Ubuntu16.04 + cuda8.0 + GTX1080 + matlab14.04a + Opencv3.0 +

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

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

  1. 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
  1. sudoapt-getinstallnvidia-367
  2. sudoapt-getinstallmesa-common-dev
  3. 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
  1. exportCUDA_HOME=/usr/local/cuda-8.0
  2. exportLD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
  3. exportPATH=/usr/local/cuda-8.0/bin:$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/
  1. 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
  1. sudoupdate-alternatives–install/usr/bin/gccgcc/usr/bin/gcc-4.820
  2. sudoupdate-alternatives–install/usr/bin/g++g++/usr/bin/g++-4.820
  3. cd/usr/bin
  4. sudocpgccgcc_backup
  5. sudocpg++g++_backup
  6. sudormgccg++
  7. sudoln-sgcc-4.8gcc
  8. 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++
  1. sudoln-sgcc-5gcc
  2. 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
  1. 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
  1. typedefNppStatus(*init_func_t)(NppiSizeoSize,NppiGraphcutState**ppStat
  2. ^
  3. /home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:135:18:error:‘NppiGraphcutState’doesnotnameatype
  4. operatorNppiGraphcutState*()
  5. ^
  6. /home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:141:9:error:‘NppiGraphcutState’doesnotnameatype
  7. 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

  1. #if!defined(HAVE_CUDA)||defined(CUDA_DISABLER)
  2. 改为
  3. #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
  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
  2. #查询显卡计算能力,可以通过运行cudasamples中的deviceQuery得知。
  3. #(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

  1. set(CUDA_ARCH_BIN${__cuda_arch_bin}CACHESTRING”Specify’real’GPUarchitecturestobuildbinariesfor,BIN(PTX)formatissupported”)
  2. set(CUDA_ARCH_PTX${__cuda_arch_ptx}CACHESTRING”Specify’virtual’PTXarchitecturestobuildPTXintermediatecodefor”)
  3. 之前添加
  4. set(__cuda_arch_bin”6.1″)
  5. 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
  1. sudocpcuda/include/cudnn.h/usr/local/cuda/include
  2. sudocpcuda/lib64/*.*/usr/local/cuda/lib64
  3. sudochmoda+r/usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*

建立软链接:
copy

    cd/usr/local/cuda/lib64/
  1. sudorm-rflibcudnn.solibcudnn.so.5
  2. sudoln-slibcudnn.so.5.1.5libcudnn.so.5
  3. 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/
  1. #给安装路径及其子文件夹赋予执行权限
  2. chmoda+xMatlab-R

3.安装

copy

    #cd到安装文件夹下
  1. 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
  1. sudomvgccgcc-4.9.2#备份
  2. sudoln-sgcc-4.7gcc
  3. sudomvg++g++-4.9.2
  4. 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
  1. cd/usr/local/MATLAB/R2014a/sys/os/glnxa64
  2. sudomvlibstdc++.so.6libstdc++.so.6.backup
  3. sudoln-slibstdc++.so.6.0.21libstdc++.so.6
  4. 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]
  1. Name=Matlab2014
  2. GenericName=MatlabR2014a
  3. Comment=MatlabR2014a:TheLanguageoftheTechinicalComputing
  4. Exec=sh/usr/local/MATLAB/R2014a/bin/matlab-desktop
  5. Icon=/usr/local/MATLAB/R2014a/toolbox/nnet/nnresource/icon16/matlab.png
  6. StartupNotify=true
  7. Terminal=false
  8. Type=Application
  9. #添加该命令后,快捷方式会出现在Applications/Programming/中
  10. <p>Categories=Development;Matlab</p>

七、安装caffe

1、安装基本依赖库

copy

    sudoapt-getinstall-ybuild-essentialcmakegitpkg-config
  1. sudoapt-getinstall-ylibprotobuf-devlibleveldb-devlibsnappy-devlibhdf5-serial-devprotobuf-compiler
  2. sudoapt-getinstall-ylibatlas-base-dev
  3. sudoapt-getinstall-y–no-install-recommendslibboost-all-dev
  4. sudoapt-getinstall-ylibgflags-devlibgoogle-glog-devliblmdb-dev
  5. sudoapt-getinstall-ypython-pippython-devpython-numpypython-scipy#(Pythongeneral)
  6. 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)
  1. chmoda+xparallel_studio_xe_2016-R
  2. 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
  1. /opt/intel/lib/intel64
  2. /opt/intel/mkl/lib/intel64

2.新建cuda.conf,并编辑之:
copy

    $sudogedit/etc/ld.so.conf.d/cuda.conf
  1. /usr/local/cuda/lib64
  2. /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~
  1. wget–no-check-certificatehttps://bootstrap.pypa.io/ez_setup.py
  2. sudopythonez_setup.py–insecure
  3. wgethttps://bootstrap.pypa.io/get-pip.py
  4. sudopythonget-pip.py

安装Python依赖

copy

    cdpyhon#里面有requirements.tx文件
  1. sudoapt-getinstallpython-pip
  2. sudosu
  3. 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
  1. geditMakefile.config

设置以下内容:

copy

    USE_CUDNN:=1#取消该句注释
  1. OPENCV_VERSION:=3#取消该句注释
  2. PYTHON_INCLUDE:=/usr/include/python2.7\
  3. /usr/lib/python2.7/dist-packages/numpy/core/include
  4. WITH_PYTHON_LAYER:=1#取消注释
  5. INCLUDE_DIRS:=$(PYTHON_INCLUDE)/usr/local/include/usr/include/hdf5/serial
  6. LIBRARY_DIRS:=$(PYTHON_LIB)/usr/local/lib/usr/lib\
  7. /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
  1. maketest-j4
  2. 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:
  1. 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
  1. 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.
  1. #MATLABdirectoryshouldcontainthemexbinaryin/bin.
  2. MATLAB_DIR:=/usr/local
  3. 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/
  1. im=imread(‘../../examples/images/cat.jpg’);
  2. [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/
  1. ./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/
  1. ./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/
  1. sudosu
  2. 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
  1. cpUbuntu_backup.tgz/
  2. cd/
  3. 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

作者: dawei

【声明】:永州站长网内容转载自互联网,其相关言论仅代表作者个人观点绝非权威,不代表本站立场。如您发现内容存在版权问题,请提交相关链接至邮箱:bqsm@foxmail.com,我们将及时予以处理。

为您推荐

联系我们

联系我们

0577-28828765

在线咨询: QQ交谈

邮箱: xwei067@foxmail.com

工作时间:周一至周五,9:00-17:30,节假日休息

返回顶部