主要参照以下两篇博文:http://blog.csdn.net/g0m3e/article/details/51420565 http://blog.csdn.net/xuzhongxiong/article/details/52717285
我先做个说明,我曾经在两种环境下搭建过,下面说一下软硬件配置。
1)y480笔记本,GPU为GT650,软件环境为ubuntu16.04+cuda7.5+cudnn v4,后来因为编译caffe的时候报了一个包含“
”的错,就把cuda换成8了,以(1)的配置安装为例computer_64
2)thinkstation p510+gtx1080,因为Ubuntu16.04装带有1080显卡的时候一点击安装就黑屏提示信号超出范围,所以选择了16.10,这个装的时候会鼠标失灵,用键盘装完,装上1080驱动就好了,另外要说明的是Ubuntu16.10的gcc版本太高为6,要为他降级为5,然后安装过程和在16.04下一样,另一个特别重要的是1080的GPU用cudnn一定要用v5的,否则runtest的时候会报错。
1.下载所需要的软件
cuda7.5下载(8自己去百度搜或者官网下载),cudnn4.0下载(切记1080显卡用v5版本)
2.安装NVIDIA驱动。
一般有两种方法:1)一种方法是利用“软件和更新”来安装,依次选择 系统设置->软件和更新->附加驱动->选择最新的驱动->应用更改
安装时可能遇到的问题:点击完应用更改一段时间后并没有成功安装,再次点击却出现闪退的现象,这个问题困扰了我一晚上,最后发现是因为依赖的问题,通过在终端输入以下命令:sudo apt-get install -f sudo apt-get update后 再次安装问题就解决了
2)方法二就是下载安装包后通过命令行安装,因为这个比较麻烦,我没有尝试,看网上其他教程说需要关了xwindows安装才行。
3.安装cuda和cudnn
(1)在终端cd到所下载的安装包所在的目录,输入sh cuda_7.5.18_linux.run --override
跑起来后一路空格完那些协议,然后输入accept,除了有一个是让安装驱动的选择N外,其他的一路Y下去
(2)安装cudnn(这个是GPU加速用的)
解压下载好的安装包,在终端输入以下命令:
sudo cp cudnn.h /usr/local/cuda/include/
cd ~/cuda/lib64
sudo cp lib* /usr/local/cuda/lib64/
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.4
sudo ln -s libcudnn.so.4.0.7 libcudnn.so.4
sudo ln -s libcudnn.so.4 libcudnn.so
然后设置环境变量
sudo gedit /etc/profile
在末尾加入 export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
保存之后创建链接文件 sudo vim /etc/ld.so.conf.d/cuda.conf
键盘按i进入编辑状态,添加文字 /usr/local/cuda/lib64
然后按esc,输入:wq保存退出。
终端下接着输入 sudo ldconfig
使链接生效
(注意:如果安装的cuda8,要把以上路径中的cuda变成cuda-8)
3.生成Cuda Sample测试
(1)首先在此之前先把需要的依赖包都安装好,为接下来make caffe做准备 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
(2)更改gcc版本(我一开始没有更改,直接make没有报错,但make玩后测试出错,所以这里最好是改一下,如果报报错“unsupported GNU version! gcc versions later than 4.9 are not supported!”错误,那就一定得改了)原因就是这个cuda不支持gcc5.0以上
解决一:
cd /usr/local/cuda-7.5/include
cp host_config.h host_config.h.bak
sudo gedit host_config.h
Ctrl+F寻找有”4.9”的地方,应该是只有一处,在其上方的 #if __GNUC__ > 4 || (__GNUC__ == 4 && __GNUC_MINOR__ > 9)
将两个4改成5,保存退出,继续
解决二:
方案就是给gcc降级为4.8,具体做法参照http://blog.csdn.net/linzhaolover/article/details/45023361(注意此处降级后,在编译caffe的时候要再次升级为5,否则编译报错)
(3)正式开始make example了
cd 切换到 /home/gomee/NVIDIA_CUDA-8.0_Samples
终端输入 make all -j4 (j4代表开多少个线程,一般你的电脑是几核的就开几个)
这就应该开始make了,此处大约有4,5分钟。完成之后 cd /home/gomee/NVIDIA_CUDA-7.5_Samples/bin/x86_64/linux/realease
./deviceQuery
如果出现如下信息
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce GT 650M"
CUDA Driver Version / Runtime Version 8.0 / 7.5
CUDA Capability Major/Minor version number: 3.0
Total amount of global memory: 1999 MBytes (2096300032 bytes)
( 2) Multiprocessors, (192) CUDA Cores/MP: 384 CUDA Cores
GPU Max Clock rate: 885 MHz (0.88 GHz)
Memory Clock rate: 2000 Mhz
Memory Bus Width: 128-bit
L2 Cache Size: 262144 bytes
Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers
Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers
Total amount of constant memory: 65536 bytes
Total amount of shared memory per block: 49152 bytes
Total number of registers available per block: 65536
Warp size: 32
Maximum number of threads per multiprocessor: 2048
Maximum number of threads per block: 1024
Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)
Maximum memory pitch: 2147483647 bytes
Texture alignment: 512 bytes
Concurrent copy and kernel execution: Yes with 1 copy engine(s)
Run time limit on kernels: Yes
Integrated GPU sharing Host Memory: No
Support host page-locked memory mapping: Yes
Alignment requirement for Surfaces: Yes
Device has ECC support: Disabled
Device supports Unified Addressing (UVA): Yes
Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 7.5, NumDevs = 1, Device0 = GeForce GT 650M
Result = PASS
证明cuda安装成功。
4.caffe的安装
(1)下载caffe安装包 到https://github.com/BVLC/caffe里下载
(2)用unzip命令解压
(3)Python的配置
sudo apt-get install python-pip
安装pip
sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose
cd 到你解压caffe下的python目录下
sudo su
for req in $(cat requirements.txt); do pip install $req; done
(可使用清华大学的源提高下载速度for req in $(cat requirements.txt); do pip install -i https://pypi.tuna.tsinghua.edu.cn/simple $req; done
)
(4)opencv的安装
这个可以安装也可以不安装,我首次安装caffe的时候并没有安装这个也成功运行了,后来又装上了,这个库是视觉库,也就是你要处理图片时应该是要使用这个库的。下面写一下opencv的安装过程
从官网(http://opencv.org/downloads.html)下载OpenCV,并将其解压到你要安装的位置,假设解压到了/home/opencv。
安装前准备,创建编译文件夹:
cd ~/opencv
mkdir build
cd build
配置:
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
编译:
make -j4
以上只是将opencv编译成功,还没将opencv安装,需要运行下面指令进行安装:
sudo make install
安装时可能遇到下面这个错误:
fata error: LAPACKE_H_PATH-NOTFOUND when building OpenCV 3.2
解决方案:sudo apt-get install liblapacke-dev checkinstall
(5)配置caffe
(1)目录切换到caffe-master(你解压的caffe安装包目录)下输入一下命令:
cp Makefile.config.example Makefile.config
gedit Makefile.config
将USE_CUDNN := 1 取消注释,在 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
后面打上一个空格 然后添加/usr/include/hdf5/serial
如果没有这一句可能会
若使用了opencv并且版本是3的,则
将
#OPENCV_VERSION := 3
修改为:
OPENCV_VERSION := 3
注:如果安装了opencv并修改了这个,在make all 和 make test之后执行make runtest 的时候可能会出现如下的错误
libopencv_shape.so.3.0: cannot open shared object file: No such file or directory
解决笔记 :
进入目录:/etc/ld.so.conf.d
创建:OpenCV.conf
添加:/opt/opencv-3.0.0/build/lib
执行:ldconfig
(2)打开Makefile并编辑
搜索并替换 NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
为 NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
保存退出
(3)编辑/usr/local/cuda/include/host_config.h
将其中的第115行注释掉:
将
#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
改为
//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
(4)再次切换到caffe目录下执行如下命令
make all -j4
make test -j4
make runtest
如果执行后没有报错并在执行runtest的时候终端出现类似如下的代码就是配置成功了
[----------] 10 tests from EltwiseLayerTest/2 (408 ms total)
[----------] 6 tests from CuDNNConvolutionLayerTest/1, where TypeParam = double
[ RUN ] CuDNNConvolutionLayerTest/1.TestSimpleConvolutionCuDNN
[ OK ] CuDNNConvolutionLayerTest/1.TestSimpleConvolutionCuDNN (2 ms)
[ RUN ] CuDNNConvolutionLayerTest/1.TestSobelConvolutionCuDNN
[ OK ] CuDNNConvolutionLayerTest/1.TestSobelConvolutionCuDNN (2 ms)
[ RUN ] CuDNNConvolutionLayerTest/1.TestGradientGroupCuDNN
[ OK ] CuDNNConvolutionLayerTest/1.TestGradientGroupCuDNN (529 ms)
[ RUN ] CuDNNConvolutionLayerTest/1.TestSetupCuDNN
[ OK ] CuDNNConvolutionLayerTest/1.TestSetupCuDNN (3 ms)
[ RUN ] CuDNNConvolutionLayerTest/1.TestGradientCuDNN
[ OK ] CuDNNConvolutionLayerTest/1.TestGradientCuDNN (1448 ms)
[ RUN ] CuDNNConvolutionLayerTest/1.TestSimpleConvolutionGroupCuDNN
[ OK ] CuDNNConvolutionLayerTest/1.TestSimpleConvolutionGroupCuDNN (2 ms)
[----------] 6 tests from CuDNNConvolutionLayerTest/1 (1986 ms total)
*******************************************************************************************************************************
1.安装时坑爹的过程:先是驱动怎么也安装不了 后来发现是软件依赖问题 需要执行 sudo apt-get install -f 最好也更新一下软件 执行 sudo apt-get update
2.在cuda和Python等都安装好后编译caffe的时候报了一个包含什么“computer_64”还有什么“nvcc fetal”啥的错,然后各种百度谷歌没找到解决方案,我突然注意到是nvcc报的错,那不就是
cuda的问题吗?但是cuda make example时没有问题啊,我想是不是n卡驱动太新了,cuda7.5不能支持啊,然后卸载了他装了个cuda8,重新配置一遍果然这个错误解决了但是又报cudnn的错误
坑爹啊,都快郁闷了。哈,纠结了好长时间发现配置cudnn的时候cuda变成cuda-8.0了,那就是cudnn没配成功呗。问题终于解决了,编译也成功了。实践证明不能一味的照着教程敲命令啊,有时候
需要知道这个命令到底是干嘛的。
此时只能在caffe-master/python下打开Python import caffe才不报错。
在Ubuntu环境下,打开python解释程序,输入import caffe时:出现以下错误
>>>import caffe
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ImportError: No module named caffe
基本思路是把caffe中的python导入到解释器中
解决方法
第一种方法:设置环境变量
在终中输入:
export PYTHONPATH=~/下载/caffe/python #caffe的路径下面的python
则该终端起作用,关掉终端后或重新打开一终端,则失效。
放到配置文件中,可以永久有效果,命令操作如下:
A.把环境变量路径放到 ~/.bashrc文件中
sudo echo export PYTHONPATH="~/下载/caffe-master/python" >> ~/.bashrc
B.使环境变量生效
source ~/.bashrc
第二种方法:通过代码来实现
在每个python代码中使用以下代码: (这个方法在写python代码时有用)
caffe_root = '~/下载/caffe-master/python '
import sys
sys.path.insert(0, caffe_root + 'python')
import caffe
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:ubuntu16.04下安装配置深度学习环境(Ubuntu 16.04/16.10+ cuda7.5/8+cudnn4/5+caffe) - Python技术站