在ubuntu14.04上配置cuda_caffe_cudnn_anaconda_digits，caffecudacudnn

在ubuntu14.04上配置cuda_caffe_cudnn_anaconda_digits，caffecudacudnn

參考網上的很多網站，以這篇為主：http://blog.csdn.net/yhl_leo/article/details/50961542

這篇算是自己對caffe學習的一個總結系列的開頭。首先因為caffe的依賴項比較多，配置起來也比較麻煩。這篇算是比較詳盡地把caffe的各種相關配置說清楚。轉載請注明出處。

推薦ubuntu14.04版本，因為digits的支持比較好。顯卡支不支持GPU加速要搞清楚啊，不支持就全用CPU算吧，別浪費時間折騰cuda了。

大家基本要按照官方教程上面來。但是官方教程有的坑沒有點出來的，本文也一並列上了。

一、顯卡的安裝

禁用nouveau驅動，nouveau是ubuntu自帶的對nivida的開源驅動，對安裝nvidia的官方驅動會有問題，所以先將其禁用。

按Ctrl+Alt+F1 進入tty1控制台，輸入

sudo vim /etc/modprobe.d/blacklist-nouveau.conf

在裡面寫上

blacklist nouveau

options nouveau modeset=0

按esc 輸入:wq 保存退出

ps:vim編輯器很好用啊，還不會的小伙伴要抓緊時間學啊。

執行

lspci | grep nouveau

查詢pci總線中是否還有nouveau，grep後面接正則表達式過濾。

什麼都沒有說明禁用成功。

重啟後登錄時，可能會循環出現填寫登錄密碼，不能進入系統的情況，按Ctrl+Alt+F1，登錄，

卸載顯卡方法：

sudo apt-get remove --purge nvidia*

安裝顯卡驅動：

$ sudo add-apt-repository ppa:xorg-edgers/ppa

$ sudo apt-get update

$ sudo apt-get install nvidia-352

執行sudo start lightdm 輸入密碼能看到桌面就ok啦

ps：顯卡驅動掛掉之後很可能你就看不到系統界面了，啟動之後顯示器一團漆黑，其實系統是在運行的。我的做法是先提前裝好了SSH服務，碰到這種情況就通過另一台電腦SSH登陸進去安裝驅動。

二、CUDA安裝

CUDA官網下載。其實應該先下載好的，如果沒來得及用圖形界面下載，用wget, curl什麼的下載也一樣。 據說331的驅動有坑啊，大家不要用那個驅動。下面安裝一些依賴項/

sudo service lightdm stop

sudo apt-get install g++

sudo apt-get install git

sudo apt-get install freeglut3-dev

首先在官網上下載安裝文件（鏈接前文已經提供）：

我下載的是deb本地安裝文件，下載完成後，按照文檔提示的命令安裝：

sudo dpkg -i cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb

sudo apt-get update

sudo apt-get install cuda

下載了下方的Installation Guide for Linux，裡面有關於環境變量的設置方法：

如果有，則說明安裝成功。沒有可以按照下面方法卸載：

sudo /usr/local/cuda-7.5/bin/uninstall_cuda_7.5.plsudo /usr/bin/nvidia-uninstall

最後，配置環境變量，我們直接放在系統配置文件profile裡面，先打開profile文件

sudo vi /etc/profile

在最後面加入兩行代碼：

export PATH=/usr/local/cuda-7.5/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH

執行 source /etc/profile 使環境變量生效

至此cuda安裝完畢

三、CUDNN安裝

CUDNN是給CUDA加速的。cuDNN是GPU加速計算深層神經網絡的庫。cudnn官網下載。貌似下載要先注冊，審核通過還要幾天時間。下載好之後解壓。

執行如下命令：

sudo tar xvf cudnn-7.0-linux-x64-v4.0-prod.tgz && cd cuda/include && sudo cp *.h /usr/local/include/ && cd ../lib64 && sudo cp lib* /usr/local/lib/ && cd /usr/local/lib && sudo chmod +r libcudnn.so.4.0.7 && sudo ln -sf libcudnn.so.4.0.7 libcudnn.so.4 && sudo ln -sf libcudnn.so.4 libcudnn.so && sudo ldconfig

這樣CUDNN就安裝完畢了，是不是很簡單啊。

四、Anaconda的安裝

到https://www.continuum.io/downloads 下載anaconda，推薦使用linux版的python 2.7版本，因為tensorflow中的有些東西不支持python3.5(如cPickle)。

下載成功後，在終端執行（2.7版本）：

# bash Anaconda2-4.1.1-Linux-x86_64.sh

或者3.5 版本：

# bash Anaconda3-4.1.1-Linux-x86_64.sh

在安裝的過程中，會問你安裝路徑，直接回車默認就可以了。有個地方問你是否將anaconda安裝路徑加入到環境變量（.bashrc)中，這個一定要輸入yes

安裝成功後，會有當前用戶根目錄下生成一個anaconda2的文件夾，裡面就是安裝好的內容。在終端可以輸入

conda info 來查詢安裝信息

輸入conda list 可以查詢你現在安裝了哪些庫，常用的python, numpy, scipy名列其中。如果你還有什麼包沒有安裝上，可以運行

conda install *** 來進行安裝(***代表包名稱），如果某個包版本不是最新的，運行 conda update *** 就可以了。

五、caffe的安裝

首先先安裝opencv，推薦2.4的版本。opencv1.x是純C語言編寫的，2.x c和c++的包都有，opencv3是只用c++寫的。為了別人寫的代碼也能正常運行，還是推薦裝2.x。

opencv2.4安裝很簡單了，下載下來解壓，然後進入目錄make, sudo make install就搞定了。

caffe官方下載 基本按照官方安裝指南就可以了，l另外一個方法就是命令行下載

下載caffe：

sudo git clone https://github.com/BVLC/caffe.git

如果你沒安裝Git，請閱讀博客：Ubuntu Git安裝與使用。

然後編譯caffe：先安裝依賴：

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

賈揚清大神還說了，大家一定要看清楚啊！

下面開始配置caffe並且開始編譯了。

sudo cp Makefile.config.example Makefile.config

# Adjust Makefile.config (for example, if using Anaconda Python, or if cuDNN is desired) make all make test make runtest

配置文件有幾點要注意：

# cuDNN acceleration switch (uncomment to build with cuDNN).

USE_CUDNN := 1

# CPU-only switch (uncomment to build without GPU support).

# CPU_ONLY := 1BLAS choice:# atlas for ATLAS (default)

# mkl for MKL

# open for OpenBlasBLAS := atlas

# Custom (MKL/ATLAS/OpenBLAS) include and lib directories.

# Leave commented to accept the defaults for your choice of BLAS

# (which should work)!

# BLAS_INCLUDE := /path/to/your/blas

# BLAS_LIB := /path/to/your/blas

這幾個地方根據自己情況選擇。

make all沒有問題的話，caffe就算成功了啊。

保存後重新編譯： （如果電腦有8個線程的話，就在後面加 -j8 ,可以加快編譯速度）

sudo make clean

sudo make all -j8

sudo make test -j8

sudo make runtest -j8

本人編譯的時候最後一步的時候，出現這樣的錯誤：

libcudart.so.7.5 cannot open shared object file: No such file or directory

網上有一堆介紹，怎麼設置環境變量的（我們分明已經設置過了），可以這樣檢查是否已經添加環境變量：

$ echo $PATH$ echo $LD_LIBRARY_PATH

可以看到，環境變量已經添加好。

解決方法是這樣，將一些文件復制到/usr/local/lib文件夾下：

sudo cp /usr/local/cuda-7.5/lib64/libcudart.so.7.5 /usr/local/lib/libcudart.so.7.5 && sudo ldconfig

sudo cp /usr/local/cuda-7.5/lib64/libcublas.so.7.5 /usr/local/lib/libcublas.so.7.5 && sudo ldconfig

sudo cp /usr/local/cuda-7.5/lib64/libcurand.so.7.5 /usr/local/lib/libcurand.so.7.5 && sudo ldconfig

再次，嘗試sudo make runtest命令，出現如下：

至此，caffe安裝完成。

將caffe路徑導入環境變量，執行命令如下：

sudo vi ~/.bashrc

在最後加上 export PYTHONPATH=/home/***/caffe/python:$PYTHONPATH

export CAFFE_HOME=/home/***/caffe:$CAFFE_HOME

之後執行 sudo ldconfig 來生效

接著在caffe裡面執行sudo make pycaffe ，沒有錯誤就OK了，測試caffe是否成功，

在終端輸入 python 回車，import caffe 沒有錯誤表示ok，

如果出現No module named google.protobuf.internal

解決辦法參考鏈接：http://www.th7.cn/system/lin/201605/164288.shtml

sudo chmod 777 -R anaconda2（文件夾） 改變權限 然後
conda install protobuf

就搞定啦～

六、DIGITS安裝

參考鏈接：http://www.cnblogs.com/denny402/p/5136155.html

一、安裝digits 3.0

digits是運行在cuda和caffe基礎上的，所以要先配置好cuda+caffe那是毫無疑問的了。還不會配置的，請參考：Caffe學習系列(1)：安裝配置ubuntu14.04+cuda7.5+caffe+cudnn

打開一個終端，依次運行下列命令：

cd

sudo -s

進入當前用戶根目錄，並切換到超級用戶（符號由$變成#，不用每句都輸sudo)

CUDA_REPO_PKG=cuda-repo-ubuntu1404_7.5-18_amd64.deb &&

wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/$CUDA_REPO_PKG &&

sudo dpkg -i $CUDA_REPO_PKG

接著

ML_REPO_PKG=nvidia-machine-learning-repo-ubuntu1404_4.0-2_amd64.deb &&

http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1404/x86_64/$ML_REPO_PKG &&

sudo dpkg -i $ML_REPO_PKG

apt-get update

apt-get install digits

http://xxxxxx/Linuxjc/1170257.html TechArticle