2. 程式人生 > >ubuntu16.04下安裝opencv3.1+anaconda2+caffe

ubuntu16.04下安裝opencv3.1+anaconda2+caffe

阿新 • • 發佈：2019-01-11

轉自：https://blog.csdn.net/u013277656/article/details/72627602

準備步驟：安裝ssh遠端登入,以方便兩臺電腦通過FileZilla傳輸檔案。我的所有資料都存在windows的電腦上（不是雙系統），沒有該需要的可忽略此步驟。
ubuntu系統中預設沒有安裝ssh程式，可通過以下命令安裝：

sudo apt-get install openssh-client
sudo apt-get install openssh-server

  
    
   
  • 1
    • 
   
  • 2
    •

ssh的埠號一般為22.在windows上開啟FileZilla，設定如圖：
這裡寫圖片描述


連線成功，即可直接傳輸檔案。
一、安裝caffe配置依賴項

sudo apt-get install libprotobuf-dev protobuf-compiler libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev  
    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

 

  
    
   
  • 1
    • 
   
  • 2
    • 
   
  • 3
    • 
   
  • 4
    •

配置一些基本的環境變數

vim ~/.bashrc   在最後加入：
export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH

  
    
   
  • 1
    • 
   
  • 2
    •

二． 安裝NVIDIA驅動
可直接按照NVIDIA官網上的安裝方法安裝，由於我安裝的時候，總是失敗，本文記錄的方法是唯一成功的方法。
搜尋計算機->附件驅動
這裡寫圖片描述
更改後重啟後即可驗證：nvidia-smi，出現下圖資訊即為成功
這裡寫圖片描述
如果出現了你的GPU列表，則說明驅動安裝成功了。另外也可以通過

nvidia-settings

  
    
   
  • 1
    •

檢視自己機器上詳細的GPU資訊，本人機器的資訊如下：
這裡寫圖片描述
三． 安裝CUDA
CUDA是NVIDIA的程式語言平臺，想使用GPU就必須要使用cuda。
（1）下載CUDA
首先在官網上(https://developer.nvidia.com/cuda-downloads)下載CUDA：
（2）安裝CUDA
下載完成後執行以下命令：

sudo sh cuda_8.0.27_linux.run

  
    
   
  • 1
    •

注意：執行後會有一系列提示讓你確認，但是注意，有個讓你選擇是否安裝nvidia361驅動時，一定要選擇否，因為前面我們已經安裝了更加新的nvidia367，所以這裡不要選擇安裝。其餘的都直接預設或者選擇是即可（選擇是會出錯）
這裡寫圖片描述
（3）環境變數配置
開啟~/.bashrc檔案：

sudo vim ~/.bashrc

  
    
   
  • 1
    •

將以下內容寫入到~/.bashrc尾部：

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

  
    
   
  • 1
    • 
   
  • 2
    •

這一步可使環境變數生效，也可在下一步配置玩cudnn之後再生效
（生效方法：切換到root使用者下，source ~/.bashrc，ctrl+D退出root使用者，輸入sudo updatedb）
四、 配置cudnn
cuDNN是GPU加速計算深層神經網路的庫。
首先去官網(https://developer.nvidia.com/rdp/cudnn-download)下載cuDNN,可能需要註冊一個賬號才能下載。我選擇的下載版本號如下圖：
這裡寫圖片描述
下載cuDNN5.1之後進行解壓，cd進入cuDNN5.1解壓之後的include目錄，在命令列進行如下操作：

sudo cp cudnn.h /usr/local/cuda/include/    #複製標頭檔案

  
    
   
  • 1
    •

再將cd進入lib64目錄下的動態檔案進行復制和連結：

sudo cp lib* /usr/local/cuda/lib64/    #複製動態連結庫
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5    #刪除原有動態檔案
sudo ln -s libcudnn.so.5.0.5 libcudnn.so.5  #生成軟銜接
sudo ln -s libcudnn.so.5 libcudnn.so      #生成軟連結

  
    
   
  • 1
    • 
   
  • 2
    • 
   
  • 3
    • 
   
  • 4
    • 
   
  • 5
    •

上一步配置之後，可不用再重新配置，也可兩部分都配置
然後設定環境變數和動態連結庫，在命令列輸入：

sudo gedit /etc/profile

  
    
   
  • 1
    •

在開啟的檔案末尾加入：

export PATH = /usr/local/cuda/bin:$PATH

  
    
   
  • 1
    •

儲存之後，建立連結檔案：

sudo vim /etc/ld.so.conf.d/cuda.conf

  
    
   
  • 1
    •

按下鍵盤i進行編輯，輸入連結庫位置：

/usr/local/cuda/lib64

  
    
   
  • 1
    •

然後按esc，輸入:wq儲存退出。並在終端輸入：

sudo ldconfig

  
    
   
  • 1
    •

使連結立即生效

測試cuda的samples

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

  
    
   
  • 1
    • 
   
  • 2
    • 
   
  • 3
    •

如果看到一些GPU的資訊說明安裝成功，如下圖：
這裡寫圖片描述

五、 編譯opencv3.1
A.首先安裝opencv依賴項

sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libxvidcore-dev libx264-dev
sudo apt-get install libgtk2.0-dev libtbb-dev

  
    
   
  • 1
    • 
   
  • 2
    •

B.編譯opencv

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D BUILD_PYTHON_SUPPORT=ON -D INSTALL_PYTHON_EXAMPLES=ON -D WITH_TIFF=ON -D BUILD_TIFF=OFF -D OPENCV_EXTRA_MODULES_PATH=/home/july/software/opencv_contrib-3.2.0/modules ..

  
    
   
  • 1
    •

C. 安裝

sudo make install –j4

  
    
   
  • 1
    •

編譯安裝完成後，將編譯好的python裡的庫cv2.so copy至anaconda2/lib/python2.7/site-packages內即可在python中使用，如下圖：
這裡寫圖片描述
此步出現的問題：
1./home/july/software/opencv-3.2.0/build/opencv_lapack.h:2:45:fatalerror:LAPACKE_H_PATH-NOTFOUND/lapacke.h: 沒有那個檔案或目錄
**解決方法：**sudo apt-get install liblapacke-dev checkinstall

六、安裝Anaconda2
從官網下載所需的linux版本的可執行檔案，執行如下命令：

bash Anaconda2-4.2.0-Linux-x86_64.sh

  
    
   
  • 1
    •

後面就根據提示執行就可以了，最後一步新增環境變數的部分選擇是，它會自動新增到使用者環境變數檔案~/.bashrc檔案中，不要手動新增到/etc/profile這個系統環境變數中，因為anaconda有幾個連結庫和系統連結庫檔案類似，如果新增到/etc/profile檔案中，有可能會造成衝突，導致意外錯誤。安裝完成後，為了防止編譯caffe時檔案衝突造成的一些錯誤，需替換掉anaconda包內的ibstdc++,libgomp這幾個4.x版本的gcc編譯動態庫軟連線:

rm -rf /home/your_path/anaconda2/lib/libstdc++.so
rm -rf /home/your_path/anaconda2/pkgs/libgcc-4.8.5-2/lib/libstdc++.so
rm -rf /home/your_path/anaconda2/lib/libstdc++.so.6
rm -rf /home/your_path/anaconda2/pkgs/libgcc-4.8.5-2/lib/libstdc++.so.6
ln -s /usr/lib/x86_64-linux-gnu/libstdc++.so.6.0.21 /home/your_path/anaconda2/lib/libstdc++.so.6
ln -s /home/your_path/anaconda2/lib/libstdc++.so.6 /home/your_path/anaconda2/lib/libstdc++.so
ln -s /usr/lib/x86_64-linux-gnu/libstdc++.so.6.0.21 /home/your_path/anaconda2/pkgs/libgcc-4.8.5-2/lib/libstdc++.so.6
ln -s /home/your_path/anaconda2/pkgs/libgcc-4.8.5-2/lib/libstdc++.so.6 /home/your_path/anaconda2/pkgs/libgcc-4.8.5-2/lib/libstdc++.so
rm -rf /home/your_path/anaconda2/lib/libgomp.so
rm -rf /home/your_path/anaconda2/pkgs/libgcc-4.8.5-2/lib/libgomp.so
rm -rf /home/your_path/anaconda2/lib/libgomp.so.1
rm -rf /home/your_path/anaconda2/pkgs/libgcc-4.8.5-2/lib/libgomp.so.1
ln -s /usr/lib/x86_64-linux-gnu/libgomp.so.1.0.0 /home/your_path/anaconda2/lib/libgomp.so.1
ln -s /home/your_path/anaconda2/lib/libgomp.so.1 /home/your_path/anaconda2/lib/libgomp.so
ln -s /usr/lib/x86_64-linux-gnu/libgomp.so.1.0.0 /home/your_path/anaconda2/pkgs/libgcc-4.8.5-2/lib/libgomp.so.1
ln -s /home/your_path/anaconda2/pkgs/libgcc-4.8.5-2/lib/libgomp.so.1 /home/your_path/anaconda2/pkgs/libgcc-4.8.5-2/lib/libgomp.so

  
    
   
  • 1
    • 
   
  • 2
    • 
   
  • 3
    • 
   
  • 4
    • 
   
  • 5
    • 
   
  • 6
    • 
   
  • 7
    • 
   
  • 8
    • 
   
  • 9
    • 
   
  • 10
    • 
   
  • 11
    • 
   
  • 12
    • 
   
  • 13
    • 
   
  • 14
    • 
   
  • 15
    • 
   
  • 16
    •

注意：在第一步時安裝了libprotobuf-dev protobuf-compiler，到此步驟為止，conda list列表內不能有任何關於protobuf的檔案，不然編譯caffe時會因檔案衝突而報錯（一次性的解決方法在最後會給出）。

七：安裝編譯caffe
（1）從github上獲取caffe：

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

  
    
   
  • 1
    •

（2）進入caffe目錄，並複製出所需的Makefile.config檔案

sudo cp Makefile.config.example Makefile.config

  
    
   
  • 1
    •

（3）修改Makefile.config檔案

vim Makefile.config

  
    
   
  • 1
    •

需要修改的地方

#USE_CUDNN := 1 修改成： USE_CUDNN := 1
#OPENCV_VERSION := 3 修改為： OPENCV_VERSION := 3

  
    
   
  • 1
    • 
   
  • 2
    •

註釋掉原來的PYTHON_INCLUDE，使用ANACONDA的配置

    ANACONDA_HOME := $(HOME)/anaconda
    修改為：
    ANACONDA_HOME := $(HOME)/anaconda2

# PYTHON_INCLUDE := /usr/include/python2.7 \
# /usr/lib/python2.7/dist-packages/numpy/core/include
# Anaconda Python distribution is quite popular. Include path:
# Verify anaconda location, sometimes it's in root.
ANACONDA_HOME := $(HOME)/anaconda2
PYTHON_INCLUDE := $(ANACONDA_HOME)/include \
$(ANACONDA_HOME)/include/python2.7 \
$(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \
#PYTHON_LIB := /usr/lib
PYTHON_LIB := $(ANACONDA_HOME)/lib

#WITH_PYTHON_LAYER := 1 
修改為 
WITH_PYTHON_LAYER := 1

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

  
    
   
  • 1
    • 
   
  • 2
    • 
   
  • 3
    • 
   
  • 4
    • 
   
  • 5
    • 
   
  • 6
    • 
   
  • 7
    • 
   
  • 8
    • 
   
  • 9
    • 
   
  • 10
    • 
   
  • 11
    • 
   
  • 12
    • 
   
  • 13
    • 
   
  • 14
    • 
   
  • 15
    • 
   
  • 16
    • 
   
  • 17
    • 
   
  • 18
    • 
   
  • 19
    • 
   
  • 20
    • 
   
  • 21
    • 
   
  • 22
    • 
   
  • 23
    • 
   
  • 24
    •

（4）然後修改makefile檔案
415行

NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS) 
替換為：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

  
    
   
  • 1
    • 
   
  • 2
    • 
   
  • 3
    •

然後再大概181行的地方做修改

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5 
替換為
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5 opencv_core opencv_imgproc opencv_imgcodecs opencv_highgui

  
    
   
  • 1
    • 
   
  • 2
    • 
   
  • 3
    •

（5）編輯/usr/local/cuda/include/host_config.h （119行）

#error-- unsupported GNU version! gcc versions later than 5 are not supported!
改為
//#error-- unsupported GNU version! gcc versions later than 5 are not supported!

  
    
   
  • 1
    • 
   
  • 2
    • 
   
  • 3
    •

更改完檔案，儲存。
（6）編譯caffe

mkdir build
cd build
cmake ..
make all –j4

  
    
   
  • 1
    • 
   
  • 2
    • 
   
  • 3
    • 
   
  • 4
    •

編譯過程中會可能會出現的錯誤：
a、usr/local/lib/libopencv_imgcodecs.so.3.2.0對‘[email protected]_4.0’未定義的引用
解決方法：編譯opencv的時候，需要加上-D WITH_TIFF=ON -D BUILD_TIFF=OFF 參考連結：http://www.cnblogs.com/taopanpan/p/4263951.html 還需要刪除anaconda/lib/下面的libtiff*
b、/usr/lib/x86_64-linux-gnu/libx264.so.142：對‘[email protected]_2.15’未定義的引用
解決方法：如果你裝了anaconda包的話，刪除anaconda/lib/下面的 libm* 命令：sudo rm -rf libm*
（7）編譯caffe的python介面

sudo make pycaffe

  
    
   
  • 1
    •

編譯完成後，新增路徑到環境變數

sudo gedit ~/.bashrc

  
    
   
  • 1
    •

新增上caffe的路徑：

export PYTHONPATH=/home/july/software/caffe/python:$ PYTHONPATH

  
    
   
  • 1
    •

儲存後在root使用者下執行source ~/.bashrc，按ctrl+D切換出root使用者，執行sudo updated 使更改的環境變數生效
（8）測試能否正常使用
這裡寫圖片描述
根據本文安裝方式，一定會出現此種錯誤，因為anaconda環境裡沒有任何關於protobuf的內容，解決方法：
這裡寫圖片描述
再次進行測試：
這裡寫圖片描述
到此為止，caffe安裝成功，可在anaconda的python包中正常使用。

八、測試mnist資料集
在終端上執行：

cd  ~/caffe/
./data/mnist/get_mnist.sh
./examples/mnist/create_mnist.sh

  
    
   
  • 1
    • 
   
  • 2
    • 
   
  • 3
    •

可以檢視下載的資料：
這裡寫圖片描述
繼續執行：

./examples/mnist/train_lenet.sh

  
    
   
  • 1
    •

這裡寫圖片描述

關於protobuf的問題：
如果在編譯caffe之前，安裝了libprotobuf-dev protobuf-compiler，在anaconda中也安裝了protobuf，會因衝突出現錯誤：

../lib/libcaffe.so: undefined reference to ‘google::protobuf::io::CodedOutputStream::WriteStringWithSizeToArray(std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&, unsigned char*)

  
    
   
  • 1
    •

可用本文中規避的方法安裝，但測試後anaconda中安裝了protobuf，如果再因需要編譯caffe的話，可能會因為忽略這個問題而在此踩坑。嫌麻煩的可採用一次性解決方法，安裝anaconda2後，將之前安裝的libprotobuf-dev protobuf-compiler解除安裝，直接下載protobuf包，自己重新編譯（方法百度可得），排除衝突即可。

關於import cv2報錯的問題
裝了anaconda和OpenCV，但import cv2報錯：no module named cv2
要把opencv編譯出來的cv2.so拷貝到anaconda的lib目錄下 ，然後就好了
但這時在其他路徑執行時還是報錯 no module cv2 ：需要在bashrc裡面新增anaconda的路徑

寫在最後的話：本文的步驟是一步一步經過操作實現過的，需要參考的童鞋，要根據自己的實際情況進行配置，切勿完全照搬，可留言或加群交流：521370281

相關推薦

ubuntu16.04下安裝opencv3.1+anaconda2+caffe

轉自：https://blog.csdn.net/u013277656/article/details/72627602 準備步驟：安裝ssh遠端登入,以方便兩臺電腦通過FileZilla傳輸檔案。我的所有資料都存在windows的電腦上（不是雙系統），沒有該需要的可忽略此步驟。 ub

【深度學習】ubuntu16.04下安裝opencv3.4.0

form 線程 ubunt con sudo ive tbb 依賴包 復制代碼 １、首先安裝一些編譯工具 ＃　安裝編譯工具 sudo apt-get install build-essential ＃　安裝依賴包 sudo apt-get install cmake

ubuntu16.04原始碼安裝opencv3.1.0

文章目錄 原始碼準備 安裝依賴 編譯、安裝 測試一下 原始碼準備 下載原始碼，opencv官網，得到 .zip的壓縮檔案（預設在~/Downloads下）， 進入Downloads檔案下，解壓

Ubuntu16.04下安裝OpenCV3.2.0

opencv基本上是搞CV必備套件之一了，支援的語言也非常多，但是安裝起來有點麻煩（如果是在conda下安裝的話則可以用conda install -c menpo opencv3=3.2.0）。需要注意的是，pip可以安裝的opencv-python安裝並不依賴open

Ubuntu16.04下安裝opencv3.2.0-python3

搭建環境：Ubuntu16.04 CUDA8.0  Cudnn5.1  python3.5.0 1.在home下新建資料夾 mkdir opencv3.2 cd opencv3.2 2.將下載好的opencv3.2.0拷貝到該資料夾內 cd opencv-3.2.

Ubuntu16.04下安裝OpenCV3.2.0(cpu)

1.安裝官方給的opencv依賴包 $ sudo apt-get install build-essential $ sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libav

ubuntu16.04下安裝anaconda3+caffe+cuda8.0+cudnnv5.1+matlab R2015b以及出現的錯誤

一、安裝順序 我是先安裝anaconda3（python3.6.6），然後安裝cuda9.0+cudnnv7，最後從官網下載caffe(linux版)進行caffe編譯的，最後安裝matlabR2015b ubuntu16.04截圖快捷鍵：對整個螢幕 Pr Scrn ，對

ubuntu16.04下gmt5.4.1的安裝

python -i sts .bashrc -1 fig 新版本 linux con 1 參考具神博客http://seisman.info/install-gmt5.2.x-under-linux.html https://github.com/gmt-china/gm

Ubuntu16.04下安裝opencv-3.4.1

百度 asp libjpeg ID 添加 dconf mkdir 文件目錄 fly 前期準備 　　下載OpenCV源碼包 　　進入OpenCV官方下載頁面```https://opencv.org/releases.html``` 　　選擇Sources類型 下載（這

Ubuntu16.04下安裝Caffe(CPU版)

第一步：安裝Caffe依賴 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler

Ubuntu16.04下安裝Caffe(GPU)

說明： 我這裡主要是參考第一篇和第二篇的詳細講解過程，下面我就是對自己遇到的問題作出一些解決： 這是在最後的編譯階段出現的問題，（一）嘗試了在本地新增libcudart.so.8.0的路徑，更新路徑後，我又輸入命令sudo make runtest -j8結果

ubuntu16.04下安裝cuda9.0+nvidia-384+cudnn7.1.4+tensorflow1.9。

本機配置：i7-8700 GTX1070。經測試，本方案在i7-9700K 泰坦XP上也適用： 在安裝之前首先感謝實驗室師弟寫的部落格，但是寫的估計有點亂，為了實驗室以後裝cuda這些東西方便一些，這裡配上圖，改進了一下之前師弟寫的教程，更易懂一點： 1.安裝nvid

Ubuntu16.04下安裝Anaconda2

1. 下載Anaconda Anaconda官網下載地址： 官網下載很慢，建議使用映象下載對應的anaconda版本 2. 安裝Anaconda 下載的Anaconda會在家目錄下的Downloads目錄下         問你是否接受許可檔案，輸入yes繼續安

ubuntu16.04下安裝caffe，遇到的系列問題，純小白犯得錯誤，勿噴

—>安裝opencv時 出現cmake error at 3rdparty/ippicv/downloader.cmake:73 (file) 這是因為我的這個ippicv_linux_20141027.tgz安裝包出現的問題， 在opencv-3.1.0

ubuntu16.04 下安裝加入opencv_contribute包的GPU版本的OpenCV3.2（CUDA支援）步驟與問題解決

首先肯定是先安裝依賴了，官方列出了一些： sudo apt-get install build-essential sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev liba

Ubuntu16.04下安裝caffe的方法（踩坑無數後的吐血總結）

        平常較少接觸linux系統，因專案需要使用linux下的caffe。為了這一次安裝探索了兩天，踩了無數的坑，參考了網上很多教程，發現百度裡的答案不是內容有錯誤，就是描述的問題和自己無關

Ubuntu18.04 下安裝OpenCV3.4.1

1. 安裝依賴項 sudo apt-get install build-essential sudo apt-get install cmake git libgtk2.0-dev pkg-conf

AWS-G2-Ubuntu16.04下安裝cuda,caffe和py-faster-rcnn

G2的顯示卡（GRID K520）驅動：http://www.nvidia.com/Download/Find.aspx 然後參考這個文章安裝CUDA和caffe：http://blog.csdn.net/sinat_26917383/article/details/56

ubuntu16.04下安裝cx-Oracle報錯：error: command 'x86_64-linux-gnu-gcc' failed with exit status 1

x86_64-linux-gnu-gcc -pthread -shared -Wl,-O1 -Wl,-Bsymbolic-functions -Wl,-Bsymbolic-functions -Wl,-z,relro -fno-strict-aliasing -DNDEBUG -g -fwrapv -O2 -

Ubuntu16.04+cuda9.0+opencv3.1+matlab2016a+anaconda+caffe(C3D)+編譯過程錯誤記錄

記錄一下安裝過程和錯誤，給自己提醒... 這次裝了C3D，因為要用3d卷積核，其實編譯過程和普通caffe一樣 顯示卡：NVIDIA GTX 1050Ti  系統：Ubuntu16.04 安裝過程參考如下部落格，謝謝各位大佬！ubuntu16.04安裝caffe 一.顯