

Windows10 cnda+cudnn链接: https://pan.baidu.com/s/1eSfF8CM 密码: 9cdc



解压然后运行：

sudo sh cuda_8.0.27_linux.run

一路选accept，y或者直接回车默认（第一个N卡驱动如果装了可不装）。

添加环境变量：

sudo gedit ~/.bashrc

在后面添加：

# cuda
export CUDA_HOME=/usr/local/cuda-8.0
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA_HOME/lib64:$CUDA_HOME/extras/CUPTI/lib64
export LIBRARY_PATH=$LIBRARY_PATH:$CUDA_HOME/lib64

解压cudnn并进入其中

cd cuda

：

sudo cp lib64/lib* /usr/local/cuda-8.0/lib64/
sudo cp include/cudnn.h /usr/local/cuda-8.0/include/
sudo apt-get install nvidia-modprobe

运行例子进行测试，如果最后result为pass安装正确：

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

安装tensorflow-gpu

前面的弄好了其实也就一句话的事情了

pip install --user tensorflow-gpu
# 测试
python
import tensorflow
# 回车之后没有报错基本就可以说安装好了

安装opencv

为了编译opencv和caffe，这里需要下一堆库，也是很容易出错的地方。有些库对Python3支持不好，强烈建议切换到用Python2环境下安装（我用Python3试了一下午还是报错）

这一步非必须，个人觉得比较大的坑所在，建议设置
# 设置Python版本索引
sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 2
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 3
# 选择Python版本
sudo update-alternatives --config python

安装库

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

从http://opencv.org下载3.1版本解压到需要安装存放opencv的目录并进入，我的是~/software/opencv:

cd ~/software/opencv
mkdir build //建立一个build目录，把cmake的文件都放着里边
cd build　　　//进入build目录
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local -D OPENCV_EXTRA_MODULES_PATH=～/opencv_contrib/modules/ -D CUDA_NVCC_FLAGS=--Wno-deprecated-gpu-targets ..
make -j7 # 并行运行七个jobs，这一步也在build目录中进行
sudo make install
# 测试，可跳过
cd ~/software/opencv/samples/python/
python asift.py

安装caffe

caffe的安装和opencv类似，都要下载编译，下载并解压移动到安装目录：

git clone https://github.com/BVLC/caffe.git[/code] 
unzip后我放在了：
mv caffe ~/software/


进入编译
cd ~/software/


先修改一些配置文件：

cp Makefile.config.example Makefile.config
gedit Makefile.config

1.若使用cudnn，去掉“#”注释符，即
#USE_CUDNN := 1
修改成：
USE_CUDNN := 1

2.若使用的opencv版本是3的，去下“#”号
#OPENCV_VERSION := 3

3.若要使用python来编写layer，则去下“#”号
#WITH_PYTHON_LAYER := 1

4.重要的一项 :
将# Whatever else you find you need goes here.下面的
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改为：
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
#这是因为ubuntu16.04的文件包含位置发生了变化，尤其是需要用到的#hdf5的位置，所以需要更改这一路径.

5.编译
make all -j7 #-j根据自己电脑配置决定
sudo make runtest


注意，上面的第五步很可能出问题，这是因为我们的cudnn只是下载复制文件，并没有添加到系统的动态链接库中，会出现无法找到的错误：

.build_release/tools/caffe: error while loading shared libraries: libcudnn.so.6: cannot open shared object file: No such file or directory
# 还可能出现cuda的问题
error while loading shared libraries: libcudart.so.8.0: cannot open shared object file: No such file or directory


上面两个问题的解决方法类似，把需要的库添加即可：

# 进入cuda相关库文件夹
sudo rm -rf libcudnn.so libcudnn.so.6
# 去掉可能存在的错误链接库
sudo rm -rf libcudnn.so libcudnn.so.6
# 新建链接
sudo cp /usr/local/cuda-8.0/lib64/libcudnn.so.6.0.21 /usr/local/lib/libcudnn.so.6 && sudo ldconfig

# 下面的也执行无妨，以防cuda8.0的库出现问题
sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.so.8.0 && sudo ldconfig

sudo cp /usr/local/cuda-8.0/lib64/libcublas.so.8.0 /usr/local/lib/libcublas.so.8.0 && sudo ldconfig

sudo cp /usr/local/cuda-8.0/lib64/libcurand.so.8.0 /usr/local/lib/libcurand.so.8.0 && sudo ldconfig


然后再重新执行第五步即可。

测试训练，你以为前面就完了，可能没呢

1.将终端定位到Caffe根目录
cd ~/caffe

2.下载MNIST数据库并解压缩
./data/mnist/get_mnist.sh

3.将其转换成Lmdb数据库格式
./examples/mnist/create_mnist.sh

4.训练网络
./examples/mnist/train_lenet.sh


如果没问题，那就如下盗的图，如果有，那很可能是驱动问题



驱动问题

前面没说驱动的问题，然后就打脸了(手动滑稽)，运行caffe的时候出现了问题
Cannot create Cublas handle. Cublas won't be available.


自己安装和cuda选择安装的显卡驱动版本都太高了，果然很多坑啊，选择375版本的。

安装方式一（推荐）：
下载NVIDIA驱动： https://pan.baidu.com/s/1kUYdHwN 密码: v2fz
# 添加执行权限
chmod +x NVIDIA-Linux-x86_64-375.66.run
# 先按Ctrl + Alt + F1到控制台，关闭当前图形环境
$sudo service lightdm stop
# 再安装驱动程序
$sudo sh NVIDIA-Linux-x86_64-xxx.run
# 测试，会显示显卡驱动 nvidia -smi
# 最后重新启动图形环境
$sudo service lightdm start


安装方式二（可能会被系统还原为384）：
1. 删除之前安装的nvidia驱动，运行 sudo apt-get purge nvidia-*
2. 添加第三方驱动源，运行 sudo add-apt-repository ppa:graphics-drivers/ppa 或者 sudo apt-add-repository ppa:xorg-edgers/ppa
3. 更新源，运行 sudo apt-get update
4. 查询nvidia驱动可用版本，运行sudo apt-cache search nvidia-* 查询相应版本
4. 安装驱动，运行 sudo apt-get install nvidia-375


主要参考

https://zhuanlan.zhihu.com/p/27901356

http://blog.csdn.net/u010454261/article/details/71268325?utm_source=itdadao&utm_medium=referral

https://zhidao.baidu.com/question/1115001642352097179.html

感谢以上三位大佬以及一些百度过但是不记得链接的网友