1. 程式人生 > >軟體安裝——ubuntu14.04+cuda8.0.44+cudnn6.0+nccl2.1.15+opencv3.1+contrib+caffe

軟體安裝——ubuntu14.04+cuda8.0.44+cudnn6.0+nccl2.1.15+opencv3.1+contrib+caffe

裸系統安裝caffe

顯示卡驅動

設定 → 軟體和更新 → 附加驅動 → 應用更改

資料夾下開啟終端

sudo apt-get install nautilus-open-terminal nautilus -q

sogou拼音

Git

sudo apt-get update sudo apt-get install git

Cmake3.9.6

把U盤裡的cmake3.9.6拷貝出來 tar -zxvf cmake-3.9.6.tar.gz sudo apt-get install build-essential sudo chmod 777 * -R cd cmake-3.9.6/ ./boostrap make -j16 sudo make install 看是否成功,看版本 cmake –version

有GPU,所以先安裝cuda,cudnn,nccl

CUDA8.0.44

執行 chmod +x cuda_8.0.44_linux.run sudo ./cuda_8.0.44_linux.run 注意這裡提示linux-x86_64什麼的時候,記得輸入no,其他保持預設 安裝完畢後,設定環境變數 export PATH=/usr/local/cuda-8.0/bin:PATHexportLDLIBRARYPATH=/usr/local/cuda8.0/lib64PATH export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64

r/local/cuda8.0/lib64LD_LIBRARY_PATH 儲存以後重啟sudo reboot 重啟後,測試是否安裝成功 cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery sudo make ./deviceQuery 可以檢視cuda版本 nvcc -V

Cudnn6.0

這裡直接將U盤裡的cudnn檔案拷貝到主資料夾下面 sudo tar -xzf cudnn-8.0-linux-x64-v6.0.tgz rm cudnn-8.0-linux-x64-v6.0.tgz && sudo ldconfig sudo cp cuda/include/cudnn.h /usr/local/cuda/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d sudo chmod a+r /usr/local/cuda/include/cudnn.h sudo chmod a+r /usr/local/cuda/lib64/libcudnn* 看cudnn版本 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

Nccl2.1.15

下載地址 https://developer.nvidia.com/nccl/nccl-download 然後 sudo dpkg -i nccl-repo-ubuntu1404-2.1.15-ga-cuda8.0_1-1_amd64.deb sudo apt update 報錯也別管它 sudo apt install libnccl2 libnccl-dev

opencv3.1+contrib

安裝依賴項 sudo apt-get install build-essential libgtk2.0-dev libvtk5-dev libjpeg-dev libtiff4-dev libjasper-dev libopenexr-dev libtbb-dev 把U盤的opencv3.1和contrib模組拷貝出來,解壓opencv3.1 進opencv3.1目錄,將contrib模組拷貝到該目錄下,解壓 完了之後修改graphcut.cpp檔案中第45行的位置 #if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) || (CUDART_VERSION >= 8000) 儲存,在opencv3.1目錄下 mkdir release cd release cmake … 這裡出現ippicv的時候斷掉,複製ippicv到對應目錄下,繼續cmake cmake -DBUILD_TIFF=ON -D CMAKE_BUILD_TYPE=RELEASE -D OPENCV_EXTRA_MODULES_PATH=${HOME}/opencv-3.1.0/opencv_contrib-3.1.0/modules … 然後 sudo make -j50 sudo make install

caffe

  1. 依賴項 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 libopenblas-dev liblapack-dev libatlas-base-dev sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

  2. 下載caffe git clone https://github.com/BVLC/caffe cd caffe sudo cp Makefile.config.example Makefile.config sudo gedit Makefile.config 修改 第5行:USE_CUDNN := 1 第11行:USE_OPENCV := 3 第94行:WITH_PYTHON_LAYER := 1 然後將whatever else you find you …下面的 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib 修改為 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

下面修改Makefile檔案 將NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC (COMMONFLAGS)NVCCFLAGS+=DFORCEINLINESccbin=(COMMON_FLAGS)改為 NVCCFLAGS += -D_FORCE_INLINES -ccbin=(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

如果是opencv3版本,需要將 LIBRARIES += glog gflags protobuf boost_system boost_filesystem m 修改為 LIBRARIES+= glog gflags protobuf leveldb snappy boost_system boost_filesystem hdf5_hl hdf5 m opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs

然後可以開始編譯了 make all -j8 make test -j8 make runtest -j8

安裝完成後,需要生成一個東西 cd src/caffe/proto/ protoc --cpp_out=/home/dzh/caffe/include/caffe/ caffe.proto 此時caffe/include/caffe目錄下會生成caffe.pb.cc和caffe.pb.h兩個檔案 cd ~/caffe/include/caffe mkdir proto sudo mv caffe.pb.cc ./proto/ sudo mv caffe.pb.h ./proto/

測試是否安裝成功 #caffe目錄下 #1、下載資料集 sh ./data/mnist/getmnist.sh #2、轉換格式 sh ./examples/mnist/create_mnist.sh #這一步是將下載的資料集的二進位制格式轉換成caffe能識別的lmdb格式 #執行以後,example/mnist目錄下出現mnist_train_lmdb和mnist_test_lmdb #首先確定lenet_train_test.prototxt檔案在紅的source引數檔案路徑沒有問題(lmdb檔案的路徑) #3、訓練資料集 sh ./example/mnist/train_lenet.sh #訓練結束後,會出現一個accuracy=0.991的,代表分類準確率為99.1% 此時目錄example/mnist下會出現兩個重要檔案lenet.prototxt、lenet_iter_10000.caffemodel

wps

U盤裡把wps裡面的wps相關拷出來到根目錄 sudo dpkg -i wps-office_10.1.0.6634_amd64.deb 裝好之後會出現字型缺失問題 這時可以用fonts修復,可以到這裡下載 http://vdisk.weibo.com/s/ajLw30suHpSUg?from=page_100505_profile&wvr=6 下載好之後 sudo mkdir /usr/share/fonts/wps-office sudo mv wps_symbol_fonts.zip /usr/share/fonts/wps-office cd /usr/share/fonts/wps-office sudo unzip wps_symbol_fonts.zip sudo rm -r wps_symbol_fonts.zip

VIM

sudo apt-get install vim sudo apt-get install vim-gtk sudo apt-get update