Ubuntu16.04+caffe+CUDA8.0+cuDNN v5+opencv3.1.0+matcaffe编译

Ubuntu16.04+caffe+CUDA8.0+cuDNN v5+opencv3.1.0编译

这篇caffe安装非常不错，但是里面因为时间的原因，有些操作已经不能用了而且原文涉及到一些小问题，小编我是生怕之后自己的ubunutu崩掉，就将其错误改正，重新写了写。还有就是看得多了，容易只看代码，将代码上下的操作老师忘记，所以特此将重点红色标注。并将自己的makefile文件和makefile.config以及ippicv_linux_20151201.tgz链接良心附上: 链接: 链接: https://pan.baidu.com/s/13qKQLY6E9iawpMkHRZVNyg 密码: xr2v

1.安装Ubuntu16.04

Win10下UEFI环境安装Ubuntu 16.04双系统教程，亲测有效安装ubuntu双系统。
在安装完之后，搜索-软件和更新，更新服务源，我选的阿里的服务器。
如果你是初次接触linux系统或ubuntu系统，建议你在装好Ubuntu系统后不要急着进行下一步，可以了解学习一下linux系统基础和基本指令 linux基础和命令

2.安装NVIDIA显卡驱动

(1) 安装NVIDIA

如果是普通台式机这一步完全可以按照，在软件更新下面，直接切换驱动，然后重启电脑，直接生效。

如果你是ASUS笔记本，那就要进行下面的操作。

直接终端下输出以下命令，不需要禁用开源驱动和关闭lightdm。

如果你选择安装CUDA（本人主要是用于caffe），可以选择直接安装CUDA，不需要安装NVIDIA驱动（CUDA中自带NVIDIA驱动）。但是要选择直接deb安装，不要选择run安装，否则会出现无限登陆的问题。之后重启电脑，使驱动生效。

sudo add-apt-repository ppa:graphics-drivers/ppa     
sudo apt-get update     
sudo apt-get upgrade  
sudo apt-get install nvidia-384

(2) 关闭安全模式

开机长按ESC，之后进bios选项，选择secure里面的securty boot修改为disable。然后选择ubuntu系统进入之后，在终端下输出：nvidia-smi会显示你的显卡相关信息，证明你的NVIDIA驱动已经安装好了。也可以下搜索下搜索详细信息，可以看到图形下会显示你的NVIDIA的显卡型号，我的是GeoForce 940MX。

3.安装CUDA8.0

下载的是离线.deb包进行安装 CUDA8.0下载，官网总是下一半，就失败了，简直“屡试不爽”。这里附上我的链接cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb 下载链接: https://pan.baidu.com/s/18AXEM3CouQKrc-lnIwYYXQ 密码: qevs

下载完成之后，打开命令行终端，进入到.deb包的下载目录下，依次执行以下命令，其中第一个指令中的.deb包就是自己下载的.deb包名。

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda

安装完cuda后必须重启电脑，才能让显卡配置生效！

4.安装cuDNN v5

先说明一下，cuDNN v4是不支持ssd的，并且用v4编译faster r-cnn后测试score时结果不对，faster r-cnn默认是v3，通过替换和修改少量文件即可使用v5，因此在这里强烈建议大家使用v5版本。到NVIDIA官网下载cuDNN，进去要先用邮箱注册一下，填个问卷，很快的。选择cuDNN v5(May 27,2016),for CUDA 8.0下载，官网下载地址： cuDNN v5下载

这里写图片描述

下载之后进入到下载文件所在文件夹，解压，进入cuda文件夹下，并执行相关文件的拷贝：

tar -zxvf cudnn-8.0-linux-x64-v5.0-ga.tgz(或你的版本对应的压缩包)
cd cuda
sudo cp lib64/lib* /usr/local/cuda/lib64/
sudo cp include/cudnn.h /usr/local/cuda/include/

然后更新软连接：

cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.5.0.5(或你自己的版本对应的)
sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5  
sudo ln -sf libcudnn.so.5 libcudnn.so  
sudo ldconfig

5.添加环境变量

编辑计算机文件夹下的/etc/profile（可以在终端使用以下命令行打开）：

sudo gedit /etc/profile

在文件末尾加入CUDA环境变量，保存。

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

保存后在终端执行以下命令使其生效：

source /etc/profile

然后，进入到/etc/ld.so.conf.d/文件夹下，执行以下命令，新建了一个cuda.conf文件

sudo gedit cuda.conf

在文件中写入并保存：

/usr/local/cuda/lib64

保存后使其生效：

sudo ldconfig

6.Build CUDA Sample

进入usr/local/cuda/samples，然后build samples，命令如下：

sudo make all -j4（4表示采用4核，当然如果你是8核你也可以用8）

继续进入到samples/bin/x86_64/linux/release目录下，在终端执行查询命令：

./deviceQuery

如果返回你电脑显卡信息，结尾有Result=PASS，则安装成功，否则，建议重启电脑再尝试查询命令。

7.安装caffe的基本依赖库

首先安装以下软件包括python，不过好像Ubuntu16.04已经自带了。

sudo apt-get install git
sudo apt-get install build-essential
sudo apt-get install python

然后安装caffe依赖库，建议一个一个装

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

8.安装opencv3.1.0

原文的opencv安装，以前我安装的时候还能用，现在不行了，特此做更改。

（1）解压，创建build目录

unzip opencv-3.1.0.zip
cd opencv-3.1.0
mkdir build

（2）修改opencv源码，使其兼容cuda8.0

vi opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp

修改如下：
修改graphcuts.cpp文件截图
将：

#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)

改为：

#if !defined(HAVE_CUDA)||defined(CUDA_DISABLER)||(CUDART_VERSION>=8000)

（3）配置opencv，生成Makefile

cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE -D WITH_FFMPEG=ON -D CMAKE_INSTALL_PREFIX=/usr/local ..

如果因为ippicv_linux_20151201.tgz包下载失败而导致Makefile生成失败，可通过手动下载ippicv_linux_20151201.tgz安装包，将其拷贝至 opencv-3.1.0/3rdparty/ippicv/downloads/linux-808b791a6eac9ed78d32a7666804320e目录内(这里的目录不敢保证，最好使先让系统自己运行一下，自动生成文件夹后，然后再把压缩包放进去)，重新执行配置命令即可。

（4）编译

make -j4

编译过程中如果出现如下错误：

/usr/include/string.h: In function ‘void* __mempcpy_inline(void*, const void*, size_t)’: /usr/include/string.h:652:42: error: ‘memcpy’ was not declared in this scope return (char *) memcpy (__dest, __src, __n) + __n;

这是因为ubuntu的g++版本过高造成的，只需要在opencv-3.1.0目录下的CMakeList.txt 文件的开头加入：

set(CMAKE_CXX_FLAGS “${CMAKE_CXX_FLAGS} -D_FORCE_INLINES”)

添加之后再次进行编译即可。

（5）安装

sudo make installsudo ldconfig

（6）查看版本号

pkg-config --modversion opencv

9.配置caffe的python环境

先下载caffe-master包，下载后解压，进入caffe-master/python文件夹下，然后在终端执行：caffe-master下载

sudo apt-get install python-pip python-dev build-essential
sudo pip install --upgrade pip
sudo pip install -r requirements.txt

---------------------------------------------------------------------

如果，sudo pip install -r requirements.txt出现***has requirement **，but you'll have ** which is incompatible。比如：

matplotlib 2.2.2 has requirement python-dateutil>=2.1, but you'll have python-dateutil 1.5 which is incompatible.

根据提示进行升级操作，输入：

sudo pip install --upgrade python-dateutil

-------------------------------------------------------------------

为了后面能够使用python绘制caffe的网络模型等可视化操作，执行：

sudo apt-get install graphviz
sudo pip install pydot

然后

make pycaffe---------------------------“下面这个是为了在任何文件下，都可以python后import caffe避免spyder下import caffe报错”vi ~/.bashrc  //末尾加入
export PYTHONPATH=~/caffe-master/python:$PYTHONPATH//找到你的pycaffe路径
source ~/.bashrc  
-------------------------------

10.编译caffe(强烈建议直接下载我的makefile先试试，不行再说)

进入到caffe-master文件夹下，复制配置文件，终端执行：

cp Makefile.config.example Makefile.config

打开Makefile.config文件，对以下几点去掉注释并修改：

USE_CUDNN := 1
OPENCV_version := 3
USE_OPENCV := 1
USE_LMDB := 1
WITH_PYTHON_LAYER := 1

如果只进行以上修改最后编译会报关于hdf5的错，解决方案参照博客编译caffe时hdf5报错
解决方案如下，首先在Makefile.config文件大概第85行，找到

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include

并修改成

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/

修改后保存，然后再打开Makefile文件，找到大概第173行

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5

并修改成

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

修改完保存，然后在终端caffe目录下执行编译:

make all -j4
make test -j4
make runtest -j4

如果没有报错，那么恭喜你成功了，如果没有成功，请根据报错内容仔细检查整个过程是否有遗漏，或者百度谷歌报错内容来得到解决方案。

11 绘制caffe网络模型

caffe的python目录下有一个draw_net.py是python绘制caffe网络模型的工具。在终端进入caffe的python目录下，执行:

python draw_net.py ../models/bvlc_alexnet/train_val.prototxt alexnet.png

就会在caffe的python生成alexnet网络模型可视化图像alexnet.png。

这里写图片描述

如果出现

importError: libopencv_core.so.3.1: cannot open shared object file: No such file or directory

表明找不到动态链接库，只需要执行： sudo ldconfig

12 编译matcaffe

修改makefile里面的CXXFLAGS，在CXXFLAGS += -MMD -MP下一行添加CXXFLAGS += -std=c++11后，直接 make matcaffe 。最后编译成功。

结果如下：

显示了一个警告，说是gcc的版本不支持。这个没有关系，只是警告，不是错误，最下面显示还是MEX成功了。

下面的都不用看，一般来说make test不成功，但是也不会有什么影响，够用了！！

make test

执行完命令后，又报错了。大致意思是：Matlab自带的库和Ubuntu的系统库之间发生了冲突，一言不和就废掉Matlab的自带库，使用Ubuntu系统库。

解决方案：刚开始我是直接在终端输入：

export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu/:/usr/local/cuda-8.0/lib64
export LD_PRELOAD=/usr/lib/x86_64-linux-gnu/libopencv_highgui.so.2.4:/usr/lib/x86_64-linux-gnu/libopencv_imgproc.so.2.4:/usr/lib/x86_64-linux-gnu/libopencv_core.so.2.4:/usr/lib/x86_64-linux-gnu/libstdc++.so.6:/usr/lib/x86_64-linux-gnu/libfreetype.so.6
---下面去掉的是因为导致之后make 命令不能用了

~~然后再 make mattest 成功，但是关掉终端后再打开测试还是会有同样的错误，于是我就直接在系统文件里面加入路径。~~

~~首先终端输入：~~

~~sudo gedit ~/.bashrc~~

~~然后把如下两个路径加到文件最下面。~~

~~export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu/:/usr/local/cuda-8.0/lib64~~
exportLD_PRELOAD=/usr/lib/x86_64-linux-gnu/libopencv_highgui.so.2.4:/usr/lib/x86_64-linux-gnu/libopencv_imgproc.so.2.4:/usr/lib/x86_64-linux-gnu/libopencv_core.so.2.4:/usr/lib/x86_64-linux-gnu/libstdc++.so.6:/usr/lib/x86_64-linux-gnu/libfreetype.so.6

保存退出，重启电脑。

make mattest 成功，结果如下：

至此 matlab 接口就配置好了。

补充，多gpu训练，修改makefile.config下面取消注释USE_NCCL := 1

在home路径或者随便都可以

$ git clone https://github.com/NVIDIA/nccl.git
$ cd nccl
$ sudo make install -j8& sudo  ldconfig

# 该命令不执行会出现错误： error while loading shared libraries: libnccl.so.1: cannot open shared object file: No such file or directory

然后重新make ，make py，make matcaffe