Ubuntu16.04 安装caffe

**

Ubuntu16.04 安装caffe

**

注意：本文大部分内容参考了：

http://blog.csdn.net/g0m3e/article/details/51420565

这里表示感谢，如有问题欢迎留言交流。

一，查看电脑配置，下载对应的文件。

1，我的电脑是联想的，基本参数如下：

系统：ubuntu16.04 64位 内存4G

独立显卡型号：GeForce GTX 745(2G显存)

python版本：使用自带的python2.7

2，文件下载：

（1）cuda7.5下载（http://developer.download.nvidia.com/compute/cuda/7.5/Prod/local_installers/cuda_7.5.18_linux.run），下载的版本是ubuntu15.04的run文件。

（2）cudnn4.0下载(https://developer.nvidia.com/cudnn)，进去之后如果有注册过nvidia的账户直接点击download，否则需要注册一个账户，注册完之后有一个调查，随便选几个钩就可以，然后下一步是接受条款开始就可以下载了（注意：一定要下载4.0版本，不然后面caffe编译不过去）。

（3） caffe下载就在官方的github下载就可以了（伯克利版本）。

（4） 显卡驱动去官网 下载对应的型号即可（http://www.geforce.cn/drivers）。

二，显卡驱动安装

1，终端下：

sudo gedit /etc/modprobe.d/blacklist.conf

2，在打开的文档中的最后一行编辑上 ：

blacklist nouveau

保存。

3，终端输入：

sudo update-initramfs -u

4，重启之后在界面按Ctrl+Alt+F2，输入root以及密码，然后 ：

service lightdm stop

5，Ctrl+F1(F1到F5都可以)进入控制台，输用户名和密码登陆后：

sudo  ./home/panyiming/caffe/NVIDIA-Linux-x86_64-370.23.run

以上是笔者英伟达显卡驱动路径，安装时应该换成自己路径。

注意：由于ubuntu自身的bug,装上独立显卡驱动之后很容易导致卡在登陆界面无限循环，无法进入图形界面的问题，解决办法如下：

1，Ctrl+F4进入控制台，输入用户名和密码登陆，命令行输入：

sudo ./home/panyiming/caffe/NVIDIA-Linux-x86_64-370.23.run --uninstall

卸载掉显卡驱动。

2，继续输入：

sudo  ./home/panyiming/caffe/NVIDIA-Linux-x86_64-370.23.run

重新安装显卡驱动。重启即可

6，安装完成后重启即可。

三， Cuda7.5安装

1，以笔者文件名cuda_7.5.18_linux.run为例，终端下输入 ：

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

此处有大量的条款，一路空格到最后 输入accept，依次输入y回车，然后n(不安装显卡驱动)，然后一路y回车，有一个地方需要输入密码，还有两个地方确认安装路径，直接回车即可，完成安装，默认安装路径是/usr/local .

2,将下载下来的cudnn-7.0-linux-x64-v4.0-prod.tgz 解压之后，解压后的cuda文件夹先打开里面的include文件夹，空白右键在终端打开输入：

sudo cp cudnn.h /usr/local/cuda/include/
cd ~/cuda/lib64
sudo cp lib* /usr/local/cuda/lib64/

继续更新文件链接 :

cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.4
sudo ln -s libcudnn.so.4.0.7 libcudnn.so.4
sudo ln -s libcudnn.so.4 libcudnn.so

然后设置环境变量 :

sudo gedit /etc/profile

在末尾加入 :

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

保存之后创建链接文件 :

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

键盘按i进入编辑状态，添加文字 :

/usr/local/cuda/lib64

然后按esc，输入:wq保存退出。

终端下接着输入 :

sudo ldconfig

使链接生效

3, 生成Cuda Sample测试:

然后开始make samples ，终端下:

cd /home/NVIDIA_CUDA-7.5_Samples
sudo make all -j4

我是4核电脑所以用了j4，正常情况下肯定会报错“unsupported GNU version! gcc versions later than 4.9 are not supported!”，原因就是这个cuda不支持gcc5.0以上，终端运行：

cd /usr/local/cuda-7.5/include
cp host_config.h host_config.h.bak
sudo gedit host_config.h

Ctrl+F寻找有”4.9”的地方，应该是只有一处，在其上方的 ：

#if __GNUC__ > 4 || (__GNUC__ == 4 && __GNUC_MINOR__ > 9)

将两个4改成5，保存退出，继续 ：

cd /home/NVIDIA_CUDA-7.5_Samples
sudo make all -j4

这就应该开始make了，此处大约有5、6分钟。完成之后:

cd /home/NVIDIA_CUDA-7.5_Samples/bin/x86_64/linux
./deviceQuery

会出现类似以下的信息 :

CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce GTX 750 Ti"
CUDA Driver Version / Runtime Version 8.0 / 7.5
CUDA Capability Major/Minor version number: 5.0
Total amount of global memory: 2047 MBytes (2146762752 bytes)
( 5) Multiprocessors, (128) CUDA Cores/MP: 640 CUDA Cores
GPU Max Clock rate: 1228 MHz (1.23 GHz)
Memory Clock rate: 3004 Mhz
Memory Bus Width: 128-bit
L2 Cache Size: 2097152 bytes
Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers
Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers
Total amount of constant memory: 65536 bytes
Total amount of shared memory per block: 49152 bytes
Total number of registers available per block: 65536
Warp size: 32
Maximum number of threads per multiprocessor: 2048
Maximum number of threads per block: 1024
Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)
Maximum memory pitch: 2147483647 bytes
Texture alignment: 512 bytes
Concurrent copy and kernel execution: Yes with 1 copy engine(s)
Run time limit on kernels: Yes
Integrated GPU sharing Host Memory: No
Support host page-locked memory mapping: Yes
Alignment requirement for Surfaces: Yes
Device has ECC support: Disabled
Device supports Unified Addressing (UVA): Yes
Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 7.5, NumDevs = 1, Device0 = GeForce GTX 745 Ti
Result = PASS

这就说明成功了。

四、Python配置：

1，安装依赖库：

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 libgflags-dev libgoogle-glog-dev liblmdb-dev

2，将之前github下载的caffe压缩文件解压缩到任一目录，然后安装python（推荐使用第二种方法） ：

python的版本安装有两种方式：

第一是直接安装anaconda，去官网下载 ，选择linux 64bit 2.7版本下载安装，anaconda安装方便但是需要在最后的make配置文件中更改python包含路径。

第二种方法就是使用原生的python2.7版本，终端下：

sudo apt-get install python-pip

安装pip

这里我们用pip安装一些python需要的依赖包，不过为了避免各种问题，也可以通过apt-get安装：

sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose

3，以caffe默认解压到/home/panyiming/caffe/ ，文件夹名名称caffe-master为例

cd /home/user/caffe/caffe-master/python
sudo su
for req in $(cat requirements.txt); do pip install $req; done

这里用pip安装可能速度很慢，很可能下载好几个小时，推荐用清华大学的pip源临时安装，所以命令改为如下：

for req in $(cat requirements.txt); do pip install -i https://pypi.tuna.tsinghua.edu.cn/simple $req; done

这里如果第一次有很多红字错误，建议再运行几遍指导安装成功，对于黄字提示无需理会，可能是pip版本需要更新。

五、Caffe编译过程。

接下来要进入最后的步骤了，终端中：

cd /home/panyiming/caffe/caffe-master/
cp Makefile.config.example Makefile.config
gedit Makefile.config

将

USE_CUDNN := 1

取消注释，在

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

后面打上一个空格 然后添加/

usr/include/hdf5/serial

如果没有这一句可能会报一个找不到hdf5.h的错误

PYTHON_INCLUDE := /usr/include/python2.7 \
　　/usr/lib/python2.7/dist-packages/numpy/core/include

先不做更改。

如果是需要生成matlab的caffe wrapper 请取消注释MATLAB_DIR然后替换为自己的目录

说一下提前会出现的问题：

第一，make过程中出现比如 s

tring.h ‘memcy’ was not declared in this scope

的错误是由于gcc编译器版本太新，解决方法是打开makefile搜索并替换

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

保存退出

第二，在make过程中还会报一个

ld找不到libhdf5 和libhdf5_hl的链接

问题，这个原因可能也是因为hdf5的问题，首先看

/usr/lib/x86_64-linux-gnu

目录下有没有

libhdf5.so和libhdf5_hl.so

，如果有的话，查看属性是否有正确的链接(正常情况下应该是没有这两个文件)，然后右键在终端中打开

sudo ln libhdf5_serial.so.10.1.0 libhdf5.so
sudo ln libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so

注意，10.1.0和10.0.2可能不同电脑安装版本不同，注意看当前目录下存在的文件然后

sudo ldconfig

生效

接下来就是直接编译的过程

cd /home/user/caffe
make all -j4
make test -j4
make runtest
make pycaffe
make matcaffe

如果编译没报错正常的话，基本就没问题了。测试python打开

cd /home/user/caffe/python
python
import caffe

如果不报错就说明编译成功.

注意：

在使用python接口的时候，可能会报

’Mean shape incompatible with input shape.’

的错误，处理方法是python/caffe文件夹，编辑io.py文件，将

if ms != self.inputs[in_][1:]:
raise ValueError('Mean shape incompatible with input shape.')
替换为

if ms != self.inputs[in_][1:]:
print(self.inputs[in_])
in_shape = self.inputs[in_][1:]
m_min, m_max = mean.min(), mean.max()
normal_mean = (mean - m_min) / (m_max - m_min)
mean = resize_image(normal_mean.transpose((1,2,0)),in_shape[1:]).transpose((2,0,1)) * (m_max - m_min) + m_min

然后

make clean再重新make

。