Ubuntu 16.04+CUDA7.5+Caffe深度学习环境搭建

详细介绍在Ubuntu 16.04下搭建CUDA7.5+Caffe深度学习环境的过程步骤。

1.安装Ubuntu 16.04

省略。不懂可以自行百度，系统安装后安装必要的更新和工具。

sudo apt update
sudo apt-get upgrade
sudo apt-get install vim
sudo apt-get install cmake

Ubuntu 16.04+CUDA7.5+Caffe深度学习环境搭建 Linux 第1张

2.安装显卡驱动

进入all setting->Software Update，更换英伟达361.42驱动，重启电脑，使用nvidia-smi测试是否成功。

3.安装cuda

（1）安装必要的依赖库

ca-certificates-java 
default-jre 
default-jre-headless
fonts-dejavu-extra 
freeglut3 
freeglut3-dev 
java-common 
libatk-wrapper-java 
libatk-wrapper-java-jni
libdrm-dev 
libgl1-mesa-dev 
libglu1-mesa-dev 
libgnomevfs2-0 
libgnomevfs2-common 
libice-dev 
libpthread-stubs0-dev 
libsctp1 
libsm-dev 
libx11-dev 
libx11-doc 
libx11-xcb-dev 
libxau-dev 
libxcb-dri2-0-dev 
libxcb-dri3-dev 
libxcb-glx0-dev 
libxcb-present-dev 
libxcb-randr0-dev 
libxcb-render0-dev 
libxcb-shape0-dev 
libxcb-sync-dev 
libxcb-xfixes0-dev 
libxcb1-dev 
libxdamage-dev 
libxdmcp-dev 
libxext-dev 
libxfixes-dev 
libxi-dev 
libxmu-dev 
libxmu-headers 
libxshmfence-dev 
libxt-dev 
libxxf86vm-dev 
lksctp-tools 
mesa-common-dev 
openjdk-7-jre 
openjdk-7-jre-headless 
tzdata-java 
x11proto-core-dev 
x11proto-damage-dev
x11proto-dri2-dev 
x11proto-fixes-dev 
x11proto-gl-dev 
x11proto-input-dev 
x11proto-kb-dev 
x11proto-xext-dev 
x11proto-xf86vidmode-dev 
xorg-sgml-doctools 
xtrans-dev 
libgles2-mesa-dev 
nvidia-modprobe 
build-essential

（2）安装cuda-toolkit

① 安装cuda_7.5.18_linux.run

sudo ./cuda_7.5.18_linux.run --override

安装过程如下:

Do you accept the previously read EULA? (accept/decline/quit): accept
You are attempting to install on an unsupported configuration. Do you wish to continue? ((y)es/(n)o) [ default is no ]: y
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 352.39? ((y)es/(n)o/(q)uit): n
Install the CUDA 7.5 Toolkit? ((y)es/(n)o/(q)uit): y
Enter Toolkit Location [ default is /usr/local/cuda-7.5 ]:
Do you want to install a symbolic link at /usr/local/cuda? ((y)es/(n)o/(q)uit): y
Install the CUDA 7.5 Samples? ((y)es/(n)o/(q)uit): y
Enter CUDA Samples Location [ default is /home/kinghorn ]: /usr/local/cuda-7.5
Installing the CUDA Toolkit in /usr/local/cuda-7.5 ...
Finished copying samples.

===========
= Summary =
===========

Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-7.5
Samples:  Installed in /usr/local/cuda-7.5

② 设置环境变量

vi /home/xxx/.bashrc

添加如下内容：

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

执行如下命令使环境变量生效

source /home/xxx/.bashrc

将cuda动态库添加到动态库管理器

sudo vi /etc/ld.so.conf.d/cuda.conf

添加：

/usr/local/cuda/lib64

执行ldconfig使新加的库生效

sudo ldconfig

③ 强制使用gcc5
编辑/usr/local/cuda/include/host_config.h文件，注释掉115行

#error -- unsupported GNU version! gcc versions later than 4.9 are not supported!

改为：

//#error -- unsupported GNU version! gcc versions later than 4.9 are not supported!

（3）编译cuda例子与测试

进入到/usr/local/cuda/NVIDIA_CUDA-7.5_Samples/1_Utilities/deviceQuery目录执行：

sudo make
./deviceQuery

4.安装cudnn库

（1）解压

tar xzvf cudnn-xxx-ga.tgz

得到cuda文件夹里面含有的lib64和include两个文件夹

（2）拷贝到cuda安装目录

sudo cp cuda/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

注意：拷贝后将链接删除重新建立链接，否则，拷贝是多个多个不同名字的相同文件，链接关系参见cudnn解压后的文件夹。也可以分别拷贝每一个文件，链接文件拷贝使用cp -d命令。

5.安装opencv3.1.0

（1）安装基本必要库

sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

（2）配置opencv，生成Makefile

cd opencv-3.1.0
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..

在configure过程中过程中，可能会出现下面的错误:

– ICV: Downloading ippicv_linux_20151201.tgz…

在直接下载该文件的过程中，会因为超时而失败，需要收到下载，将其拷贝至opencv-3.1.0/3rdparty/ippicv/downloads/linux-8b449a536a2157bcad08a2b9f266828b目录内，重新执行配置命令。

（3）编译opencv

make -j8

此时可能会出现另一个错误：

/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链接即可。

（4）查看版本号

pkg-config --modversion opencv

（5）安装

sudo make install

6.安装caffe与配置

（1）安装必要的依赖库

sudo apt-get install build-essential
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install python-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

如果这些库都能顺利安装，会大大减少后面遇到的问题。

（2）下载caffe-master并解压得到源码包

解压：

unzip caffe-master.zip

（3）修改配置文件Make.config

cd caffe-master
cp Makefile.config.example Makefile.config
vi Makefile.config

将# USE_CUDNN := 1前得#注释去掉，表示使用cuDNN，如果不是使用GPU，可以将# CPU_ONLY := 1前得注释去掉。这里我使用cuDNN来加速。

（4）编译caffe

方法1：使用cmake编译

mkdir build 
cd build
cmake ..
make all -j8

这种方法一般不会出现问题。

方法2：直接使用gcc编译

make -j8

错误1：

src/caffe/net.cpp:8:18: fatal error: hdf5.h: No such file or directory

参考方法

cd /usr/lib/x86_64-linux-gnu
sudo ln -s libhdf5_serial.so.10.1.0 libhdf5_serial.so
sudo ln -s libhdf5_serial_hl.so.10.0.2 libhdf5_serial_hl.so

修改Makefile.config

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/hdf5/serial

错误2：

error -- unsupported GNU version! gcc versions later than 5.3 are not supported!

目前caffe不支持高于5.3的gcc，理论上可通过对gcc，g++降级解决，但是降级后还会引起其他兼容性问题，因此并不能解决实际问题，下面附上降级方法。解决方法在后面。

① 安装低版本gcc、g++

sudo apt-get install gcc-4.7 gcc-4.7-multilib
sudo apt-get install g++-4.7 g++-4.7-multilib

② 设置优先级

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.7 40
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.7 40
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50

③ 选择版本

sudo update-alternatives --config gcc

There are 2 choices for the alternative gcc (providing /usr/bin/gcc)
Selection    Path              Priority   Status
------------------------------------------------------------
  0            /usr/bin/gcc-5     50        auto mode
* 1            /usr/bin/gcc-4.7   40        manual mode
  2            /usr/bin/gcc-5     50        manual mode

sudo update-alternatives --config g++

There are 2 choices for the alternative g++ (providing /usr/bin/g++).
  Selection    Path              Priority   Status
------------------------------------------------------------
  0            /usr/bin/g++-5     50        auto mode
* 1            /usr/bin/g++-4.7   40        manual mode
  2            /usr/bin/g++-5     50        manual mode

错误3：

/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;

NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

改为：

NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

错误3：

/usr/bin/ld: cannot find -lippicv

cp opencv-3.1.0/3rdparty/ippicv/unpack/ippicv_lnx/lib/intel64/libippicv.a /usr/local/lib

再次编译即可。

至此，gcc、g++降级完成。

Ubuntu 16.04+CUDA7.5+Caffe深度学习环境搭建

详细介绍在Ubuntu 16.04下搭建CUDA7.5+Caffe深度学习环境的过程步骤。

1.安装Ubuntu 16.04

2.安装显卡驱动

3.安装cuda

（1）安装必要的依赖库

（2）安装cuda-toolkit

（3）编译cuda例子与测试

4.安装cudnn库

（1）解压

（2）拷贝到cuda安装目录

5.安装opencv3.1.0

（1）安装基本必要库

（2）配置opencv，生成Makefile

（3）编译opencv

（4）查看版本号

（5）安装

6.安装caffe与配置

（1）安装必要的依赖库

（2）下载caffe-master并解压得到源码包

（3）修改配置文件Make.config

（4）编译caffe

VirtualBox 5.1.6发布：支持Linux Kernel 4.8分支

Linux命令行下使用GitHub

参与评论

快速导航

Ubuntu 16.04+CUDA7.5+Caffe深度学习环境搭建

详细介绍在Ubuntu 16.04下搭建CUDA7.5+Caffe深度学习环境的过程步骤。

1.安装Ubuntu 16.04

2.安装显卡驱动

3.安装cuda

（1）安装必要的依赖库

（2）安装cuda-toolkit

（3）编译cuda例子与测试

4.安装cudnn库

（1）解压

（2）拷贝到cuda安装目录

5.安装opencv3.1.0

（1）安装基本必要库

（2）配置opencv，生成Makefile

（3）编译opencv

（4）查看版本号

（5）安装

6.安装caffe与配置

（1）安装必要的依赖库

（2）下载caffe-master并解压得到源码包

（3）修改配置文件Make.config

（4）编译caffe

VirtualBox 5.1.6发布：支持Linux Kernel 4.8分支

Linux命令行下使用GitHub

相关文章

参与评论

登录

快速导航