安装cuda-8.0
-
官网下载:https://developer.nvidia.com/cuda-toolkit-archive
具体过程如下: 进入cuda_8.0.61_375.26_linux.run所在目录,执行下面命令:
$ sudo sh cuda_8.0.61_375.26_linux.run
有可能要加 –override 参数:这个参数会覆盖原来的驱动,如果没出现问题可以不需要这个参数。
sh cuda_8.0.61_375.26_linux.run --override
安装过程中….请按下面要求选择:
启动安装程序,一直按空格到最后,输入accept接受条款
输入n–不安装nvidia图像驱动,之前已经安装过了!
输入y–安装cuda 8.0工具
回车确认–cuda默认安装路径:/usr/local/cuda-8.0
输入y–用sudo权限运行安装,输入密码
输入y或者n–安装或者不安装指向/usr/local/cuda的符号链接
输入y–安装CUDA 8.0 Samples,以便后面测试
回车确认–CUDA 8.0 Samples默认安装路径:/home/pawn(pawn是我的用户名),该安装路径测试完可以删除!
- 添加环境变量
` $ sudo gedit ~/.bashrc`
在最后添加下面内容:
1 2
export PATH=/usr/local/cuda-8.0/bin:$PATH` export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
保存退出后使其立刻生效 $ source ~/.bashrc
-
查看cuda版本 $ nvcc –version 最后进入cuda自带的例子中看cuda是否已正确配置
-
测试CUDA的sammples
$ cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery #由自己电脑目录决定
$ sudo make -j16
————————————————————————————————
这里可能出现gcc、g++版本过高的问题。(没出错,下面的过程不需要做!!)
具体解决方法见:(https://blog.csdn.net/lee_j_r/article/details/52693724)
ubuntu16.04 默认安装的gcc版本为gcc-5.4,
(可用gcc –version查看)有时可能需要低版本的,所以我们先安装gcc-4.8.5 或gcc-4.7.4
sudo apt-get install -y gcc-4.8 g++-4.8
sudo update-alternatives –install /usr/bin/gcc gcc /usr/bin/gcc-4.8 20 sudo update-alternatives –install /usr/bin/g++ g++ /usr/bin/g++-4.8 20 cd /usr/bin
sudo cp gcc gcc_backup sudo cp g++ g++_backup sudo rm gcc g++ sudo ln -s gcc-4.8 gcc sudo ln -s g++-4.8 g++sudo rm gcc g++ sudo ln -s gcc-5 gcc sudo ln -s g++-5 g++
$ ./deviceQuery
当结果显示最后部分有GeForce GTX 1080Result = PASS,说明cuda已经安装成功!
- 如果需要删除cuda,就执行命令: sudo rm -r cuda-8.0
安装cudnn-8.0
https://blog.csdn.net/QLULIBIN/article/details/80728355 http://blog.csdn.net/jzrita/article/details/72887677 装显卡cudnn caffe的依耐和python
-
拷贝下载文件和解压 $ cp cudnn-8.0-linux-x64-v5.1.solitairetheme8 cudnn-8.0-linux-x64-v5.1.tgz $ tar -xvf cudnn-8.0-linux-x64-v5.1.tgz #解压格式
-
完成后解压,得到一个 cuda 文件夹,该文件夹下include 和 lib64 两个文件夹 $ cd cuda/include #命令行进入 cuda/include 路径下 $ sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件 $ cd cuda/lib64 #命令行进入 cuda/lib64 路径下 $ sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库
-
建立软链接 $ cd /usr/local/cuda/lib64/ $ sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件 $ sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成软衔接 请具体见路径“/usr/local/cuda/lib64”下的“libcudnn.so.5.1.10”文件编号,不正确设置的话,将影响caffe安装!!
软连接就是win下的快捷方式
安装opencv3.1环境
http://blog.csdn.net/xierhacker/article/details/53035989 https://www.cnblogs.com/go-better/p/7161006.html
首先肯定是先安装依赖了,官方列出了一些:
1
2
3
4
5
6
$ sudo apt-get install build-essential
$ sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
$ sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
$ sudo apt-get install --assume-yes libopencv-dev libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev libtbb-dev libqt4-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip
注意assume-yes前面是2个“-”
$sudo apt-get install ffmpeg libopencv-dev libgtk-3-dev python-numpy python3-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libv4l-dev libtbb-dev qtbase5-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev
反正不管了,全部都装上去。
opencv3.1 安装方法1—建议首选!!!! 安装参考方法:https://blog.csdn.net/u012841667/article/details/53501879
-
进入官网: http://opencv.org/releases.html, 选择3.1.0版本的source下载 opencv 具体步骤请参考:https://blog.csdn.net/baobei0112/article/details/77996369
https://blog.csdn.net/yhaolpz/article/details/71375762 和上面网站内容一样的! - 解压拷贝到需要安装的Ubuntu目录:unzip opencv-3.1.0.zip
- 进入到你下载的那个opencv文件夹,这时候建立一个build的文件夹,用来接收cmake之后的文件 $ sudo mkdir build
- 进入到build里面,运行这句命令
$ cd build
$ sudo cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local .. caffe-ssd测试,OpenCV编译需要选择开启Qt支持,开启gtk支持!!!! sudo cmake -D CMAKE_BUILD_TYPE=RELEASE -D WITH_QT=ON -D WITH_GTK=NO -D CMAKE_INSTALL_PREFIX=/usr/local .. 上述步骤参考网站!!https://blog.csdn.net/huangkangying/article/details/53406370
1
2
3
4
5
6
7
8
9
10
11
cmake过程中,网络不给力的话,将出现 ICV: Downloading ippicv_linux_20151201.tgz......之后就不动了。按下步骤可解决: ubuntu下安装opencv3.1出现-- ICV: Downloading ippicv_linux_20151201.tgz...之后就会提示很多错误。 1)需要自己下载ippicv_linux_20151201.tgz 2)然后在OpenCV源代码的根目录下创建目录:linux-808b791a6eac9ed78d32a7666804320e 具体路径:opencv-3.1.0/3rdparty/ippicv/downloads/linux-808b791a6eac9ed78d32a7666804320e 3)将下载后的ippicv_linux_20151201.tgz文件拷进去。 4)然后再次cmake就OK 了!! ------------------------------------------------------------------------------------
cmake过程中,网络不给力的话,将出现 ICV: Downloading ippicv_2017u2_lnx_intel64_20170418.tgz...之后就不动了。按下步骤可解决:
(1)下载ippicv_2017u2_lnx_intel64_20170418.tgz文件
ippicv_2017u2_lnx_intel64_20170418.tgz 的github网址 :
https://github.com/opencv/opencv_3rdparty/tree/ippicv/master_20170418/ippicv
(2) 修改 ippicv.cmake 第47行
sudo gedit /home/liu/opencv-3.4.0/3rdparty/ippicv/ippicv.cmake --打开ippicv.cmake文件找到第47行
原来: "https://raw.githubusercontent.com/opencv/opencv_3rdparty/${IPPICV_COMMIT}/ippicv/"
修改:“/home/liu/下载” ---指定ippicv_2017u2_lnx_intel64_20170418.tgz 文件所在路径
(3)然后再次cmake就OK 了!! ------------------------------------------------------------------------------------
-
编译OpenCV: $ sudo make -j8 $ sudo make install 你能够在/usr/local中找到你新安装的opencv的一些头文件和库了。 这里要说明一下,要是中途出现了一些问题是与cuda有关的,打开opencv下面那个cmakelist文件把with_cuda设置为OFF,如下图,之后再cmake,再编译。
-
进入测试OPENCV环节 ———————————————————————————————————————————— opencv3.1 安装方法2
-
建立一个OpenCV 工作目录 在你喜欢的地方建立一个工作目录,随便什么名字,就在home目录下面建立了一个OpenCV的目录. $ mkdir OpenCV
-
进入这个工作目录(OpenCV)然后用git克隆官方的项目(下载接受会需要一点时间,等待) $ cd Opencv $ git clone https://github.com/opencv/opencv.git $ git clone https://github.com/opencv/opencv_contrib.git
克隆好了之后,你就会看见你的工作目录(OpenCV)下面有了两个项目的文件夹opencv了。进入到你下载的那个opencv文件夹,这时候建立一个build的文件夹,用来接收cmake之后的文件。 $ sudo mkdir build 进入到build里面,运行这句命令(直接复制就行) $ cd build
-
编译
$ sudo cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local .. 这里要解释一下,后面是一个空格加上两个点,不要搞错了。
$ sudo make -j8 -j8表示并行计算,根据自己电脑的配置进行设置,配置比较低的电脑可以将数字改小或不使用,直接输make。
============================================================================================
如果安装过程到90%左右报错的话就按下面的方法修改:
进入opencv-3.1.0/modules/cudalegacy/src/目录,修改graphcuts.cpp文件,将: #include “precomp.hpp” #if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) 改为 #include “precomp.hpp” #if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) || (CUDART_VERSION >= 8000) 然在执行sudo make -j8 编译就可以了!!! ============================================================================================ 以上只是将opencv编译成功,还没将opencv安装,需要运行下面指令进行安装: $ sudo make install
查看linux下的opencv安装库: pkg-config opencv –libs 查看linux下的opencv安装版本:pkg-config opencv –modversion 查看linux下的opencv安装路径:sudo find / -iname “opencv”
-
进入测试OPENCV环节
测试OPENCV步骤如下: ===mkdir DisplayImage ===cd DisplayImage ===gedit DisplayImage.cpp #编辑测试代码 ———————————————————————- //测试代码
$ gedit CMakeLists.txt #编写make文件 ———————————————————————- cmake_minimum_required(VERSION 3.5) project(DisplayImage) find_package(OpenCV REQUIRED) add_executable(DisplayImage DisplayImage.cpp) target_link_libraries(DisplayImage ${OpenCV_LIBS})
SET( CMAKE_CXX_FLAGS “-std=c++11 -O3”)
$ cmake .
$ make
$ ./DisplayImage 1.jpg
$ ./DisplayImage 2.jpg
安装caffe
1
2
3
4
https://blog.csdn.net/jzrita/article/details/72887677 --caffe依赖
https://blog.csdn.net/baobei0112/article/details/77996369 --安装 caffe在第9步
Caffe是由BVLC开发的一个深度学习框架,主要由贾扬清在UC Berkeley攻读PhD期间完成。参考官网上的教程以及Github上针对Ubuntu15.04和16.04的教程。从官方下载caffe源包caffe-master。
-
安装库文件: $ sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
-
安装依赖:
$ sudo apt-get install -y build-essential cmake git pkg-config $ sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler libatlas-base-dev libgflags-dev libgoogle-glog-dev liblmdb-dev $ sudo apt-get install –no-install-recommends libboost-all-dev
-
Python接口依赖:
$ sudo apt-get install the python-dev $ sudo apt-get install -y python-pip $ sudo apt-get install -y python-dev $ sudo apt-get install -y python-numpy python-scipy # (Python 2.7 development files) $ sudo apt-get install -y python3-dev $ sudo apt-get install -y python3-numpy python3-scipy # (Python 3.5 development files)
-
从官方下载caffe源包caffe-master https://github.com/BVLC/caffe 下载后解压到你需要的安装目录,进入caffe文件:cd caffe或cd caffe-master,执行下面语句!
注意执行命令前需要做下面命令否则提示:
1 2 3 4
liuq@liuq:~/caffe-master$ sudo make clean make: /usr/local/MATLAB/R2014a/bin/mexext:命令未找到 liuq@liuq:~/caffe-master$ make all -j8 make: /usr/local/MATLAB/R2014a/bin/mexext:命令未找到
1 2 3 4
===========解决方法!如下=============== 将Makefile 和 Makefile.config拷贝到caffe-master文件夹替换原文件 方法1:将Makefile 和 Makefile.config 两个文件复制到caffe文件夹中替换已有的两个文件! 方法2:直接修改 Makefile 和 Makefile.config 两个文件中的相关部分!
$ make clean $ make all -j8 在上一步成功安装 caffe 之后,就可以通过 caffe 去做训练数据集或者预测各种相关的事了。
-
安装 pycaffe notebook 接口环境 $ cd caffe #如当前不再caffe目录,那就要进入caffe路径!如果当前已在此目录那就不需执行cd caffe! $ make pycaffe #或执行:make pycaffe -j8
-
caffe配置matlab接口,可以在matlab安装后在来配置都可以! $ make matcaffe
#或执行:make matcaffe -j8 编译成功后生成文件./matlab/+caffe/private/caffe_.mexa64 供matlab使用 -
bashrc中添加环境变量(caffe中的python接口) $ sudo gedit ~/.bashrc export PYTHONPATH=/home/liu/caffe-master/python:$PYTHONPATH $ source ~/.bashrc 查看环境变量路径:echo $PYTHONPATH
测试Caffe
1
2
3
4
5
6
7
8
1. MNIST训练之前将Caffe的环境搭好了,现在用MNIST这个数据集进行测试,继续在$CAFFE_ROOT下进行操作。
```
$ ./data/mnist/get_mnist.sh
$ ./examples/mnist/create_mnist.sh
```
2. 经过上述操作./examples/mnist/路径下会有mnist_test_lmdb和mnist_train_lmdb两个文件夹,分别是测试和训练数据。
(1)如果要指定选择CPU或GPU训练,需要修改lenet_solver.prototxt文件
`$ sudo gedit ./examples/mnist/lenet_solver.prototxt` 在最后一句话为设置为:solver_mode: CPU,指定在CPU上进行训练 在最后一句话为设置为:solver_mode: GPU,指定在GPU上进行训练
(2)如果你还要指定GPU运行的话,需要修改train_lenet.sh文件
1
2
3
4
./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt $ #默认选择的是0号GPU
改为:./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt --gpu 1 $ #选择1号GPU
$ cd caffe #进入caffe路径
$ ./examples/mnist/train_lenet.sh
网友其他安装caffe参考: https://blog.csdn.net/Rasin_Wu/article/details/80294822
======================caffe常用问题及其解决方法!!=====================
ERROR提示1 liu@liu:~/caffe-master$ python
import caffe
quit() 解决办法: liu@liu:~/caffe-master$ python2
import caffe quit()
caffe 官网 (http://caffe.berkeleyvision.org/ ) 上也提示说, 只是较好的支持 caffe 2.7 版本;
对于其他的版本,需要自己进行摸索咯。如下所示,如果输入python显示的版本是python3就会出错!! liu@liu:~/caffe-master$ python
ERROR提示2 liuq@dl:~/caffe-master$ python2 Python 2.7.12 (default, Dec 4 2017, 14:50:18) [GCC 5.4.0 20160609] on linux2 Type “help”, “copyright”, “credits” or “license” for more information.
import caffe
解决办法:skimage(scikit-image)
python-skimage包依赖于matplotlib,scipy,pil,numpy和six。 首先安装依赖包: sudo apt-get install python-matplotlib python-numpy python-pil python-scipy sudo apt-get install build-essential cython 安装skimage包:sudo apt-get install python-skimage
基于python的图片处理包还是很多的,比如PIL,Pillow, opencv, scikit-image等。其中,PIL和Pillow只提供最基础的数字图像处理,功能有限;opencv本质上是一个c++库,只是提供了python的接口,官方更新速度非常慢,而且安装很不容易。综合来看,scikit-image是基于scipy的一款图像处理包,它功能非常齐全,同时将图片作为numpy数组进行处理,几乎集合了matlab的所有图像处理功能,在数据的处理方式,函数名字等方面对matlab的模仿姿势非常到位。 更为重要的是,作为python的一个图像处理包,这个包是完全开源免费的,而且可以依托于python强大的功能,与tensorflow等软件配合使用于主流的深度学习等领域。因此,用scikit-image进行图像处理是一个非常好的选择,matlab能干的事情它都能干,matlab不能干的事情他也可以,个人认为在数字图像处理领域,它是完全可以代替matlab的。? ??
ERROR提示3 运行程序时,显示No module named model_libs
解决方法:主要是由于Python 路径错误 使用命令:echo $PYTHONPATH 弹出当前python路径,看看是不是caffe自己的python接口,即/home/用户名/你的 caffe 路径/python。 如果不是,采用 export PYTHONPATH=/home/用户名/你的caffe 路径/python即可。 如果不对的话就按下面方法,添加caffe中的python环境变量!! $ sudo gedit ~/.bashrc export PYTHONPATH=/home/liu/caffe-ssd/python:$PYTHONPATH $ source ~/.bashrc
ERROR提示4 import caffe 不成功, 报错“No module named google.protobuf.internal” 解决办法: $ pip install protobuf $ sudo apt-get install python-protobuf ??
运行程序时,显示ImportError: No module named _caffe 解决:执行sudo make pycaffe 运行程序时,显示ImportError: No module named _tkinter, please install the python-tk package ubuntu运行tkinter错误 解决: apt-get install python-tk
运行程序时,显示No module named easydict 解决方法: pip install easydict