Ubuntu + CUDA9 + CUDNN7 + OpenCV3.4 + contrib +CAFFE-master

2018/04/05 10:20
阅读数 34
安装ubuntu时赞美Rufus(建议ubuntu16.04.04),过程参考 https://www.cnblogs.com/willnote/p/6725594.html
安 装 前 一 定 要 注 意 确 认 当 前 硬 盘 的 存 储 格 式 是 MBR 还 是 GPT
输入法,浏览器,终端,CUDA、opencv、caffe等相关文件下载,参考百度。
 
方括号内容表示为变量,示计算机内实际文件(夹)而定
 
2018.04.18:建议安装cuda-v9.0/v10.1而非v9.1/9.2, 对于20X0系列的显卡,CUDA-10+是很必要的,10X0系列的还是CUDA-9好
2019.03.07: 2018.04.20:建议安装opencv-v2.4.9+/v3.4.0,而非v3.4.1+/v4+ 【C语言的API对我本人开发需求而言已经不是很必要,所以我个人开始使用4.1.0了】
2019.03.07:(或者把caffe扔了(就应该这样!),直接玩opencv4+里的dnn(依然可以参考本文安装cuda/cudnn的办法),参考“opencv-4 nvidia gpu 训练 测试”相关搜索结果)

-----------------------------------------------------------
!保!障!网!络!通!畅!
-----------------------------------------------------------
安装显卡驱动
系统设置->软件和更新->下载自:阿里源( mirrors.aliyun.com ) 或 中科大源( mirrors.ustc.edu.cn )
输入密码,关闭窗口,等下载结束。
 
然后更新软件:终端内 
sudo apt-get update&&sudo apt-get upgrade

 

系统设置->软件和更新->附加驱动->使用NVIDIA较高版本的专有驱动(如果未显示,使用.run的安装方法(https://blog.csdn.net/xunan003/article/details/81665835))
选择后会开始下载和自动安装,等读条全部完毕后,在终端内输入
nvidia-smi #确认输出了有效信息,如
date       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI XXX.XXX                Driver Version: XXX.XXX                   |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 1070    Off  | 00000000:01:00.0  On |                  N/A |
|  0%   31C    P8    11W / 230W |    201MiB /  8110MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0       997      G   /usr/lib/xorg/Xorg                           136MiB |
|    0      1839      G   compiz                                        59MiB |
|    0      2358      G   /usr/lib/firefox/firefox                       3MiB |
+-----------------------------------------------------------------------------+

 

-----------------------------------------------------------
-----------------------------------------------------------
安装cuda依赖包 
终端内
sudo apt-get install --no-install-recommends libboost-all-dev -y
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler libopenblas-dev liblapack-dev libatlas-base-dev libgflags-dev libgoogle-glog-dev liblmdb-dev -y

 

-----------------------------------------------------------
-----------------------------------------------------------
安装cuda
 
https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal
sudo sh ./cuda_[9.X_XXX]_linux.run --no-opengl-libs #本体,非opengl这个参数非常重要,删掉就等着开机循环登录吧
sudo sh ./cuda_[9.X.Y]_linux.run  #[--no-opengl-libs] #补丁, 可以装,必要性视补丁具体内容决定,修复bug和error的肯定要装

其中,第一项显卡驱动不需要装(因为前一步已经装过了,如果前一步两种方法都安装不了NVIDIA驱动的话,再考虑装cuda这里自带的驱动),第二项cuda组件必须装,第三项cuda示例可以安装


修改环境变量
sudo gedit ~/.bashrc
在最下端添加
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
使变量生效
source ~/.bashrc

-----------------------------------------------------------

测试cuda(如果安装了第三项) 

终端里cd进cuda示例

cd [NVIDIA_CUDA_SAMPLES]/1_Utilities/deviceQueryDrv
sudo make
./deviceQueryDrv #确认输出了有效的显卡信息,并记下显卡算力“CUDA Capability Major/Minor version number:”,编译框架时会用上

----------------------------------------------------------- 

安装cudnn
https://developer.nvidia.com/cudnn
先将cudnn压缩包解压
然后
#复制文件到系统环境
sudo
cp [CUDNN]/cuda/include/cudnn.h /usr/local/cuda/include/ sudo cp [CUDNN]/cuda/lib64/lib* /usr/local/cuda/lib64/
#重建软连接
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.[主版本号]
sudo ln -s libcudnn.so.[全版本号] libcudnn.so.[主版本号]
sudo ln -s libcudnn.so.[主版本号] libcudnn.so
#使链接在环境中生效
sudo ldconfig

-----------------------------------------------------------

-----------------------------------------------------------
安装opencv-3.4 + contrib-master
安装依赖项
sudo apt-get install -y build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

解压opencv

 
解压opencv-contrib(使用对应版本)[nonfree的特殊工具包,不需要的话,可以不装]
下载 ippicv_2017u3_lnx_intel64_general_20170822.tgz (https://github.com/opencv/opencv_3rdparty/tree/ippicv/master_20170822/ippicv)(或其他版本号的,具体的参考cmake-gui在configure卡住时下载的条目名称)至文件夹 [opencv]/3rdparty/ippicv/downloads/linux-808b791a6eac9ed78d32a7666804320e/ (这串乱码可在cmake生成的cache文件中查到类似的) 然后改名为 4e0352ce96473837b1d671ce87f17359-ippicv_2017u3_lnx_intel64_general_20170822.tgz (同)

使用cmake-gui:
勾上BUILD_DOCS    BUILD_JPEG     BUILD_PNG    WITH_OPENGL     BUILD_opencv_world
 
在OPENCV_EXTRA_MODULES_PATH中填写([opencv-contrib]/modules)     (3+的可以装但没必要,4+的为了调用WITH_CUDA的相关部分,或许有必要)
 
[注释1]:
可以在cmake-gui的搜索栏里搜CU,去掉和cuda/NVIDIA有关的选项,一般用不到,除非打算自己撸框架(或者是打算用opencv3.4.3+/4.0.0+里面的dnn)
 
configure几次直到框内没有红条(如果在输出信息中存在相关BLAS的错误,暂未发现负面影响,不用管)
然后generate
 
有需要时再勾上WITH_QT,configure一次后填上需要的路径并再次configure,红条变白则校验成功。然后generate
 
[注释2]: 
遇上 make[2]: *** [3rdparty/protobuf/CMakeFiles/libprotobuf.dir/src/google/protobuf/extension_set_heavy.cc.o] Error 4
时,勾选ENABLE_CXX11
 
编译opencv
cd [opencv]/build
make #这行不建议加-j4,曾出现过因为依赖次序问题引发的编译错误
sudo make install -j4

添加引用变量

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

文件内写入

/usr/local/lib/x86_64-linux-gnu #(也可能没有最后这段文件夹路径,取决于libopencv_XXX.so文件具体在哪)

 

刷新链接
sudo ldconfig

-----------------------------------------------------------

-----------------------------------------------------------
安装caffe

安装依赖项

sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler libopenblas-dev liblapack-dev libatlas-base-dev libgflags-dev libgoogle-glog-dev liblmdb-dev git cmake build-essential -y

 

 

获取caffe,在希望放置caffe的目录内:

git clone https://github.com/BVLC/caffe.git

复制caffe/MakeFile.config.example为MakeFile.config

修改其中的这几项为:
USE_CUDNN := 1
USE_OPENCV := 1

# Whatever else you find you need goes here.
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/local/include/opencv /usr/local/include/opencv2 /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 /usr/local/lib/x86_64-linux-gnu

 

 
此外,对于这里的
CUDA_ARCH :=    #-gencode arch=compute_20,code=sm_20 \
                #-gencode arch=compute_20,code=sm_21 \
...

只保留和显卡算力匹配的几行,其他的全注释掉(显卡算力详见[NVIDIA_CUDA_SAMPLES]/1_Utilities/deviceQueryDrv/deviceQueryDrv,在这个文件夹内make之后./deviceQueryDrv运行


如果编译opencv后生成了libopencv_world.so,那么MakeFile中修改为:
ifeq ($(USE_OPENCV), 1)   #( 注意把空格换回制表符)
        #LIBRARIES += opencv_core opencv_highgui opencv_imgproc
        #ifeq ($(OPENCV_VERSION), 3)
            #LIBRARIES += opencv_imgcodecs
        #endif
        LIBRARIES += opencv_world
endif

 

 
编译caffe:
make all -j4
#增加引用变量
sudo gedit /etc/ld.so.conf.d/caffe.conf
内容为:
/usr/local/cuda/lib64

回到终端内:

sudo make install
#刷新链接
sudo ldconfig

 

-----------------------------------------------------------
-----------------------------------------------------------
测试caffe
cd [caffe]
sudo sh data/mnist/get_mnist.sh
sudo sh examples/mnist/create_mnist.sh
sudo sh examples/mnist/train_lenet.sh

不报错就是安装成功

-----------------------------------------------------------
-----------------------------------------------------------
展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部