注意:本教程只针对以下配置而言,其他配置可能会出现其他问题,不承担任何责任。
配置说明:
双硬盘双系统,250G固态硬盘装了win10,4T机械硬盘装了Ubuntu16.04
双显卡:集显加独显(GTX1080)
先按照了win10,再装Ubuntu16.04,都是制作了U盘引导盘安装,没什么好说
说明
1、1080装机只能使用DVI接口的显示器,无法使用VGA或者转接头之类的。或者先使用集显连显示器。当然当你把显卡驱动安好之后,是能用VGA接口的,不过在那之前,VGA不识别。
2、1080需要使用自己的显卡驱动,不能使用cuda 自带的驱动。
3、Ubuntu16.04 系统的默认GCC版本为5.4,而编译caffe最高只支持5.3.
4、OpenCV不能直接安装,因为cuda8是新出的,opencv 无法识别。
一、安装Ubuntu16.04
1、先上官网下载Ubuntu16.04的镜像iso
2、再用UltraISO制作引导盘
3、U盘按照Ubuntu16.04
在这里发现如果显示器接的是独显1080的话,会出现分辨率问题而无法进行安装界面,屏幕显示“输入不支持”。
在这里卡了很久,也谷歌了好久,网上都说需要手动添加显卡选项: nomodeset,使其支持Nvidia系列显卡。
(参考:安装ubuntu黑屏问题的解决orHow do I set ‘nomodeset’ after I’ve already installed Ubuntu?)
但发现还是没能解决问题。后来是把视频线接到集显输出后,就能正常进入安装界面,在安装完后,我也是手动修改了grub文件,顺便改改分辨率:
[java]
view plain
copy
- sudovim/etc/default/grub
找到这一行:GRUB_CMDLINE_LINUX_DEFAULT=”quiet splash”修改为:GRUB_CMDLINE_LINUX_DEFAULT=”quiet splashnomodeset”
然后顺便改分辨率
# The resolution used on graphical terminal
# note that you can use only modes which your graphic card supports via VBE
# you can see them in real GRUB with the command `vbeinfo’
#GRUB_GFXMODE=640×480
# 这里分辨率自行设置
GRUB_GFXMODE=1920×1080
更新GRUB:
[html]
copy
- sudoupdate-grub
二、安装nvidia显卡驱动
在这里附上一下关于查看显卡信息的命令
(1)检查你的电脑有哪些显卡
copy
- lspci-k|grep-A2-i”VGA”
(2)查看哪一个专有驱动是推荐安装的
copy
- sudoubuntu-driversdevices
有个recommended 的那个驱动就是推荐的。
也可以上官网查自己显卡型号推荐的驱动(http://www.nvidia.cn/Download/index.aspx?lang=cn)
安装驱动有三种方法:(1)run文件;(2)deb文件;(3)第三方安装
各种尝试后发现第三种方法是最简便安全的。试过第一种,要各种配置,装完后还在图形界面那里无限循环了,反正就各种问题
下面是第三种方法:
copy
- sudoadd-apt-repositoryppa:graphics-drivers
第一次运行出现如下的警告:
Fresh drivers from upstream,currently shipping Nvidia.
## Current StatusWe currently recommend: nvidia361nvidia-361,Nvidia’s current long lived branch.
For GeForce 8 and 9 series GPUs use nvidia340nvidia-340 For GeForce 6 and 7 series GPUs use nvidia304nvidia-304
## What we’re working on right now:– Normal driver updates– Investigating how to bring this goodness to distro on a cadence.
## WARNINGS:This PPA is currently in testing,you should be experienced with packaging before you dive in here.
Give us a few days to sort out the kinks.Volunteers welcome! See also: https://github.com/mamarley/nvidia-graphics-drivers/http://www.ubuntu.com/download/desktop/contribute
更多信息: https://launchpad.NET/~graphics-drivers/+archive/ubuntu/ppa
按回车继续或者 Ctrl+c 取消添加
回车后继续:
copy
- sudoapt-getupdate
- sudoapt-getinstallnvidia-367
- sudoapt-getinstallmesa-common-dev
- sudoapt-getinstallfreeglut3-dev
把上面的显卡驱动型号改成你匹配的型号
之后重启系统让GTX1080显卡驱动生效
测试:
终端输入:
copy
- nvidia-smi
出现类似上述界面说明安装成功了
三、安装cuda-8.0
在安装 CUDA 之前,google了一下,发现在Ubuntu16.04下安装CUDA7.5问题多多,幸好CUDA8已出,支持GTX1080:
从上图也可以看出,CUDA 也有好几种安装方法,
但不推荐用deb方法,因为deb包里自带了一个旧的显卡驱动,不支持1080,安装完后需要重新安装367版本的显卡驱动。
参考文章【3】是按deb方法安装的,可作参考
下面介绍run方法:
1、官网下载“cuda_8.0.27_linux.run”(建议先在windows下载再拷过去),或者从我给的百度网盘里也有下载;2、sudo sh cuda_8.0.27_linux.run
有可能要加–override参数:
这个参数会覆盖原来的驱动,如果没出现问题可以不需要这个参数。
copy
- shcuda_8.0.27_linux.run–override
启动安装程序,一直按空格到最后,输入accept接受条款输入n不安装nvidia图像驱动,之前已经安装过了输入y安装cuda 8.0工具回车确认cuda默认安装路径:/usr/local/cuda-8.0输入y用sudo权限运行安装,输入密码输入y或者n安装或者不安装指向/usr/local/cuda的符号链接输入y安装CUDA 8.0 Samples,以便后面测试回车确认CUDA 8.0 Samples默认安装路径:/home/pawn(pawn是我的用户名),该安装路径测试完可以删除
3、添加环境变量
copy
- sudogedit~/.bashrc
- exportCUDA_HOME=/usr/local/cuda-8.0
- exportLD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
- exportPATH=/usr/local/cuda-8.0/bin:$PATH
保存退出后使其立刻生效
copy
- source~/.bashrc
4、安装例程测试
(1)查看cuda版本
copy
- nvcc–version
(2)最后进入cuda自带的例子中看cuda是否已正确配置
copy
- cd~/NVIDIA_CUDA-8.0_Samples/
- make-j16
这里可能出现gcc、g++版本过高的问题。
两种方法:
a、直接下载低版本的gcc、g++替换之
ubuntu16.04 默认安装的gcc版本为gcc-5.4,(可用gcc –version查看)有时可能需要低版本的,所以我们先安装gcc-4.8.5
copy
- sudoapt-getinstall-ygcc-4.8g++-4.8
- sudoupdate-alternatives–install/usr/bin/gccgcc/usr/bin/gcc-4.820
- sudoupdate-alternatives–install/usr/bin/g++g++/usr/bin/g++-4.820
- cd/usr/bin
- sudocpgccgcc_backup
- sudocpg++g++_backup
- sudormgccg++
- sudoln-sgcc-4.8gcc
- sudoln-sg++-4.8g++
这样再用gcc –version查看就是4.8.5了,如果想切换为系统默认的版本:
copy
- sudormgccg++
- sudoln-sgcc-5gcc
- sudoln-sg++-5g++
b、修改源码,使其支持更高版本的gcc和g++
copy
- cd/usr/local/cuda/include/#进入到头文件目录
- sudogedithost_config.h#编辑头文件
Ctrl + F 搜索GNUC,找到一段类似于 “if _GNUC_>5 || (_GNUC_ == 5 &&_GNUC_MINOR_> 3)”,就是最大支持gcc-5.3,可自己取消该限制。建议改为使其支持gcc-5.4,或者直接把两个5改成6
(3)进入例程
copy
- cd~/NVIDIA_CUDA-8.0_Samples/bin/x86_64/linux/release
copy
- ./deviceQuery
得到:
./deviceQuery Starting…CUDA Device Query (Runtime API) version (CUDART static linking)Detected 1 CUDA Capable device(s)Device 0: “GeForce GTX 1080”CUDA Driver Version / Runtime Version 8.0 / 8.0CUDA Capability Major/Minor version number: 6.1Total amount of global memory: 8112 MBytes (8506179584 bytes)(20) Multiprocessors,(128) CUDA Cores/MP: 2560 CUDA CoresGPU Max Clock rate: 1835 MHz (1.84 GHz)Memory Clock rate: 5005 MhzMemory Bus Width: 256-bitL2 Cache Size: 2097152 bytesMaximum Texture Dimension Size (x,y,z) 1D=(131072),2D=(131072,65536),3D=(16384,16384,16384)Maximum Layered 1D Texture Size,(num) layers 1D=(32768),2048 layersMaximum Layered 2D Texture Size,(num) layers 2D=(32768,32768),2048 layersTotal amount of constant memory: 65536 bytesTotal amount of shared memory per block: 49152 bytesTotal number of registers available per block: 65536Warp size: 32Maximum number of threads per multiprocessor: 2048Maximum number of threads per block: 1024Max dimension size of a thread block (x,z): (1024,1024,64)Max dimension size of a grid size (x,z): (2147483647,65535,65535)Maximum memory pitch: 2147483647 bytesTexture alignment: 512 bytesConcurrent copy and kernel execution: Yes with 2 copy engine(s)Run time limit on kernels: YesIntegrated GPU sharing Host Memory: NoSupport host page-locked memory mapping: YesAlignment requirement for Surfaces: YesDevice has ECC support: DisabledDevice supports Unified Addressing (UVA): YesDevice PCI Domain ID / Bus ID / location ID: 0 / 1 / 0Compute Mode:<Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >deviceQuery,CUDA Driver = CUDART,CUDA Driver Version = 8.0,CUDA Runtime Version = 8.0,NumDevs = 1,Device0 = GeForce GTX 1080Result = PASS
说明cuda已经安装成功!
四、安装opencv3.0
网上有opencv3,0的安装脚本,非常方便,如果你还提前下载了对应版本的安装包,那就更省时间了
1、提供一个百度云,里面有安装包。百度云盘链接: http://pan.baidu.com/s/1qX1uFHa 密码:wysa
2、在Install-OpenCV-master文件夹中包含安装各个版本opencv脚本
3、切换到目录执行,安装依赖项:
copy
- sudoshUbuntu/dependencies.sh
4、执行opencv3.0安装脚本
copy
- sudoshUbuntu/3.0/opencv3_0_0.sh
等待安装完成即可
期间可能会卡在ippcv的下载中,Ctrl + c中断后,可以自行从http://sourceforge.Net/projects/opencvlibrary/files/3rdparty/ippicv这里下载,解压到opencv-master —> 3rdparty —> ippicv —> downloads —>Linux-xxxxxxxxxxxxxxxx 下面
再把选项-D WITH_IPP=OFF添加到上面的cmake命令中,重新cmake即可。即
[plain]
copy
- cmake-DCMAKE_BUILD_TYPE=RELEASE-DCMAKE_INSTALL_PREFIX=/usr/local-DWITH_TBB=ON-DBUILD_NEW_PYTHON_SUPPORT=ON-DWITH_V4L=ON-DINSTALL_C_EXAMPLES=ON-DINSTALL_PYTHON_EXAMPLES=ON-DBUILD_EXAMPLES=ON-DWITH_QT=ON-DWITH_OPENGL=ON-DWITH_IPP=OFF..
提醒一下,这时候要把opencv3_0_0.sh这个文件稍微修改一下啊,比如注释掉mkdir build 等,还可以把后面的make -j4改到make -j16
最后就只需要等待安装完就好,过程要挺久的,慢慢等!
问题1、 cuda8.0新出,opencv3.0.0或者2.4.10不支持。报错:
copy
- /home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:120:54:error:‘NppiGraphcutState’hasnotbeendeclared
- typedefNppStatus(*init_func_t)(NppiSizeoSize,NppiGraphcutState**ppStat
- ^
- /home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:135:18:error:‘NppiGraphcutState’doesnotnameatype
- operatorNppiGraphcutState*()
- ^
- /home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:141:9:error:‘NppiGraphcutState’doesnotnameatype
- NppiGraphcutState*pState;
解决方案:需要修改一处源码:
在OpenCV/opencv-3.0.0/modules/cudalegacy/src/graphcuts.cpp中做以下修改
copy
- 将
- #if!defined(HAVE_CUDA)||defined(CUDA_DISABLER)
- 改为
- #if!defined(HAVE_CUDA)||defined(CUDA_DISABLER)||(CUDART_VERSION>=8000)
问题2、opencv可编译成功,但运行时始终遇到问题:
copy
- Invaliddevicefunction
这是因为编译的opencv计算能力与电脑显卡的实际计算能力不匹配导致的。一般而言直接添加一下2个cmake编译选项即可解决
copy
- -DCUDA_ARCH_BIN=6.1-DCUDA_ARCH_PTX=6.1
- #Note:6.1为GTX1080的计算能力,不同显卡需要根据自己的计算能力进行修改
- #查询显卡计算能力,可以通过运行cudasamples中的deviceQuery得知。
- #(文件夹NVIDIA_CUDA-*_Samples下编译示例,*为版本号)
但如果运气不佳,添加编译选项并不能解决问题。这时候我们需要修改opencv中关于CUDA计算能力这部分的配置文件./cmake/OpenCVDetectCUDA.cmake。
copy
- 在
- set(CUDA_ARCH_BIN${__cuda_arch_bin}CACHESTRING”Specify’real’GPUarchitecturestobuildbinariesfor,BIN(PTX)formatissupported”)
- set(CUDA_ARCH_PTX${__cuda_arch_ptx}CACHESTRING”Specify’virtual’PTXarchitecturestobuildPTXintermediatecodefor”)
- 之前添加
- set(__cuda_arch_bin”6.1″)
- set(__cuda_arch_ptx”6.1″)
五、安装cudnn
在NVIDIA官网下载cudnn v5.0 for cuda8.0rc:
cudnn-8.0-linux-x64-v5.0-ga.tgz
还有v3,v4,v5.1版本的,可以都先下下来,之后编译或者以后可能会出现cudnn版本不适应的问题,这时候就要一个版本一个版本的去试了
安装过程很简单,直接解压拷贝就可以了:
copy
- tarxvzfcudnn-8.0-linux-x64-v5.0-ga.tgz
- sudocpcuda/include/cudnn.h/usr/local/cuda/include
- sudocpcuda/lib64/*.*/usr/local/cuda/lib64
- sudochmoda+r/usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*
建立软链接:
copy
- cd/usr/local/cuda/lib64/
- sudorm-rflibcudnn.solibcudnn.so.5
- sudoln-slibcudnn.so.5.1.5libcudnn.so.5
- sudoln-slibcudnn.so.5libcudnn.so
以后需要更换cudnn版本的时候就把原来的libcudnn*替换掉,再重新软链接就好(建议把重复的步骤做个脚本就方便了)
最后更新一下链接库就可以:
copy
- sudoldconfig
六、安装matlab14.04a
1.下载
由于该软件为商业软件,仅提供百度云安装学习,并确保不使用做商业目的,下载24小时删除……
下载链接
http://pan.baidu.com/s/1hsucG3E
提取密码 nvb6
2.预准备
将part1.rar压缩文件解压,如果无法解压,可以先安装unrar
copy
- sudoapt-getinstallunrar
将Mathworks.iso – 右键 – 使用磁盘映像挂载器打开”,进入装载的虚拟光盘,拷贝全部文件至home/Matlab 文件夹(想要安装的路径)(PS:取名不要有空格)
复制Crack/install.jar至 home/Matlab/Java/jar/ 并覆盖源文件
copy
- sudocpinstall.jar/home/Matlab/java/jar/
- #给安装路径及其子文件夹赋予执行权限
- chmoda+xMatlab-R
3.安装
copy
- #cd到安装文件夹下
- sudo./install
接着会出现一个类似window的安装窗口,按以下步骤操作
选项:不使用Internet安装
序列号: 12345-67890-12345-67890 (随意20位数据)
默认路径:/usr/local/MATLAB/R2014a
建议全选安装
勾选从默认启动路径创建符号链接(实现在任意位置运行matlab启动程序)
激活文件:Crack/license_405329_R2014a.lic
拷贝 Crack/linux目录下的libmwservices.so 至 /usr/local/MATLAB/R2014a/bin/glnxa64
copy
- sudocplibmwservices.so/usr/local/MATLAB/R2014a/bin/glnxa64/
4.解决编译器gcc/g++版本问题
因为Ubuntu 16.04的gcc/g++版本是5.4,而Matlab 2014a(2015a)的版本是4.7.x所以在使用matla调用mex文件的时候,基本上都会报错,根据报错信息,考虑如下两步解决方案。
A. 降级安装gcc/g++版本为4.7.x
copy
- sudoapt-getinstall-ygcc-4.7g++-4.7
- sudomvgccgcc-4.9.2#备份
- sudoln-sgcc-4.7gcc
- sudomvg++g++-4.9.2
- sudoln-sg++-4.7g++
B. 暴力引用新版本GLIBCXX_3.4.21
copy
- sudocp/usr/lib/x86_64-linux-gnu/libstdc++.so.6.0.21/usr/local/MATLAB/R2014a/sys/os/glnxa64/libstdc++.so.6.0.21
- cd/usr/local/MATLAB/R2014a/sys/os/glnxa64
- sudomvlibstdc++.so.6libstdc++.so.6.backup
- sudoln-slibstdc++.so.6.0.21libstdc++.so.6
- sudoldconfig-v
通过命令“strings /usr/local/MATLAB/R2014a/sys/os/glnxa64/libstdc++.so.6 | grep GLIBCXX_” 可以看一下,是否已经成功包含了GLIBCXX_3.4.21,如果已经存在,基本上就成功了。
建议用方法B,试过方法A,4.7版本的gcc在make all 时都会出错,应该前面cuda编译时用的就是5.4的,除非重装系统,把cuda也用4.7编译。
5.建立桌面快捷方式
在/usr/share/applications 中创建Matlab2014.desktop 文档,并输入以下内容
copy
- [DesktopEntry]
- Name=Matlab2014
- GenericName=MatlabR2014a
- Comment=MatlabR2014a:TheLanguageoftheTechinicalComputing
- Exec=sh/usr/local/MATLAB/R2014a/bin/matlab-desktop
- Icon=/usr/local/MATLAB/R2014a/toolbox/nnet/nnresource/icon16/matlab.png
- StartupNotify=true
- Terminal=false
- Type=Application
- #添加该命令后,快捷方式会出现在Applications/Programming/中
- <p>Categories=Development;Matlab</p>
七、安装caffe
1、安装基本依赖库
copy
- sudoapt-getinstall-ybuild-essentialcmakegitpkg-config
- sudoapt-getinstall-ylibprotobuf-devlibleveldb-devlibsnappy-devlibhdf5-serial-devprotobuf-compiler
- sudoapt-getinstall-ylibatlas-base-dev
- sudoapt-getinstall-y–no-install-recommendslibboost-all-dev
- sudoapt-getinstall-ylibgflags-devlibgoogle-glog-devliblmdb-dev
- sudoapt-getinstall-ypython-pippython-devpython-numpypython-scipy#(Pythongeneral)
- sudoapt-getinstall-ylibopencv-dev#(OpenCV2.4)
2、安装科学计算库BLAS(Basic Linear Algebra Subprograms 基本线性代数子程序)
常用的BLAS实现有:Intel MKL、atlas、OpenBLAS等。可以选择其中一种,其中atlas的安装最简单,而MKL最快,本人选择的是MKL。
1)安装atlas
copy
- sudoapt-getinstalllibblas-devliblapack-devlibatlas-base-devgfortran
2)安装MKL
a、下载与安装
首先下载并安装英特尔 数学内核库 Linux* 版MKL(Intel(R) Parallel Studio XE Cluster Edition for Linux 2016),下载链接是:https://software.intel.com/en-us/qualify-for-free-software/student, 使用学生身份(邮件 + 学校)下载Student版,填好各种信息,可以直接下载,同时会给你一个邮件告知序列号。下载完之后,要把文件解压到home文件夹(注意任何一级文件夹不能包含空格,否则安装会失败)
copy
- tarzxvfparallel_studio_xe_2016.tar.gz(如果你是直接拷贝压缩文件过来的)
- chmoda+xparallel_studio_xe_2016-R
- shinstall_GUI.sh
输入第三条命令后会打开图形安装界面,会有同意协议,输入序列号,选择安装库等,按照流程应该没问题。
PS: 安装的时候,建议使用root权限安装,过程中会要求输入Linux的root口令。(设置方法:命令行:$ sudo passwd)
b、MKL与CUDA的环境设置
1.新建intel_mkl.conf, 并编辑之:
copy
- $sudogedit/etc/ld.so.conf.d/intel_mkl.conf
- /opt/intel/lib/intel64
- /opt/intel/mkl/lib/intel64
2.新建cuda.conf,并编辑之:
copy
- $sudogedit/etc/ld.so.conf.d/cuda.conf
- /usr/local/cuda/lib64
- /lib
3.完成lib文件的链接操作,执行:
copy
- $sudoldconfig-v
完成!
3、安装python的pip和easy_install,方便安装软件包
copy
- cd~
- wget–no-check-certificatehttps://bootstrap.pypa.io/ez_setup.py
- sudopythonez_setup.py–insecure
- wgethttps://bootstrap.pypa.io/get-pip.py
- sudopythonget-pip.py
安装Python依赖
copy
- cdpyhon#里面有requirements.tx文件
- sudoapt-getinstallpython-pip
- sudosu
- forreqin$(cat”requirements.txt”);dopipinstall-ihttps://pypi.tuna.tsinghua.edu.cn/simple$req;done
按Ctrl+D退出sudo su模式
4、 编译
1)下载caffe
去https://github.com/BVLC/caffe下载.zip安装包,放在某路径Caffe_Path下解压。
2)修改Makefile.config配置文件
进入caffe根目录:
copy
- cpMakefile.config.exampleMakefile.config
- geditMakefile.config
设置以下内容:
copy
- USE_CUDNN:=1#取消该句注释
- OPENCV_VERSION:=3#取消该句注释
- PYTHON_INCLUDE:=/usr/include/python2.7\
- /usr/lib/python2.7/dist-packages/numpy/core/include
- WITH_PYTHON_LAYER:=1#取消注释
- INCLUDE_DIRS:=$(PYTHON_INCLUDE)/usr/local/include/usr/include/hdf5/serial
- LIBRARY_DIRS:=$(PYTHON_LIB)/usr/local/lib/usr/lib\
- /usr/lib/x86_64-linux-gnu/usr/lib/x86_64-linux-gnu/hdf5/serial
保存退出。
3)编译caffe
继续在Caffe-master文件夹目录下:
copy
- makeall-j4
- maketest-j4
- makeruntest-j4
“-j4″是使用CPU的多核进行编译,可以极大地加速编译的速度,建议使用。
必须根据自己CPU情况选择4或8或16,选择过大的数字编译时会出错!!!
编译过程中可能还会有各种问题,大多数都是cudnn的问题,还可能是一些库没安装好,cudnn的问题就换不同版本的cudnn试试。
如果出现问题:
copy
- .build_release/tools/extract_features.o:在函数‘std::string*google::MakeCheckOpString<int,int>(intconst&,intconst&,charconst*)’中:
- extract_features.cpp:(.text._ZN6google17MakeCheckOpStringIiiEEPSsRKT_RKT0_PKc[_ZN6google17MakeCheckOpStringIiiEEPSsRKT_RKT0_PKc]+0x50):对‘google::base::CheckOpMessageBuilder::NewString()’未定义的引用
可能是gcc版本问题,改回ubuntu16.04自带的gcc-5.4版本即可,居然方法请回去看“三、安装cuda-8.0”时的介绍。
有些是因为电脑问题,支持不了太低版本的cudnn,可能就用不了cudnn了。例如笔记本上显卡是GT540M,它的CUDA Capability是2.1,而官方的cudnn加速是不支持3.0以下的版本的,因此只能在Makefile.config中注释掉USE_CUDNN这行。
=================================================================
简单讲就是GPU的加速性能不够,CUDNN只支持CUDA Capability 3.0以上的GPU加速
==================================================================
如果是一些库的问题,那就手动编译,再在配置文件里加入库路径就好,有问题多百度谷歌,一步步排除,可以先注释cudnn,甚至是注释掉cuda,只是CPU_ONLY,一步步找出是在哪里出问题!
出错了就在原终端中输入make clean清除第一次编译结果
再次输入make all -j4重新编译
4)编译python-caffe接口
copy
- makepycaffe
编译完在终端输入python,再import caffe,如果没报错说明成功了
报错的话应该就是路径问题,只需要在~/.bashrc文件下export PYTHONPATH即可
copy
- #CAFFE_ROOT是caffe的安装路径
- exportPYTHONPATH=$CAFFE_ROOT/python:$PYTHONPATH
再尝试import caffe ,应该没问题。
5)编译matlab-caffe接口
打开Makefile.config文件,注释掉MATLAB_DIR,并将MATLAB_DIR换成自己的MATLAB安装路径
copy
- #Thisisrequiredonlyifyouwillcompilethematlabinterface.
- #MATLABdirectoryshouldcontainthemexbinaryin/bin.
- MATLAB_DIR:=/usr/local
- MATLAB_DIR:=/usr/local/MATLAB/R2014a#该路径下应该有bin文件夹
copy
- makematcaffe
虽然会有警告说gcc版本不一致,但最后还是编译成功了。
可以用matlab自带的一个demo检验一下,打开matlab,在matlab窗口敲入:
[python]
copy
- cd$CAFFE_ROOT/matlab/demo/
- im=imread(‘../../examples/images/cat.jpg’);
- [scores,maxlabel]=classification_demo(im,1);
PS,还要先下一个cifar10里要用到的model:bvlc_reference_caffenet.caffemodel 才可以运行哦!
得到下面的结果即成功!
八、mnist测试
1、获取mnist数据集
下载mnist数据集,终端输入
copy
- cd/home/pawn/caffe/data/mnist/
- ./get_mnist.sh
在/home/pawn/caffe/data/mnist/目录下会多出训练集图片、训练集标签、测试集图片和测试集标签等4个文件
2、mnist数据格式转换
copy
- cd/home/pawn/caffe/
- ./examples/mnist/create_mnist.sh
必须要在第一行之后运行第二行,即必须要在caffe根目录下运行create_mnist.sh
此时在/caffe/examples/mnist/目录下生成mnist_test_lmdb和mnist_train_lmdb两个LMDB格式的训练集和测试集
3、训练mnist
LeNet-5模型描述在/caffe/examples/mnist/lenet_train_test.prototxt
Solver配置文件在/caffe/examples/mnist/lenet_solver.prototxt
执行文件在/caffe/examples/mnist/train的lenet.sh
终端输入
copy
- ./examples/mnist/train_lenet.sh
即可开始训练,准确率一般都有0.99以上
最后想说的是1080太新了,可能caffe还有其他一些环境跟不上的话很容易出现一些意想不到的错误,希望大家都能顺利搭建成功吧!
最后再附上之前写的一篇装ubuntu后推荐安装的软件博文:Ubuntu14.04安装与安装后的软件的安装
九、备份系统
好不容易配好系统了,万一脑残不知动了哪给搞坏了怎么办?先备份个系统吧。
9.1 系统备份
系统设置(system setting)里有Backups,但只能备份还原home文件夹。
首先打开终端进入根目录并获取root权限
copy
- cd/
- sudosu
- tarcvpzfUbuntu_backup.tgz–exclude=/Ubuntu_backup.tgz–exclude=/mnt–exclude=/home–exclude=/proc–exclude=/sys–exclude=/lost+found/
其中 Ubuntu_backup.tgz为备份系统的名字,exclude参数用于设定忽略的文件夹,最后那个/是指示需要备份的目录。
备份完后就可以拷贝到其他盘里保存了。
9.2 系统恢复
在 Ubuntu_backup.tgz 所在文件夹下打开终端获取root权限,将 Ubuntu_backup.tgz拷贝到根目录下
copy
- sudosu
- cpUbuntu_backup.tgz/
- cd/
- tarxvpfzUbuntu.tgz-C/
新建备份时忽略的文件夹,如
copy
- mkdir/proc/lost+found/mnt/sys
参考文章:
1、Ubuntu16.04 + cuda8.0 + GTX1080安装教程
2、ubuntu16.04+gtx1060+cuda8.0+caffe安装、测试经历
3、GTX1070+Ubuntu16+cuda8+Deeplearning配置
4、Caffe + Ubuntu 15.04(16.04) + CUDA 7.5(8) 新手安装配置指南
5、ubuntu(gtx1080)安装caffe