Ubuntu16.04+caffe+DIGITS的安装配置指南

一、参考链接：

https://github.com/dusty-nv/jetson-inference
https://github.com/NVIDIA/DIGITS/blob/digits-6.0/docs/BuildDigits.md

https://github.com/NVIDIA/DIGITS/blob/digits-6.0/docs/BuildCaffe.md

二、安装步骤：

在阅读本教程之前，请确保自己已经按照要求完成Ubuntu 16.04主机与Jetson的连接刷机，并在主机上安装好了Jetpack。

1、安装英伟达的驱动

需要在主机PC上安装NVIDIA PCIe驱动程序才能实现GPU加速训练。从主机PC运行以下命令安装NVIDIA驱动程序：

sudo apt-get install nvidia-384       # 我用的是nvidia-410
sudo reboot

重新启动之后，通过lsmod命令列出nvidia驱动程序的相关信息：

lsmod | grep nvidia

要验证CUDA工具包和NVIDIA驱动程序是否正常工作，请运行CUDA示例附带的一些测试：（这一步可以跳过，但最好还是验证一下）：

cd /usr/local/cuda/samples
sudo make
cd bin/x86_64/linux/release/
./deviceQuery
./bandwidthTest --memory=pinned

2、安装cuDNN

下一步是在主机PC上安装NVIDIA cuDNN库。从NVIDIA cuDNN网页下载libcudnn和libcudnn软件包（需要登录英伟达官网）：

https://developer.nvidia.com/cudnn

更具CUDA的版本选择合适的cuDNN版本下载，我的CUDA版本是9.0所以选择第三个，在Ubuntu 16.04的三个Deb文件都下载下来：

 下载完成后进入下载文件的目录下，执行以下命令：

sudo dpkg -i libcudnn<version>_amd64.deb
sudo dpkg -i libcudnn-dev_<version>_amd64.deb
sudo dpkg -i libcudnn-doc_<version>_amd64.deb

 3、安装NVcaffe

NVcaffe是Caffe的NVIDIA分支，优化了GPU。 NVcaffe需要cuDNN，并由DIGITS用于训练DNN。要安装它，请从GitHub复制NVcaffe repo，并使用caffe-0.15分支从源代码编译。

首先，安装相关的依赖文件：

sudo apt-get install --no-install-recommends build-essential cmake git gfortran libatlas-base-dev libboost-filesystem-dev libboost-python-dev libboost-system-dev libboost-thread-dev libgflags-dev libgoogle-glog-dev libhdf5-serial-dev libleveldb-dev liblmdb-dev libopencv-dev libsnappy-dev python-all-dev python-dev python-h5py python-matplotlib python-numpy python-opencv python-pil python-pip python-pydot python-scipy python-skimage python-sklearn

下载caffe 0.15的源码：

export CAFFE_ROOT=~/caffe       ##把caffe路径写入CAFFE_ROOT变量中
git clone https://github.com/NVIDIA/caffe.git $CAFFE_ROOT -b 'caffe-0.15'

 控制台进入caffe文件目录下，安装caffe的相关PyPI 包，这里caffe中原有的requirements.txt需要进行若干修改，否则会在之后的安装中出现很大的麻烦，修改后的文件如下所示：

Cython>=0.19.2
numpy>=1.7.1
scipy>=0.13.2
scikit-image>=0.9.3,<=0.10.1
matplotlib>=1.3.1
ipython>=3.0.0
h5py>=2.2.0
leveldb>=0.191
networkx>=1.8.1
nose>=1.3.0
pandas>=0.12.0
python-dateutil>=1.4
protobuf>=2.5.0
python-gflags>=2.0
pyyaml>=3.10
Pillow>=2.3.0
six>=1.1.0

 保存之后执行以下命令,一定不要忘了最后的--user：

pip install -r $CAFFE_ROOT/python/requirements.txt --user

 最后使用CMake对caffe进行编译，推荐用这种方式，而不是make all的方式：

cd $CAFFE_ROOT
mkdir build
cd build
cmake ..
make -j"$(nproc)"
make install

 4.编译DIGITS

先决条件，运行以下的命令，获取一些包存储库的路径：

CUDA_REPO_PKG=http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_8.0.61-1_amd64.deb
$ ML_REPO_PKG=http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb

# Install repo packages
wget "$CUDA_REPO_PKG" -O /tmp/cuda-repo.deb && sudo dpkg -i /tmp/cuda-repo.deb && rm -f /tmp/cuda-repo.deb
wget "$ML_REPO_PKG" -O /tmp/ml-repo.deb && sudo dpkg -i /tmp/ml-repo.deb && rm -f /tmp/ml-repo.deb

# Download new list of packages
sudo apt-ge

 安装依赖项：

sudo apt-get install --no-install-recommends git graphviz python-dev python-flask python-flaskext.wtf python-gevent python-h5py python-numpy python-pil python-pip python-scipy python-tk

 下载源码：

# example location - can be customized
DIGITS_ROOT=~/digits
git clone https://github.com/NVIDIA/DIGITS.git $DIGITS_ROOT

 Python包的安装，首先进入digits文件目录：

pip install -r $DIGITS_ROOT/requirements.txt --user

 启动服务器，在digits文件路径下，执行下面的命令，出现图示的结果则大功告成：

./digits-devserver

 在浏览器中打开：http://localhost:5000/