Ubuntu16.04配置caffe（with cuda8.0）

由于Jetson TK1上不能跑大數(shù)據(jù)集的訓(xùn)練任務(wù)，所以還需要性能更強(qiáng)悍的顯卡來(lái)進(jìn)行這種訓(xùn)練任務(wù)。所以需要在筆記本上安裝ubuntu系統(tǒng)以及cuda和cudnn工具。

筆記本：聯(lián)想小新-700
CPU：Intel? Core? i5-6300HQ CPU @ 2.30GHz × 4
GPU：GeForce GTX 950M/PCIe/SSE2
ubuntu系統(tǒng)：16.04
CUDA：8.0
CUDNN：cudnn-8.0-linux-x64-v6.0.tgz

具體的安裝過程可以參考Ubuntu16.04+CUDA8.0+caffe配置

  • 首先安裝nvidia顯卡驅(qū)動(dòng) 可在官網(wǎng)上下載對(duì)應(yīng)的驅(qū)動(dòng)程序包安裝 也可以直接在系統(tǒng)設(shè)置-軟件與程序-驅(qū)動(dòng)中選擇nvidia的顯卡驅(qū)動(dòng)進(jìn)行更新（一般都是tested），這里我們采用后一種方法直接更新，然后reboot即可
    tips：在ubuntu下更新完nvidia的驅(qū)動(dòng)后 需要再次進(jìn)入boot設(shè)置 否則找不到boot點(diǎn)
  • reboot完成之后，可以在關(guān)于這臺(tái)計(jì)算機(jī)中查看是否驅(qū)動(dòng)安裝成功 如果成功的話會(huì)顯示當(dāng)前采用的是何種nvidia顯卡，另外也可以采用命令查詢：
sudo nvidia-smi

命令行會(huì)輸出nvidia顯卡的信息：

Wed Apr 19 11:04:15 2017       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 375.39                 Driver Version: 375.39                    |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 950M    Off  | 0000:01:00.0     Off |                  N/A |
| N/A   40C    P8    N/A /  N/A |    105MiB /  2002MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID  Type  Process name                               Usage      |
|=============================================================================|
|    0      1026    G   /usr/lib/xorg/Xorg                              64MiB |
|    0      1722    G   compiz                                          34MiB |
|    0      1953    G   fcitx-qimpanel                                   6MiB |
+-----------------------------------------------------------------------------+
  • 更新軟件包及安裝所需軟件
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 libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
  • 接著我們安裝cuda8.0 已經(jīng)下載好了cuda8.0的.run文件cuda_8.0.61_375.26_linux.run執(zhí)行：
sudo sh cuda_8.0.61_375.26_linux.run

一串的文件信息之后輸入accept即可，然后對(duì)于是否安裝nvidia顯卡選擇否，其他都選擇yes或者默認(rèn)路徑即可。然后設(shè)置環(huán)境變量
打開~/.bashrc文件：

sudo vim ~/.bashrc

將以下內(nèi)容寫入到~/.bashrc尾部：

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

（4）測(cè)試CUDA的sammples

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery #由自己電腦目錄決定
make #此處需要root權(quán)限
sudo ./deviceQuery

輸出為一系列的gpu信息即為安裝成功：

Detected 1 CUDA Capable device(s)
Device 0: "GeForce GTX 950M"
  CUDA Driver Version / Runtime Version          8.0 / 8.0
  CUDA Capability Major/Minor version number:    5.0
  Total amount of global memory:                 2003 MBytes (2100232192 bytes)
  ( 5) Multiprocessors, (128) CUDA Cores/MP:     640 CUDA Cores
  GPU Max Clock rate:                            1124 MHz (1.12 GHz)
  Memory Clock rate:                             1001 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 = 8.0, NumDevs = 1, Device0 = GeForce GTX 950M
Result = PASS
  • 接著配置cudnn加速工具 選擇對(duì)應(yīng)于cuda8.0的cudnn-v6.0最新版本cudnn-8.0-linux-x64-v6.0.tgz解壓可得到一個(gè)cuda文件夾里面包含include和lib64兩個(gè)文件夾，然后按照教材copy即可。
#include文件夾
sudo cp cudnn.h /usr/local/cuda/include/  #復(fù)制頭文件

#lib64文件夾
sudo cp lib* /usr/local/cuda/lib64/    #復(fù)制動(dòng)態(tài)鏈接庫(kù)
cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.6    #刪除原有動(dòng)態(tài)文件
sudo ln -s libcudnn.so.6.0.20 libcudnn.so.6  #生成軟銜接
sudo ln -s libcudnn.so.6 libcudnn.so      #生成軟鏈接
  • 下載opencv 編譯 -- 需要編譯一段時(shí)間
    opencv3.2-source 解壓此文件即可
#建立build文件夾#
cd ~/opencv
mkdir build
cd build
#環(huán)境配置#
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
#編譯#
make -j 8
#安裝#
sudo make install

遇到的問題fata error: LAPACKE_H_PATH-NOTFOUND when building OpenCV 3.2,解決方法參考fata error: LAPACKE_H_PATH-NOTFOUND when building OpenCV 3.2

sudo apt-get install liblapacke-dev checkinstall
  • 編譯caffe
make clean
make -j 8 all
make -j 8 runtest

遇到的問題就是"libcudart.so.8.0 cannot open shared object file: No such file or directory"只需要執(zhí)行

#注意自己CUDA的版本號(hào)！
sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcublas.so.8.0 /usr/local/lib/libcublas.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcurand.so.8.0 /usr/local/lib/libcurand.so.8.0 && sudo ldconfig

還遇到了問題"libcudnn.so.6 cannot open shared object file: No such file or directory"這是因?yàn)閏opy的cudnn中l(wèi)ib文件夾內(nèi)的該文件沒有copy到/usr/local/lib下：

sudo cp /usr/local/cuda/lib64/libcudnn.so.6 /usr/local/lib/libcudnn.so.6 && sudo ldconfig
  • 編譯的過程中遇到一個(gè)問題：
/sbin/ldconfig.real: /usr/lib/nvidia-375/libEGL.so.1 is not a symbolic link
/sbin/ldconfig.real: /usr/lib32/nvidia-375/libEGL.so.1 is not a symbolic link

解決方法參考：libEGL.so.1 不是符號(hào)連接 

sudo mv /usr/lib/nvidia-375/libEGL.so.1 /usr/lib/nvidia-375/libEGL.so.1.org
sudo mv /usr/lib32/nvidia-375/libEGL.so.1 /usr/lib32/nvidia-375/libEGL.so.1.org
sudo ln -s /usr/lib/nvidia-375/libEGL.so.375.39 /usr/lib/nvidia-375/libEGL.so.1
sudo ln -s /usr/lib32/nvidia-375/libEGL.so.375.39 /usr/lib32/nvidia-375/libEGL.so.1
最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容