一. NVIDIA显卡驱动

参考： https://www.cnblogs.com/abelsu/p/10625616.html

1. 安装前准备

(1). 检查是否有卡

一般购入电脑时就能有所了解，并且带有该显卡的电脑，都会有NVIDIA的绿色标识贴在机身上，只需要进一步确认就可以：

$ lspci | grep -i nvidia

如果输出有带NVIDIA字符就可以了。

(2). 关闭Security Boot

重启电脑，在开机过程中连续敲击某个键进入BOIS设置，我的是F2，有的电脑是F6，F12等，不确定的可以根据电脑情况查一下。

选择Security Boot一栏，回车将Enable改为Disable。

2. 安装NVIDIA显卡驱动

(1). 禁用nouveau

可以先检查一下是否禁用，我的在安装系统时就一并禁用了：

$ lsmod | grep nouveau

没有输出则证明被禁用了。

如果有输出，则执行：

$ sudo gedit /etc/modprobe.d/blacklist.conf

在文末添加：blacklist nouveau，保存关闭后执行：

$ sudo update-initramfs -u

重启电脑再执行：

$ lsmod | grep nouveau

(2). 把显卡驱动加入PPA：

卸载系统里的低版本驱动：

$ sudo apt-get purge nvidia*

$ sudo add-apt-repository ppa: graphics-drivers
$ sudo apt-get update

(3). 查找本电脑中NVIDIA显卡驱动最新版本号：

$ sudo apt-cache search nvidia

(4). 查看Ubuntu推荐的驱动版本：

$ Ubuntu-drivers devices

我的推荐是nvidia-driver-440。

(5). 打开软件和更新，点击附加驱动，选择使用推荐版本的选项，进行应用更改。

(6). 重启电脑执行：

$ nvidia-smi

我的配置只能用CUDA-10.2的版本，而目前的pytorch只能下载10.1版本，这是一个比较麻烦的问题，可能导致pytorch安装失败。

二. CUDA-10.2

1. 下载CUDA Toolkit 10.2

(1). 查看gcc，Kernel Header和Development

$ gcc --version

没有则安装：

$ apt install gcc

$ uname -r

确保Kernel Header与正在运行的Kernel相互匹配：

$ sudo apt-get install linux-headers-$(uname -r)

(2). 下载和安装CUDA

打开NVIDIA官网(https://developer.nvidia.com/cuda-downloads)，在标有Select Target Platform的绿色表格内根据自己的配置情况进行选择，如我选的是：

Operating System：Linux
Architecture：x86_64
Distribution：Ubuntu
Version：18.04
Installer Type：deb(local)

一般来说下载方式选runfile(local)更容易成功，但deb比较稳妥。

选择结束之后下方的Download Installer for Linux Ubuntu 18.04 x86_64绿色表格中会出现名为Base Installer的嵌入式表格，复制其中给出的Installation Instructions到terminal进行安装即可。
文件大小约2.46G，最好保存到没有中文的目录下，以免出现之后乱码或其他问题。

(3). 查看文件是否下载完整

下载完成后点击嵌入式表格下方的Installer Checksums，查看校验码。在teiminal输入：$ md5sum ccuda-repo-ubuntu1804-10-2-local-10.2.89-440.33.01_1.0-1_amd64.deb，得到下载之后的校验码。
对比二者无异则证明下载完整。

(4). 添加环境变量

打开cuda-10.2所在位置：

$ cd /usr/local/cuda-10.2/bin

找到nvcc，在terminal打开，输入：

$ vi ~/.bashrc

按a由只读改为插入，添加环境变量：

export PATH=”/usr/local/cuda-10.2/bin:$PATH”

输入命令验证是否配置好：

$ source ~/.bashrc
$ echo $PATH

(5). 测试是否安装成功

在终端输入：

$ cd /usr/local/cuda-10.2/samples/1_Utilities/deviceQuery
$ sudo make
$ ./deviceQuery

显示结果如图则证明安装成功。

三. cuDNN

参考：https://blog.csdn.net/u010801439/article/details/80483036

1. 下载和安装cuDNN

打开NVIDIA官网(https://developer.nvidia.com/cudnn)，选择download cuDNN，这里需要登录才能进行下载，所以选择Login，没有账号则创建账号，有则直接登录。

选择for CUDA 10.2的cuDNN版本，选择其中的cuDNN Library for Linux下载，这个文件是基础文件。
下载完成后在文件所在目录下打开终端，执行：

$ tar zxvf cudnn-10.2-linux-x64-v7.6.5.32.tgz # 解压
$ sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-10.2/lib64/
$ sudo cp cuda/include/cudnn.h /usr/local/cuda-10.2/include/
$ sudo chmod a+r /usr/local/cuda-10.2/include/cudnn.h
$ sudo chmod a+r /usr/local/cuda-10.2/lib64/libcudnn* # 为所有用户设置读取权限
$ cd /usr/local/cuda/lib64/
$ sudo rm -rf libcudnn.so libcudnn.so.7
$ sudo ln -s libcudnn.so.7.6.5 libcudnn.so.7 libcudnn.so # 不够写的话分成三次建立
$ sudo ldconfig

安装libcupti：

$ sudo apt-get install libcupti-dev

在同样网站下载三个补丁文件：
cuDNN Runtime Library for Ubuntu 18.04(Deb)
cuDNN Developer Library for Ubuntu 18.04(Deb)
cuDNN Code Samples and User Guide for Ubuntu 18.04(Deb)

并安装:

$ sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.2_amd64.deb
$ sudo dpkg -i libcudnn7-dev_7.6.5.32-1+cuda10.2_amd64.deb
$ sudo dpkg -i libcudnn7-doc_7.6.5.32-1+cuda10.2_amd64.deb

2. 验证是否安装成功

在terminal输入：

$ cp -r usr/scr/cudnn_samples_v7/ home/用户名/cuDNN/

因为我在home建立了cuDNN的文件夹，就把它移动过来，进入目录：

$ cd /home/用户名/cuDNN/cudnn_samples_v7/mnistCUDNN
$ make clean && make
$ ./mnistCUDNN

出现如下图证明安装成功：

四. Pytorch

Pytorch目前来看支持CUDA-10.1，cuDNN-7.6.3，但我的系统只支持CUDA-10.2，与cuDNN-7.6.5相匹配，只能安装CUDA-10.1的对应版本，凑合凑合也能用。

1. 下载pytorch

同CUDA一样，进入Pytorch官网依次选择安装指引即可下载，我的安装选择如下：

Pytorch Build：Stable(1.4)
Your OS：Linux
Package：Conda
Language：Python
CUDA：10.1

复制Run this Command至terminal即可下载，如果conda不行可以选择pip，不过两个都实在太慢，剩余时间是4-8天不等，于是切换到清华镜像(https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64)选择离线下载安装，根据电脑目前的配置选择pytorch和torchvision的两个文件：

a. pytorch-1.4.0-py3.7_cuda10.1.243_cudnn7.6.3_0.tar.bz2
b. torchvision-0.5.0-py37_cu101.tar.bz2

2. 安装

在浏览器下载成功后conda离线安装，速度非常快，一个文件大概十几秒：

$ conda install --offline pytorch-1.4.0-py3.7_cuda10.1.243_cudnn7.6.3_0.tar.bz2
$ conda install --offline torchvision-0.5.0-py37_cu101.tar.bz2

离线成功后再利用conda在线安装一次，注意：在Pytorch官网指令的基础上删掉“-c pytorch”，这一指令代表直接从官网下载，无法与本地安装好的部分相匹配，所以改成：

$ conda install pytorch torchvision cudatoolkit=10.1

开始下载，我因为网络的问题执行了两次才成功，不过总体只花费几分钟，还算高效。在terminal输入Python进入。注意如果anaconda环境变量没有添加成功，这里会返回Ubuntu系统自带的Python2.7，可以先输入Python3，这样可以直接跳转Python3.7，但是为了防止以后安装Python库的问题，还是尽快将anaconda的环境变量添加好。

代码：

$ python3

>>>import torch
>>>torch.cuda.is_available()
True

安装成功。

五. Tensorflow-gpu

参考：https://blog.csdn.net/MacwinWin/article/details/104108744#ssh_106

1. 安装前准备

升级一下pip3：

$ sudo apt-get install python3-pip

检查pip版本：

$ pip3 --version

目前已经是最新版。

用conda升级所有包：

$ conda update --all

不升级无妨，提前准备多一点，能让下一步运行更顺利一些。

2. 下载.whl文件

从Tensorflow的官网直下($ pip3 install tensorflow-gpu)网速过慢导致多次下载失败，也改用国内镜像源。

这次用的是阿里云的镜像，网址：http://mirrors.aliyun.com/pypi/simple/tensorflow-gpu/，直接下载tensorflow_gpu-2.1.0-cp37-cp37m-manylinux2010_x86_64.whl到home，然后运行：

$ pip install tensorflow_gpu-2.1.0-cp37-cp37m-manylinux2010_x86_64.whl

这样来说成功几率比较高，但是仍然可能中途出现卡顿、下载失败，可以将失败处的库找出来pip3 install+库的名称单独安装，然后重试安装Tensorflow。

同Pytorch一样，安装结束后进入Python：

$ python

>>>import tensorflow as tf # 此时会出现一些信息，是正常情况
>>>tf.__version__
‘2.1.0’

六. OpenCV-4.2.0

1. 安装前准备

参考：
https://blog.csdn.net/new_delete_/article/details/84797041#31_pkgconfig_86
https://blog.csdn.net/MacwinWin/article/details/104108744#ssh_106

(1). 安装依赖：cmake，依赖库和Python支持

安装cmake：

在cmake网站下载安装包(https://cmake.org/download/)：

$ tar --zxvf cmake-3.16.4.tar.gz
$ cd cmake-3.16.4
$ sudo apt-get install libcurl4-gnutls-dev # 安装openssl依赖
$ ./bootstrap --system-curl
$ ./configure
$ sudo make install
$ cmake --version
3.16.4

安装依赖：

$ sudo apt-get install build-essential libgtk2.0-dev libgtk-3-dev libavcodec-dev libavformat-dev libjpeg-dev libswscale-dev libtiff5-dev

安装Python3支持：

$ sudo apt install python3-dev python3-numpy

安装streamer支持：

$ sudo apt install libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev

安装可选的依赖：

$ sudo apt install libpng-dev libopenexr-dev libtiff-dev libwebp-dev

(2). 下载源文件

OpenCV(https://opencv.org/releases/)下载所需版本，有Source和GitHub两种方式，由于源的问题容易下载失败(失败时选择重试，之前下载的部分并不会被抹去)且耗时较长，可以尝试找一下GitHub资源，包括opencv(https://github.com/opencv/opencv/releases/tag/4.2.0)和opencv_contrib(https://github.com/opencv/opencv_contrib/releases/tag/4.2.0)，下载好后将后者放进前者的文件夹下。

代码：

$ git clone https://github.com/opencv/opencv.git
$ git clone https://github.com/opencv/opencv_contrib.git

如果下载太慢导致失败报错为：

error: RPC failed; curl 18 transfer closed with outstanding read data remaining
fatal: The remote end hung up unexpectedly
fatal: 过早的文件结束符（EOF）
fatal: index-pack 失败

有三种方法解决：

a. 加大缓存区：$ git config --global http.postBuffer xxx(改为缓存大小，524288000约有500M)；

b. 缩小clone深度：$ git clone https://github.com/opencv/opencv.git --depth 1，depth 1指的是每个文件只取最近一次提交，而非所有历史版本，然后更新远程库到本地git fetch --unshallow

c. 更换协议：$ git clone git://github.com/opencv/opencv.git。

我试了一下都没用，直接打开https://github.com/opencv/opencv.git和https://github.com/opencv/opencv_contrib.git选择Clone or download下载到本地，下载好后将opencv_contrib放到opencv文件夹下。

OpenCV-4.2和OpenCV_contrib的压缩包网盘链接如下：
链接: https://pan.baidu.com/s/1rOz_lDZ4ZDGygi0TCGclUw 密码: pmwl

(3). 安装OpenCV

①. cmake
如果实在不清楚cmake命令，可以使用cmake-gui来进行选择：

A. C++接口

$ cd ~/opencv # opencv是自己取的文件夹名字，~是文件夹所在位置，不同用户各有不同
$ mkdir build
$ cd build/
$ cmake \
> -D CMAKE_BUILD_TYPE=RELEASE \
> -D CMAKE_INSTALL_PREFIX=/usr/local \
> -D INSTALL_C_EXAMPLES=ON \
> -D INSTALL_PYTHON_EXAMPLES=ON \
> -D BUILD_EXAMPLES=ON \
> -D OPENCV_GENERATE_PKGCONFIG=ON \
> -D WITH_TBB=ON \
> -D WITH_V4L=ON \
> -D WITH_OPENGL=ON \
> -D WITH_CUDA=ON \
> -D ENABLE_FAST_MATH=1 \
> -D CUDA_FAST_MATH=1 \
> -D CUDA_NVCC_FLAGS="-D_FORCE_INLINES" \
> -D WITH_CUBLAS=1 \
> -D OPENCV_EXTRA_MODULES_PATH=/home/jp/下载/opencv/opencv/opencv_contrib/modules ..

cmake过程中有两个包总下载失败：ippicv_2019_lnx_intel64_general_20180723.tgz(名字看报错下载失败的名字，之后安装的不一定是这个名字)和face_landmark_model.dat，最后在网页找到下载地址，ippicv网盘下载了，face_landmark_model.dat找同学帮忙下载的，代理服务器能用就用，不能用尽快另寻途径求助，否则一直下载失败。

ippicv网盘链接如下：
链接: https://pan.baidu.com/s/16FV_tFXi6trH79U-2oIyYg 密码: oc9j

face_landmark_model.dat网盘链接如下：
链接: https://pan.baidu.com/s/1BV2ONMrLrgcj2p0FMzdgug 密码: m44t

下载好后放在自己认为合理的位置，然后在~/opencv/3rdparty/ippicv路径下找到ippicv.make文件，修改一下第47行的

“https://raw.githubusercontent.com/opencv/opencv_3rdparty/${IPPICV_COMMIT}/ippicv/”

改为：

“file: (ippicv_2019_lnx_intel64_general_20180723.tgz的保存路径)”

同理打开~/opencv/opencv_contrib-master/modules/face打开CMakeList.txt，修改一下第19行的

“https://raw.githubusercontent.com/opencv/opencv_3rdparty/${__commit_hash}/”

改为：

“file: (face_landmark_model.dat的保存路径)”

重新执行cmake …的命令，发现在/usr/lib/include/x86_64-linux-gnu文件夹内缺失一个名为libvtkRenderingPythonTkWidgets.so的文件，在整个计算机目录下搜索找到其所在位置，在那个位置sudo mv libvtkRenderingPythonTkWidgets.x86_64-linux-gnu.so /usr/lib/include/x86_64-linux-gnu/libvtkRenderingPythonTkWidgets.so。

再次cmake即可成功。这个方法一般会默认接口在Ubuntu自带的Python2.7上。

cmake过程非常繁琐，运行结果冗长，并且不一定报的错误和此处指出的一样，只能逐行找error所在，然后逐个解决，如果配置都无误则一次就可以通过，一路顺利。即使报错也不要太担心，CSDN都有详细的帖子，耐心操作一下就可以了。

B. Python3接口

Python接口直接用：

$ pip3 install opencv-python

就可以了，如果要手动编译，cmake内容如下：

$ mkdir build
$ cd build/
$ cmake \
> -D CMAKE_BUILD_TYPE=RELEASE \
> -D INSTALL_C_EXAMPLES=OFF
> -D WITH_CUDA=ON
> -D WITH_CUBLAS=ON
> -D DCUDA_NVCC_FLAGS="-D_FORCE_INLINES"
> -D CUDA_ARCH_PTX=""
> -D CUDA_FAST_MATH=ON
> -D CUDA_ARCH_BIN="5.2"
> -D WITH_TBB=ON
> -D WITH_OPENMP=ON
> -D BUILD_NEW_PYTHON_SUPPORT=ON
> -D BUILD_TESTS=OFF
> -D WITH_V4L=ON
> -D PYTHON3_EXECUTABLE="/home/jp/anaconda3/bin/python3.7"
> -D PYTHON3_INCLUDE_DIR="/home/jp/anaconda3/include/python3.7m"
> -D PYTHON3_LIBRARIES="/home/jp/anaconda3/lib/libpython3.7m.so"
> -D PYTHON3_PACKAGES_PATH="/home/jp/anaconda3/lib/python3.7/site-packages"
> -D PYTHON3_NUMPY_INCLUDE_PATH="/home/jp/anaconda3/lib/python3.7/site-packages/numpy/core/numpy"
> -D OPENCV_EXTRA_MODULES_PATH=/home/jp/下载/opencv/opencv/opencv_contrib/modules ..

因为我要搭建Python3的接口，所以注意Python3的各项配置是否已经改到anaconda3下。

显示如图，即可进行下一步。

②. make

参考：https://blog.csdn.net/qq_33475105/article/details/82819850

查看电脑几线程：

$ grep 'processor' /proc/cpuinfo | sort -u | wc -l

我的是8线程，运行命令：

$ make -j8

A. C++接口

错误一：

出错位置在~/opencv/opencv_contrib-master/modules/cudalegacy/scr/graphcuts.cpp文件中，报错：Makefile:162: recipe for target ‘all’ failed，修改graphcuts.cpp第46行的|| (CUDART_VERSION >= 8000)为|| (CUDART_VERSION >= 10000)。这个报错的原因是目前OpenCV设定的版本是CUDA8.0，与CUDA10.0以上版本不兼容。

错误二：

/modules/xfeatures2d/src/boostdesc.cpp:654:20: fatal error: boostdesc_bgm.i: 没有那个文件或目录 #include “boostdesc_bgm.i”

打开https://github.com/opencv/opencv_3rdparty/branches/stale?page=1

下载： “contrib_xfeatures2d_vgg_20160317” and "contrib_xfeatures2d_boostdesc_20161012"两个文件并将解压后的文件中的所有.i文件复制至/opencv_contrib-master/modules/xfeatures2d/scr/目录下。

错误三：

/modules/xfeatures2d/test/test_features2d.cpp:51:10: fatal error: features2d/test/test_detectors_regression.impl.hpp: 没有那个文件或目录
#include “features2d/test/test_detectors_regression.impl.hpp”。

从/opencv/modules/features2d/test/中将test_detectors_regression.impl.hpp和test_descriptors_regression.impl.hpp两个文件复制到/opencv/opencv_contrib-master/xfeatures2d/test/下，然后修改头文件test_features2d.cpp第51-52行如下所示。

修改前：

#include “features2d/test/test_detectors_regression.impl.hpp”
#include “features2d/test/test_descriptors_regression.impl.hpp”

修改后：

#include “test_detectors_regression.impl.hpp”
#include “test_descriptors_regression.impl.hpp”

如果报错没有test_detectors_invariance.impl.hpp同理从/opencv/modules/features2d/test/中复制到/opencv/opencv_contrib-master/xfeatures2d/test/里，在头文件test_rotation_and_scale_invariance.cpp中进行类似修改，去掉文件名前的路径即可。缺乏不同文件需要修改的头文件不同，需要自己找，比如test_invariance_utils.hpp就不用修改头文件，复制到位即可。

这次没有报错了，后面继续编译到约97%会有点卡，稍等一下就能编译完，如图：
B. Python3接口

Python3接口报的错只有上述错误二，操作方式相同。

③. $ sudo make install

④. 测试

参考：
https://www.cnblogs.com/qiaozhoulin/p/4978055.html
https://blog.csdn.net/PecoHe/article/details/97476135

添加库路径：

$ sudo gedit /etc/ld.so.conf.d/opencv.conf

可能是个空文件，在其中输入：/usr/local/lib，保存并退出。

添加环境变量一：

$ sudo gedit /etc/profile

在文本末尾输入：

export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig:$PKG_CONFIG_PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib

更新环境变量一：

$ source /etc/profile

添加环境变量二：

$ sudo gedit /etc/bash.bashrc

在文本末尾输入：

export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib

更新环境变量二：

$ source /etc/bash.bashrc

更新系统库缓存：

sudo ldconfig

查看OpenCv4是否安装成功：

$ pkg-config --cflags opencv
$ pkg-config --libs opencv

没有报错就说明成功，这里是在检索一个名为opencv.pc的文件，也有可能名为opencv4.pc，如果第一次报错没有找到opencv，尝试把命令改为：

$ pkg-config --cflags opencv4
$ pkg-config --libs opencv4

或者在/usr/local/pkgconfig下找到opencv4.pc，更名为opencv.pc。
Python3安装结果如下：

• 点赞
• 收藏
• 分享
• 文章举报

Jerry Pig 发布了1 篇原创文章 · 获赞 0 · 访问量 149 私信 关注