1. 程式人生 > >Caffe學習系列(1):安裝配置ubuntu14.04+cuda7.5+caffe+cudnn

Caffe學習系列(1):安裝配置ubuntu14.04+cuda7.5+caffe+cudnn

一、版本

linux系統:Ubuntu 14.04 (64位)

顯示卡:Nvidia K20c

cuda: cuda_7.5.18_linux.run

cudnn: cudnn-7.0-linux-x64-v4.0-rc

二、下載

Ubuntu 14.04下載地址:http://www.ubuntu.com/download/desktop (64bit)

cuda7.5下載地址:https://developer.nvidia.com/cuda-downloads/  ,下載對應的作業系統和版本cuda_7.5.18_linux.run,放到~根目錄下

cudnn下載址:https://developer.nvidia.com/cudnn, 需要註冊,並通過稽核才能下載,下載相應檔案cudnn-7.0-linux-x64-v4.0-rc.tgz, 放到~根目錄下.稽核一般一至兩天,等不及的同學可到

http://pan.baidu.com/s/1bnOKBO 下載

三、開始安裝

 1、安裝ubuntu,此文不關注。

 2、禁用nouveau驅動

    按Ctrl+Alt+F1進入命令提示符,新建一個黑名單檔案

# sudo vi /etc/modprobe.d/blacklist-nouveau.conf

輸入

blacklist nouveau
options nouveau modset=0

儲存退出(:wq)

然後執行

# sudo update-initramfs -u

執行 lspci | grep nouveau檢視是否有內容

# lspci | grep nouveau

如果沒有內容 ,說明禁用成功,如果有內容,就重啟一下再檢視

# sudo reboot

重啟後,進入登入介面的時候,不要登入進入桌面,直接按Ctrl+Alt+F1進入命令提示符。

3、安裝cuda 7.5

先安裝一些常用的軟體,注意整個過程需要聯網

# sudo service lightdm stop
# sudo apt-get install g++
# sudo apt-get install git
# sudo apt-get install freeglut3-dev

接下來進入~根據目錄安裝cuda 7.5

# cd
# sudo sh cude_7.5.18_linux.run

安裝的時候,要讓你先看一堆文字(EULA),我們直接不停的按空格鍵到100%,然後輸入一堆accept,yes,yes或回車進行安裝。

安裝完成後,重啟,然後用ls檢視一下,是否生成了四個左右以nvidia開頭的資料夾

# ls /dev/nvidia*

如果有,說明安裝成功了,如果沒有,可能不成功,需要解除安裝重灌。解除安裝命令如下:

# sudo /usr/local/cuda-7.5/bin/uninstall_cuda_7.5.pl
# sudo /usr/bin/nvidia-uninstall

如果你還不放心是否安裝成功,請參考其它教程,編譯Samples進行測試。

最後,配置環境變數,我們直接放在系統配置檔案profile裡面,先開啟profile檔案

# sudo vi /etc/profile

在最後面加入兩行程式碼,如果你還不會用vi進行編輯,請百度

export PATH=/usr/local/cuda-7.5/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH

儲存退出,至此cuda 7.5安裝完畢。

4、安裝caffe

   先下載caffe

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

然後安裝一堆第三方庫

# sudo apt-get install libatlas-base-dev
# sudo apt-get install libprotobuf-dev
# sudo apt-get install libleveldb-dev
# sudo apt-get install libsnappy-dev
# sudo apt-get install libopencv-dev
# sudo apt-get install libboost-all-dev
# sudo apt-get install libhdf5-serial-dev
# sudo apt-get install libgflags-dev
# sudo apt-get install libgoogle-glog-dev
# sudo apt-get install liblmdb-dev
# sudo apt-get install protobuf-compiler

接著,安裝opencv

# cd caffe
# sudo git clone https://github.com/jayrambhia/Install-OpenCV
# cd Install-OpenCV/Ubuntu
# sudo sh dependencies.sh
# cd 2.4
# sudo sh opencv2_4_10.sh

接下來,編譯caffe

# cd ~/caffe
# sudo cp Makefile.config.example Makefile.config
# make all

至此,caffe安裝完成。

5、配置執行環境

caffe執行時需要呼叫cuda的庫,我們在/etc/ld.so.conf.d目錄下新建一個cafe.conf檔案,將所需要用的庫的目錄寫入

# sudo vi /etc/ld.so.conf.d/caffe.conf

新增內容:

/usr/local/cuda/lib64

儲存退出(:wq)

更新配置

# sudo ldconfig

6、測試caffe

  下載mnist資料

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

執行時,如果你有GPU,則不需要修改配置檔案,如果沒有gpu,則需要修改配置檔案lenet_solver.prototxt

# sudo vi examples/mnist/lenet_solver.prototxt

將最後一行的solver_mode:GPU改為solver_mode:CPU

配置好後,就可以運行了

# sudo sh examples/mnist/train_lenet.sh

注意,執行caffe程式時,必須在caffe的根目錄下,不然會出錯

7、安裝cudnn進行加速

假設事先已經下載好cudnn-7.0-linux-x64-v4.0-rc.tgz放到~根目錄

# cd
# sudo tar xvf cudnn-7.0-linux-x64-v4.0-rc.tgz
# cd cuda/include
# sudo cp *.h /usr/local/include/
# cd ../lib64
# sudo cp lib* /usr/local/lib/
# cd /usr/local/lib
# sudo chmod +r libcudnn.so.4.0.4
# sudo ln -sf libcudnn.so.4.0.4 libcudnn.so.4
# sudo ln -sf libcudnn.so.4 libcudnn.so
# sudo ldconfig

將caffek根目錄下 Makefile.config中 USE_CUDNN 行的註釋去除,然後重新進行編譯。

# cd ~/caffe
# sudo vi Makefile.config

 將USE_CUDNN 行的註釋符號#去除,即 USE_CUDNN := 1

然後重新編譯

# sudo make clean
# sudo make all

到此,全部安裝完成。

如果沒有gpu,則不能用cudnn。

相關推薦

Caffe學習系列(1)安裝配置ubuntu14.04+cuda7.5+caffe+cudnn

一、版本 linux系統:Ubuntu 14.04 (64位) 顯示卡:Nvidia K20c cuda: cuda_7.5.18_linux.run cudnn: cudnn-7.0-linux-x64-v4.0-rc 二、下載 Ubuntu 14.04下載地址:http://www.ubunt

MQ系列1安裝配置ActiveMQ5.0

簡介   ActiveMQ 是開源的JMS實現,Geronimo應用伺服器就是使用的ActiveMQ提供JMS服務。ActiveMQ5.0相比以前版本提供了一些非常有用的新功能: AMQ Message Store (Faster Persistence!)Curso

linux(ubuntu14.04)+cuda7.5+caffe+openCV2.4.9+matlab+cudnn新手配置

ubuntu14.04的安裝 *********************************************************************************

Caffe學習系列(21)caffe圖形化操作工具digits的安裝與執行

經過前面一系列的學習,我們基本上學會了如何在linux下執行caffe程式,也學會了如何用python介面進行資料及引數的視覺化。 也許有人會覺得比較複雜。確實,對於一個使用慣了windows視窗操作的使用者來說,各種命令就要了人命,甚至會非常抵觸命令操作。沒有學過python,要自己去用python程

Caffe學習系列(7)solver及其配置

solver算是caffe的核心的核心,它協調著整個模型的運作。caffe程式執行必帶的一個引數就是solver配置檔案。執行程式碼一般為 # caffe train --solver=*_slover.prototxt 在Deep Learning中,往往loss

Caffe學習系列(13)資料視覺化環境(python介面)配置 jupyter notebook

caffe程式是由c++語言寫的,本身是不帶資料視覺化功能的。只能藉助其它的庫或介面,如opencv, python或matlab。大部分人使用python介面來進行視覺化,因為python出了個比較強大的東西:ipython notebook, 現在的最新版本改名叫jupyter notebook,它能將

公司nginx keepalived tomcat cxf 搭建高可用負載均衡實戰系列1- keepalived安裝配置

技術分享 cnblogs start ges idt def auth div .cn 1,ip說明 vip 10.50.13.67 server1 10.50.13.68 server2 10.50.13.140 2

golang學習筆記(1)安裝&helloworld

golang安裝:golang編譯器安裝過程比較簡單,也比較快,不同平臺下(win/linux/macos)都比較相似;https://dl.gocn.io/golang/1.9.2/go1.9.2.src.tar.gz 下載對應的系統版本的編譯器go的版本號由"." 分為3部分如當前的

caffe安裝配置過程以及問題總結)ubuntu14.04 +cuda7.5+opencv+matlab+各種依賴庫

Stay hungry,Stay foolish .   對於caffe,不同的電腦出現的問題不一樣,如果出現問題就慢慢解決吧。本文將整個的安裝配置過程進行了總結。 一、安裝前的準備工作 1)首先需要檢視自己的電腦是否支援GPU,輸入: $ lspci | grep -i

【2】Caffe學習系列(11)影象資料轉換成db(leveldb/lmdb)檔案

在深度學習的實際應用中,我們經常用到的原始資料是圖片檔案,如jpg,jpeg,png,tif等格式的,而且有可能圖片的大小還不一致。而在caffe中經常使用的資料型別是lmdb或leveldb,因此就產生了這樣的一個問題:如何從原始圖片檔案轉換成caffe中能夠執行的db(l

NanoPi NEO2 學習筆記 1安裝系統、首次開機和一些設定

前幾天搞到了一塊NanoPi NEO2,A53的核心,512M記憶體,一個千兆網口,非常小的體積,質量也不錯,非常滿意,140元的價格可以買到這樣一塊ARM開發板也是非常划算了,非常適合低成本從微控制器轉向嵌入式學習 說實話這塊板子的資料和樹莓派相比較,可以說是少之又少,需要拿出十足的耐心,敢於折騰的決心去

強化學習系列1強化學習簡介

2015年10月,AlphaGo在和歐洲冠軍進行的圍棋賽上獲得了5:0的完勝,其後的深度強化學習也隨之火了起來。從本期開始開個新坑,一步步把強化學習的內容捋一遍。 1. 基本概念 強化學習(reinforcement learning)是用來解決連續決策問題的一種方法。針對的模型是馬

Caffe學習筆記1linux下建立自己的資料庫訓練和測試caffe中已有網路

本文是基於薛開宇 《學習筆記3:基於自己的資料訓練和測試“caffeNet”》基礎上,從頭到尾把實驗跑了一遍~對該文中不清楚的地方做了更正和說明。 主要工作如下: 1、下載圖片建立資料庫 2、將圖片轉化為256*256的lmdb格式 3、計算影象均值 4、定義網路修改部分引

Caffe學習系列(14)初識資料視覺化

轉載自http://www.cnblogs.com/denny402/p/5092075.html 在jupyter notebook裡 首先將caffe的根目錄作為當前目錄,然後載入caffe程式自帶的小貓圖片,並顯示。 圖片大小為360x480,三通道 In [

openCV學習系列1我為什麼要學習openCV,什麼是openCV

OpenCV:Open Source Computer Vision Library  開源計算機視覺庫 個人學習openCV兩個原因:1、看好計算機視覺技術未來廣闊市場前景;2、為產品做升級引入新技術。 什麼是openCV? 以下內容從各種百科中整理而得: Ope

Caffe學習系列(1): 繪製網路模型

1、安裝必要的庫。 $ sudo apt-get install GraphViz $ sudo pip install pydot 2、繪製網路 引數說明: draw_net.py執行的時候帶三個引數 第一個引數:網路模型的prototxt

Caffe學習系列(20)用訓練好的caffemodel來進行分類

#coding=utf-8 #載入必要的庫 import numpy as npimport sys,os #設定當前目錄 caffe_root = '/home/xxx/caffe/' sys.path.insert(0, caffe_root + 'python') import caffe os.c

Caffe學習系列(22)caffe圖形化操作工具digits執行例項

經過前面的操作,我們就把資料準備好了。 一、訓練一個model 右擊右邊Models模組的” Images" 按鈕 ,選擇“classification" 在開啟頁面右下角可以看到,系統提供了一個caffe model,分別為LeNet, AlexNet, GoogLeNet, 如果使用這三個模型,

Caffe學習系列(23)如何將別人訓練好的model用到自己的資料上

caffe團隊用imagenet圖片進行訓練,迭代30多萬次,訓練出來一個model。這個model將圖片分為1000類,應該是目前為止最好的圖片分類model了。 假設我現在有一些自己的圖片想進行分類,但樣本量太小,可能只有幾百張,而一般深度學習都要求樣本量在1萬以上,因此訓練出來的model精度太低,根

caffe學習筆記1-win10安裝與測試mnist

windows下caffe的安裝有些麻煩,我折騰了一天終於安裝好caffe並且成功測試了mnist,在此期間遇到了不少坑,特此記錄一下。 安裝caffe caffe的安裝方式一直在變化,我安裝的時候發現不少部落格寫的東西已經有些過時了,所以建議大家在安裝的時