Ubuntu14.04 + Nvidia Cuda8.0 + Caffe

** note: 由于输入法的原因，代码中的“-”可能运行错误，粘贴代码时，请自动修改，例如修改“update-initramfs -u”中的“-u”. 避免出现运行错误。

1.系统信息：
Linux mint 17.3 64bit
（Mint每次重启都会出现Xserver不能启动的问题）
Ubuntu 14.04
( 最好是Ubuntu，问题很少)
GeForce GTX 750 Ti
gcc 4.8.4 (matlab2014a不支持4.8，之后需要降级到4.7)

2.Nvidia driver

Ubuntu可以选择自动安装：
system setting-> software updates->other additional drivers
强烈建议这个方法

手动安装的方法如下：

1）禁用nouveau

 
 
  
  1
  
  2
  
  3
  
  4
 
 $ sudo vi /etc/modprobe.d/blacklist.conf
+ blacklist nouveau
$ sudo vi /etc/default@H_404_37@/grub (kernel@H_404_37@ 行)@H_404_37@@H_404_37@
+ nouveau.modeset=0@H_404_37@  blacklist=nouveau

或者

$ sudo nano /etc/modprobe.d/disable-nouveau.conf
+blacklist nouveau@H_404_37@
+options nouveau modeset=0@H_404_37@

个人感觉两种方法是一样的

2) 重新构建initramfs

 
 
  
  2
 
 
$ sudo@H_404_37@ update-initramfs -u
$ sudo@H_404_37@ reboot

3) CTR+ALT+F1 模式下

 
 
  
  4
 
 
$ sudo@H_404_37@ service mdm stop
$ sudo@H_404_37@ chmod 755@H_404_37@ NVIDIA/Linux-x86_64.run
$ sudo@H_404_37@ sh ./NVIDIA-Linux-x86_64.run  
$ sudo@H_404_37@ service mdm start

4) 重启电脑

 
 
  
  1
 
 
$ sudo@H_404_37@ reboot

5) 验证是否正确

 
 
  
  4
  
  5
 
 
$ @H_404_37@lspci –vnn | grep VGA@H_404_37@ –A@H_404_37@ 12@H_404_37@
$ @H_404_37@nvidia-smi
$ @H_404_37@glxinfo | grep OpenGL@H_404_37@
$ @H_404_37@glxgears
$ @H_404_37@glmark2

3.Cuda8.0 ( Linux x86_64 Unumtu 14.04 )
1) 安装缺少的库

 
 
  
  2
 
 
$ sudo apt-get@H_404_37@ install freeglut3-dev@H_404_37@ build-essential@H_404_37@ libx11-dev@H_404_37@ libxmu-dev@H_404_37@ libxi-dev@H_404_37@ libglu1-mesa@H_404_37@ libglu1-mesa@H_404_37@-dev@H_404_37@ 
$ sudo apt-get@H_404_37@ install libgl1-mesa@H_404_37@-glx@H_404_37@

// libgl1-mesa-glx有时候装不上，不过好像也没关系

 
 
  
  1
 
 
$ sudo@H_404_37@ apt-get install vim

2) 进入CUDA run文件的文件夹

 
 
  
  1
 
 
$ sudo@H_404_37@ sh cuda_8.0.44@H_404_37@_linux.run

不用安装nvidia driver,其他项接受

3) 设置环境变量
尝试这个，据说这个文件是默认的

 
 
  
  4
 
 
$ sudo@H_404_37@ vi ~/.bashrc
+ export@H_404_37@ PATH=/usr/local/cuda-8.0@H_404_37@/bin:$PATH@H_404_37@
+ export@H_404_37@ LD_LIBRARY_PATH=/usr/local/cuda-8.0@H_404_37@/lib64:$LD_LIBRARY_PATH@H_404_37@
$ source@H_404_37@ ~/.bashrc

或者：

 
 
  
  5
  
  6
 
 
$ @H_404_37@sudo vi /etc/profile
+ export PATH@H_404_37@=/usr/local@H_404_37@/cuda-8.0/bin@H_404_37@:@H_404_37@$PATH@H_404_37@
+ export LD_LIBRARY_PATH@H_404_37@=/usr/local@H_404_37@/cuda-8.0/lib@H_404_37@64:@H_404_37@$LD_LIBRARY_PATH@H_404_37@
+ export PATH@H_404_37@=/usr/local@H_404_37@/cuda/bin@H_404_37@:@H_404_37@$PATH@H_404_37@
+ export LD_LIBRARY_PATH@H_404_37@=/usr/local@H_404_37@/cuda/lib@H_404_37@64:@H_404_37@$LD_LIBRARY_PATH@H_404_37@
$ @H_404_37@sudo ldconfig

下面的操作类似,保险起见，两个都试试

 
 
  
  4
 
 
$ @H_404_37@sudo vi /etc/bash.bashrc
+ export PATH@H_404_37@=/usr/local@H_404_37@/cuda-8.0/bin@H_404_37@:@H_404_37@$PATH@H_404_37@
+ export LD_LIBRARY_PATH@H_404_37@=/usr/local@H_404_37@/cuda-8.0/lib@H_404_37@64:@H_404_37@$LD_LIBRARY_PATH@H_404_37@
$ @H_404_37@source /etc/bash.bashrc

三种方法应该是一样的效果，建议先尝试第一种，亲测有效

 
 
  
  1
 
 
$ sudo@H_404_37@ ldconfig  //环境变量立即生效

 
 
  
  2
 
 
$ env//查看是否环境变量是否正确 或者 @H_404_37@
$ echo@H_404_37@ $PATH@H_404_37@ | echo@H_404_37@ $LD_LIBRARY_PATH@H_404_37@

4) 验证安装是否完成

 
 
  
  2
 
 
$ @H_404_37@nvidia-smi
$ @H_404_37@nvcc –V@H_404_37@

5) Cuda samples
编译所有的cuda samples

 
 
  
  2
 
 
$ cd@H_404_37@ /home/username/NVIDIA_CUDA-8.0@H_404_37@_Samples
$ sudo@H_404_37@ make

也可以进入/usr/local/cuda-8.0/samples/1_Utilities/deviceQuery/目录下

 
 
  
  2
 
 
$ @H_404_37@sudo make
$ @H_404_37@./deviceQuery

显示系统信息和最后一行pass，证明安装成功

**To uninstall the CUDA Toolkit,run the uninstall script in /usr/local/cuda-8.0/bin

6) 安装cudnn 5.0

 
 
  
  6
  
  7
  
  8
  
  9
  
  10
  
  11
  
  12
 
 
$ @H_404_37@tar –zxvf cudnn-8.0@H_404_37@-linux-x64-v5.0@H_404_37@-ga.tgz
$ @H_404_37@sudo cp cuda/include@H_404_37@/cudnn.h /usr/local/cuda/include@H_404_37@/
$ @H_404_37@sudo cp cuda/lib64/libcudnn* /usr/local@H_404_37@/cuda/lib@H_404_37@64/
$ @H_404_37@sudo chmod a+r /usr/local/cuda/include@H_404_37@/cudnn.h
$ @H_404_37@sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
//@H_404_37@保险起见，再cp到cuda-8.0@H_404_37@
$ @H_404_37@sudo cp cuda/include@H_404_37@/cudnn.h /usr/local/cuda-8.0@H_404_37@/include@H_404_37@/
$ @H_404_37@sudo cp cuda/lib64/libcudnn* /usr/local@H_404_37@/cuda-8.0/lib@H_404_37@64/
$ @H_404_37@sudo chmod a+r /usr/local/cuda-8.0@H_404_37@/include@H_404_37@/cudnn.h
$ @H_404_37@sudo chmod a+r /usr/local/cuda-8.0@H_404_37@/lib64/libcudnn*

$ @H_404_37@sudo ldconfig

可以运行一下 ./deviceQuery 看一下是否通过

*安装caffe时，运行make runtest 可能会出现以下错误：
Libcudart.so.8.0: can not open shared object files: no such file…
运行下面指令可以解决：

 
 
  
  6
 
 
$ sudo cp@H_404_37@ /usr/local/cuda-8.0@H_404_37@/lib64/libcudart.so@H_404_37@.8@H_404_37@.0@H_404_37@ /usr/local/lib/libcudart.so@H_404_37@.8@H_404_37@.0@H_404_37@
$ sudo cp@H_404_37@ /usr/local/cuda-8.0@H_404_37@/lib64/libcublas.so@H_404_37@.8@H_404_37@.0@H_404_37@ /usr/local/lib/libcublas.so@H_404_37@.8@H_404_37@.0@H_404_37@
$ sudo cp@H_404_37@ /usr/local/cuda-8.0@H_404_37@/lib64/libcurand.so@H_404_37@.8@H_404_37@.0@H_404_37@ /usr/local/lib/libcurand.so@H_404_37@.8@H_404_37@.0@H_404_37@
$ sudo cp@H_404_37@ /usr/local/cuda-8.0@H_404_37@/lib64/libcudnn.so@H_404_37@.5@H_404_37@ /usr/local/lib/libcudnn.so@H_404_37@.5@H_404_37@

$ sudo ldconfig

4.安装Matlab214a

5.降级gcc

** note: 降级gcc，最好在安装Matlab之后进行，或者在最开始的时候进行，因为期间会出现gcc文件夹无法找到的错误。

 
 
  
  7
 
 
$ sudo@H_404_37@ apt-get install –y gcc-4.7@H_404_37@
$ sudo@H_404_37@ apt-get install –y g++-4.7@H_404_37@
$ cd@H_404_37@ /usr/bin
$ sudo@H_404_37@ rm gcc
$ sudo@H_404_37@ ln –s gcc-4.7@H_404_37@ gcc
$ sudo@H_404_37@ rm g++ 
$ sudo@H_404_37@ ln –s g++-4.7@H_404_37@ g++

验证一下当前gcc版本是不是默认为4.7

6.安装caffe
1) 安装依赖项

 
 
  
  6
 
 
$ sudo apt-get@H_404_37@ install libprotobuf-dev@H_404_37@ libleveldb-dev@H_404_37@ libsnappy-dev@H_404_37@ libopencv-dev@H_404_37@ libhdf5-serial@H_404_37@-dev@H_404_37@ protobuf-compiler@H_404_37@
$ sudo apt-get@H_404_37@ install –-no@H_404_37@-install@H_404_37@-recommends@H_404_37@ libboost-all@H_404_37@-dev@H_404_37@
$ sudo apt-get@H_404_37@ install libgflags-dev@H_404_37@ libgoogle-glog@H_404_37@-dev@H_404_37@ liblmdb-dev@H_404_37@
$ sudo apt-get@H_404_37@ install python-pip@H_404_37@
$ sudo pip install protobuf
$ sudo apt-get@H_404_37@ install cmake git libgtk2.0@H_404_37@-dev@H_404_37@ pkg-config@H_404_37@ libavcodec-dev@H_404_37@ libavformat-dev@H_404_37@ libswscale-dev@H_404_37@

2) BLAS 安装

 
 
  
  1
 
 
$ sudo apt-get@H_404_37@ install libatlas-base@H_404_37@-dev@H_404_37@

3) 安装pycaffe接口所需要的依赖项

 
 
  
  1
 
 
$ sudo apt-get@H_404_37@ install python-numpy@H_404_37@ python-scipy@H_404_37@ python-matplotlib@H_404_37@ python-sklearn@H_404_37@ python-skimage@H_404_37@ python-h5py@H_404_37@ python-protobuf@H_404_37@ python-leveldb@H_404_37@ python-networkx@H_404_37@ python-nose@H_404_37@ python-pandas@H_404_37@ python-gflags@H_404_37@ cython ipython

4) 安装openCV3.1

 
 
  
  1
 
 
$ cd@H_404_37@ opencv-3.1@H_404_37@.0@H_404_37@/modules/cudalegacy/src

修改graphcuts.cpp(因为opencv3.1还不支持cuda8.0)

 
 
  
  1
 
 
#if@H_404_37@ !defined@H_404_37@(HAVE_CUDA) || defined@H_404_37@(CUDA_DISABLER) || (CUDART_VERSION >= 8000@H_404_37@)

进入opencv目录 (如果没有cmake,请装)

 
 
  
  5
 
 
$ @H_404_37@mkdir build
$ @H_404_37@cd build
$ @H_404_37@sudo cmake –D@H_404_37@ CMAKE_BUILD_TYPE@H_404_37@=Release@H_404_37@ –D@H_404_37@ CMAKE_INSTALL_PREFIX@H_404_37@=/usr/local@H_404_37@ ..
$ @H_404_37@sudo make –j16
$ @H_404_37@sudo make install

5) Caffe

进入Caffe文件夹，并复制Makefile.config及修改

 
 
  
  2
 
 
$ cp@H_404_37@ Makefile.config@H_404_37@.example@H_404_37@ Makefile.config@H_404_37@
$ sudo gedit Makefile.config@H_404_37@

修改Makefile.config，按照自己的需求修改

 
 
  
  3
 
 
USE_CUDNN@H_404_37@ :=1
OPENCV_VERSION@H_404_37@ := 3
MATLAB_DIR@H_404_37@ := /usr/local/MATLAB/R2014a

保存

 
 
  
  1
 
 
$ cd@H_404_37@ ..

 
 
  
  4
 
 //这段可有可无，前面依赖项都装好，这步可以不要
$ cd@H_404_37@ caffe/python
$ for@H_404_37@ req in@H_404_37@ $(cat requirements.txt); do@H_404_37@ pip install $req@H_404_37@; done@H_404_37@
$ cd@H_404_37@ ..

最后一步，

 
 
  
  6
 
 
$ sudo@H_404_37@ make all -j16
$ sudo@H_404_37@ make test -j16
$ sudo@H_404_37@ make runtest -j16

$ sudo@H_404_37@ make pycaffe
$ sudo@H_404_37@ make matcaffe

搞定，收工回家

6) Test MNIST 根据官网测试MNIST

7.安装jupyter，在线编辑工具

 
 
  
  1
 
 
$ sudo@H_404_37@ pip install jupyter

可能出现的问题

如果出现Segmentation fault错误，原因可能是依赖项没有装全。
如果出现.so libraries缺失，原因可能是环境变量没有配置好。
如果出现hd5f错误，可以尝试在caffe配置文件下面修改

 
 
  
  3
 
 
INCLUDE_DIRS :=@H_404_37@ $(PYTHON_INCLUDE) /usr/local@H_404_37@/include /usr/lib/x86_64-linux@H_404_37@-gnu@H_404_37@/hdf5/serial/include

LIBRARY_DIRS :=@H_404_37@ $(PYTHON_LIB) /usr/local@H_404_37@/lib /usr/lib /usr/lib/x86_64-linux@H_404_37@-gnu@H_404_37@/hdf5/serial

如果重启之后显示Xserver不能启动，原因可能是mdm没有设置好

 
 
  
  1
 
 
$ sudo@H_404_37@ service mdm restart

或者重新安装mdm

 
 
  
  2
 
 
$ sudo@H_404_37@ apt-get remove mdm
$ sudo@H_404_37@ apt-get install mdm

还是建议安装Ubuntu，而不是linux mint
（mint下面尝试了好几次，都是这个问题）

都是血和泪，从头到尾装了好几天，每次都是折在了最后一步，要不然就是重启之后Xserver不能启动

参考了前辈的经验： http://www.2cto.com/os/201607/528798.html

Ubuntu14.04 + Nvidia Cuda8.0 + Caffe

猜你在找的Ubuntu相关文章