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

2022-10-22 20:53:04

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. |

|===============================+======================+======================|

|     GeForce GTX     Off  | ::00.0  On |                  N/A |

|  %   31C    P8    11W / 230W |    201MiB /  8110MiB |      %      Default |

+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+

| Processes:                                                       GPU Memory |

|  GPU       PID   Type   Process name                             Usage      |

|=============================================================================|

|                 G   /usr/lib/xorg/Xorg                           136MiB |

|                G   compiz                                        59MiB |

|                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_[.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_[.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.-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--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 :=

USE_OPENCV := 

# 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), )   #（ 注意把空格换回制表符）

        #LIBRARIES += opencv_core opencv_highgui opencv_imgproc

        #ifeq ($(OPENCV_VERSION), )

            #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

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

参考 http://www.cnblogs.com/denny402/p/5083300.html 开工

码农公寓

相关文章