当前位置： 代码迷 >> 综合 >> Caffe安装教程（Ubuntu16.04+GTX 980+CUDA9.1+Python3.5+Caffe）
  详细解决方案

Caffe安装教程（Ubuntu16.04+GTX 980+CUDA9.1+Python3.5+Caffe）

热度：20   发布时间：2023-12-11 14:26:28.0

基本依赖项：

$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

如果出现问题，可以先执行

$sudo apt-get update

然后再次尝试。

CUDA9.1安装：

NVIDIA驱动安装:

安装CUDA之前需要先根据显卡下载驱动，注意，CUDA9.1要求驱动版本为R390,我使用的显卡是NVIDIA GEFORCE GTX 980，去NVIDIA官网下载驱动：

选择使用390.25驱动NVIDIA-Linux-x86_64-390.25.run

首先将系统默认驱动nouveau加入黑名单：

$sudo gedit /etc/modprobe.d/blacklist.conf

gedit打开blacklist.conf后在最后一行添加

blacklist nouveau option nouveau modeset=0

然后保存：

$sudo update-initramfs -u

然后重启电脑：

$shutdown -r now

开机后，按Ctrl + Alt + F2 进入纯命令行界面，然后输入以下关闭掉占用显卡的程序：

$systemctl isolate multi-user.target

进入到你的驱动下载路径，安装驱动：

$sudo chomod +x NVIDIA-Linux-x86_64-390.25.run

$sudo ./NVIDIA-Linux-x86_64-390.25.run -no-x-check -no-nouveau-check -no-opengl-files

按提示一步一步安装，注意其中有一步询问是否更改x-config文件，选择yes.

安装结束后,输入如下命令检验：

$nvidia-smi

如果显示当前GPU的驱动等信息，则驱动安装成功，使用如下指令以准备返回图形界面。

$systemctl start graphical.target

CUDA安装：

根据我的系统，按如上做了选择，我选择runfile（local）进行安装。在下载.run文件时，最开始可能是因为网络原因，导致一直.run文件下载完成但是大小都不对，导致后面的安装无法正常进行，所以读者在这一步时一定要看好自己下载的文件的大小是否正确。

然后按上面所说，进入你的.run文件的下载路径，输入以下指令：

$sudo sh cuda_9.1.85_387.26_linux.run

然后按提示来进行安装，以下是我的安装界面和选择：

因为我们之前已经安装过驱动，所以在询问是否安装CUDA自带驱动时选择no

以上时安装完成界面给的一些提示，其中要求我们做一些额外的设置path等工作：

$sudo gedit ~/.bashrc

在.bashrc文件最后添加：

# for cuda install
export PATH=/usr/local/cuda-9.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

测试CUDA的samples:

$cd /usr/local/cuda-9.1/samples/1_Utilities/deviceQuery
$sudo make 
$sudo ./deviceQuery

看到一些关于GPU的信息，则CUDA安装成功。
 

cuDNN 安装：

cuDNN官网https://developer.nvidia.com/cudnn，cuDNN（CUDA Deep Neural Network）相比标准的CUDA,它在一些常用的神经网络操作上进行了性能的优化，比如卷积，pooling,归一化，以及激活层等等。

下载前需要先进行注册登录（可能需要翻墙不然总是会卡在登录界面），然后进入下载界面：

基于我的系统是Ubuntu16.04,所以选择红框内的三个deb文件进行安装，首先进入你的deb文件下载目录：

安装runtime library:

$sudo dpkg -i libcudnn7_7.0.3.11-1+cuda9.0_amd64.deb

安装developer library:

$sudo dpkg -i libcudnn7-dev_7.0.3.11-1+cuda9.0_amd64.deb

安装code examples 和 user guide:

$sudo dpkg -i libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb

然后我们进行测试cuDNN是否正确安装，编译/usr/src/cudnn_samples_v7路径下的mnistCUDNN示例:

$cp -r /usr/src/cudnn_samples_v7/ $HOME
$cd  $HOME/cudnn_samples_v7/mnistCUDNN
$make clean && make
$./mnistCUDNN

如果cuDNN安装成功你会看到 Test passed! 字样。

使用cuDNN: 在编译的时候在你的Makefile.config文件中设置USE_CUDNN := 1

BLAS安装:

BLAS(Basic Linear Algebra Subprograms)即基础线性代数子程序库，里面拥有大量已经编写好的关于线性代数运算的程序。作为caffe的后端以来库使用。

BLAS有三种实现可供选择，ATLAS,Intel MKL,OpenBLAS这里我们选择免费的而且安装比较简单的ATLAS，在bash下执行：

$sudo apt-get install libatlas-base-dev

即完成安装，在使用时，需在你的Makefile.config文件中设置 BLAS := open

openCV3.4.1安装：

基本依赖：

[compiler]$ sudo apt-get install build-essential
[required]$ sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
[optional]$ sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

下载openCV3.4.1源代码，解压到一个你的目录下，以下用<opencv_dir>代表，进入<opencv_dir>目录下：

执行以下命令，用cmake进行编译：

$mkdir build
$cd build
$cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..

如有报错FATAL: In-source builds are not allowed.可以先检查一下是否有CMakeCache.txt文件并移除。

在你的<opencv_dir>/build目录下执行：

$make -j7 

$sudo make install

openCV安装完成！

安装Caffe:

从github上下载caffe：

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

执行以下命令利用Makefile.config.example生成Makefile.config文件，这样比较好的地方就是，即使你后面修改Makefile.config文件改错了，也可以删除掉，重新再copy一份出来。

$cp Makefile.config.example Makefile.config

修改Makefile.config文件（根据技术选型和系统硬件）：

  1. 去掉USE_CUDNN := 1 前面的注释
  2. 去掉USE_OPENCV := 0 前面的注释，并将0修改为1
  3. 去掉OPENCV_VERSION := 3 前面的注释
  4. 去掉CUSTOM_CXX := g++ 前面的注释
  5. 将CUDA_ARCH := 后前两行即有*_20和*_21的两行去掉，最终效果为：
CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \-gencode arch=compute_35,code=sm_35 \-gencode arch=compute_50,code=sm_50 \-gencode arch=compute_52,code=sm_52 \-gencode arch=compute_60,code=sm_60 \-gencode arch=compute_61,code=sm_61 \-gencode arch=compute_61,code=compute_61

      6. 修改

# Whatever else you find you need goes here.
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serialLIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial

make编译，执行以下命令：

$make all
$make test
$make runtest

我的电脑是4核的，所以我在上面三条语句每条后面都加了一个 -j4以实现并行。在编译过程中，会报关于gflags,glog,lmdb的错误，是因为缺少相应的包，可以通过以下指令解决：

$sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

然后重新编译，如果遇到某些问题，可以尝试先删除掉caffe/build文件夹下的所有文件，重新进行编译，剩下的就是对着电脑抱拳啦。然后就没有遇到其他的问题了。（这个编译的时间会有点久）

python caffe 安装：

安装Anaconda：

Anaconda是一个开源的python发行版本，其包含了conda,Python等180多个包及其依赖项，可以很方便的管理包和环境。

我使用的是linux自带的python3.5版本，按Anaconda推荐先下载对应python3.6版本的，然后配置python3.5的环境。

下载过程可能会有些缓慢，下载完成后，进入到.sh文件所在目录，执行：

$bash Anaconda3-5.1.0-Linux-x86_64.sh

然后根据提示进行操作（同意条款，选择默认安装路径，将Anaconda添加环境变量）最后会推荐安装vscode，是和atom类似的一个编辑器，可装可不装。

选择一个路径，我用<new_environment>来代指，创建一个python3.5的Anaconda环境：

$conda create -n python3.5-caffe python=3.5

其中python3.5-caffe为我设置的环境名称，可任意设置。然后激活该环境：

$source activate python3.5-caffe

在该环境中安装python caffe所需要的库，进入路径<你的caffe所在路径>/python/，在命令行输入：

$pip install -r requirements.txt

配置Makefile.config文件：

# NOTE: this is required only if you will compile the python interface.
# We need to be able to find Python.h and numpy/arrayobject.h.
#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)/anaconda3
PYTHON_INCLUDE := $(ANACONDA_HOME)/envs/python3.5-caffe/include \$(ANACONDA_HOME)/envs/python3.5-caffe/include/python3.5m \$(ANACONDA_HOME)/envs/python3.5-caffe/lib/python3.5/site-packages/numpy/core/include# Uncomment to use Python 3 (default is Python 2)
PYTHON_LIBRARIES := boost_python3 python3.5m
# PYTHON_INCLUDE := /usr/include/python3.5m \
#                 /usr/lib/python3.5/dist-packages/numpy/core/include# We need to be able to find libpythonX.X.so or .dylib.
#PYTHON_LIB := /usr/lib
PYTHON_LIB := $(ANACONDA_HOME)/envs/python3.5-caffe/lib# Homebrew installs numpy in a non standard path (keg only)
# PYTHON_INCLUDE += $(dir $(shell python -c 'import numpy.core; print(numpy.core.__file__)'))/include
# PYTHON_LIB += $(shell brew --prefix numpy)/lib# Uncomment to support layers written in Python (will link against Python libs)
WITH_PYTHON_LAYER := 1
 
 
最后进行编译：
 
 
$make clean
$make all
$make pycaffe
 
 
其中可能会出现的报错：
 
 
(1)cannot find -lboost_python3
 
 
    解决方法：终端进入/usr/lib/x86_64-linux-gnu/文件夹下找到libboost_python-py35.so和libboost_python-py35.a
 
 
    输入如下指令：
 
 
$sudo ln -s libboost_python-py35.so libboost_python3.so
$sudo ln -s libboost_python-py35.a libboost_python3.a
 
 
    之后再编译即不会报错。
 
 
(2)make runtest的时候报错：error while loading shared libraries:libhdf5_hl.so.100，libhdf5.so.101
 
 
    解决方法：查找/usr/lib/x86_64-linux-gnu/hdf5/serial文件夹下确认找到libhdf5_hl.so和libhdf5.so
 
 
    输入如下指令：
 
 
$cd /usr/lib/x86_64-linux-gnu
$sudo ln -s hdf5/serial/libhdf5_hl.so libhdf5_hl.so.100
$sudo ln -s hdf5/serial/libhdf5.so libhdf5.so.101
 
 
测试：
 
 
进入<你的caffe所在路径>/python/路径下，执行下列命令无报错则安装成功。
 
 
$python
>>import caffe
 
 
可能会出现的问题：“can't create weekday with n==0”
 
 
    这个问题的原因出在python-dateutil包上，因为requirements.txt文件中要求版本是python-dateutil>=1.4,<2 ，所以我配置环境的时候把原来2.6.1版本的卸载了，然后安装的1.5版本的，为解决这个问题，又把2.6.1版本的重新装了回来。结果跑通了。
 
 
 
 
 
参考资料：
 
 
cuDNN安装教程
 
 
caffe利用anaconda配置python接口（cpu版可视化工具）
 
 
Conda官方文档
 
 
Ubuntu16.04 14.04安装配置Caffe(GPU版)
 
 
Caffe官方文档
 
 
Ubuntu 16.04 用户登录界面死循环问题的解决
 
 
如有错误，欢迎指出交流，谢谢！
 
 
 
 
 
 
 
 
 



                  

                  
                  
                  

                

                

              


			  
			

				
				
			


        
             

                
  相关解决方案

                
                

                  
                

              

               
            

            
            

              

                

                 	

				    
				    
                

              

            

            
            
            

          

          

        

        

      

      
      
      

     

         

         
         	代码迷 - 您身边的软件异常，代码异常，编程异常助手（发现，解决，分享）

         Copyright © 2009-2013 DAIMAMI.COM. All rights reserved.