Ubuntu 16.04下Matlab2014a+Anaconda2+OpenCV3.1+Caffe安裝

Ubuntu 16.04下Matlab2014a+Anaconda2+OpenCV3.1+Caffe安裝

本次安裝caffe是在新的筆記本上，感覺與之前在台式機上的安裝還是有一定的區別。加之是在新的Ubuntu16.04系統上安裝的，可參考教程較少。而且其中添加了不少庫，修改的一些錯誤，難免會有遺漏。如果發現本文未提及錯誤，歡迎一起討論學習。另外，看到有的人說安裝了半個多月，多次重裝，希望有問題還是先把問題查清楚，不要盲目重裝系統;其次，安裝的時候最好記錄自己安裝的過程和內容，避免遺漏和重復，出問題了也可以與別人的教程相對比。
首先介紹安裝條件和軟件准備：
- 聯想筆記本電腦Y700-15ISK，雙顯卡nvidia的GTX960M，內存16G
- Ubuntu16.04系統，選擇該系統主要是能夠完美支持新筆記本的所有硬件
- cuda7.5安裝與配置，cudnn5.0安裝與配置
- BLAS安裝與配置
- OpenCV3.1.0安裝與配置
- Python安裝與配置，選擇的是anaconda2-4.0，即python2.7
- matlab2014a下載與安裝，下載鏈接 http://pan.baidu.com/s/1hsucG3E 提取密碼 nvb6

- caffe官網下載與安裝

參考博客與文章：
Ubuntu 16.04系統cuda7.5安裝教程：https://www.pugetsystems.com/labs/hpc/NVIDIA-CUDA-with-Ubuntu-16-04-beta-on-a-laptop-if-you-just-cannot-wait-775/
caffe官網教程：http://caffe.berkeleyvision.org/installation.html
Ubuntu 16.04系統cuda7.5配置與caffe安裝教程：
Ubuntu 14.04下Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置說明：

一、Ubuntu 16.04系統安裝

這一部分接觸過ubuntu系統的應該比較熟悉，網上也有很多可以參考的例子，就不再贅述。另外，我是在一個SSD固態硬盤上單獨安裝的系統，之前在台式機上也是這麼實現的，感覺這樣和windows雙系統故障會少些。

Ubuntu 16.04 U盤安裝圖文教程

二、顯卡驅動與cuda安裝

1、顯卡驅動安裝

安裝完ubuntu16.04系統之後，直接更新系統並重啟。在多顯卡的筆記本中，可能需要在BIOS系統裡選擇”自由選擇顯卡“，這樣系統才能識別nvidia的顯卡，並進行驅動更新。我這裡是運用ppa更新的最新驅動，使用起來能夠得到挺好的體驗，並能夠實現雙顯卡的自由切換。
首先，通過快捷鍵Ctrl+Alt+T打開終端，然後加入官方ppa源：

$ sudo  add-apt-repository ppa:graphics-drivers/ppa

需要輸入用戶密碼，並確認鏈接源。之後刷新軟件庫並安裝最新的驅動，在命令行輸入：

$ sudo apt-get update
$ sudo apt-get install nvidia-367 nvidia-settings nvidia-prime

由於聯想筆記本的UEFI保護，會拒絕第三方的驅動，因此需要關閉該保護，關閉之後重啟能夠正常驅動nvidia，並能夠進行雙顯卡的切換。
安裝完成之後，可以通過系查看系統屬性，看是否是nvidia的顯卡。另外，也可以通過下面命令看是否安裝成功：

$ nvidia-settings

如果出現的nvidia設置界面不是這樣，驅動可能還是有問題。此處我出現的錯誤主要是是UEFI保護沒注意到，導致重復安裝了幾遍。

2、cuda7.5 安裝與配置

首先下載cuda7.5.run文件，如下圖所示：

可以看到當前cuda7.5還不支持ubuntu16.04。參考別人的教程，主要是gcc版本的問題，實際是可以編譯通過的。下載完15.04版本的run文件之後，一定要進行進行md5檢驗，校驗碼不對會出現安裝之後重啟不能進入界面的問題。
下載完成之後，cd進入文件所在目錄，在終端進行如下操作

$ chmod 777 cuda_7.5.18_linux.run     #獲取文件權限
$ sudo ./cuda_7.5.18_linux.run --override #執行文件安裝

注意後面的override是必須的，這樣才能保證安裝的過程中，不會出現編譯器不支持的錯誤。另外，在選擇條件的過程中，一定不要再次安裝nvidia驅動，雖然cuda.run文件本身是包含又nvidia驅動的，但是本處直接安裝會出錯。下圖是安裝.run文件的配置：

安裝完成之後會出現

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

之後更換cudnn動態庫，可以獲得更快的計算效率。下載完cudnn5.0之後進行解壓，cd進入cudnn5.0解壓之後的include目錄，在命令行進行如下操作：

$ sudo cp cudnn.h /usr/local/cuda/include/    #復制頭文件

再將lib64目錄下的動態文件進行復制和鏈接：

$ sudo cp lib* /usr/local/cuda/lib64/    #復制動態鏈接庫
$ cd /usr/local/cuda/lib64/      
$ sudo rm -rf libcudnn.so libcudnn.so.5    #刪除原有動態文件
$ sudo ln -s libcudnn.so.5.0.5 libcudnn.so.5
$ sudo ln -s libcudnn.so.5 libcudnn.so

然後設置環境變量和動態鏈接庫，在命令行輸入：

$ sudo gedit /etc/profile

在打開的文件末尾加入：

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

保存之後，創建鏈接文件：

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

按下鍵盤i進行編輯，輸入鏈接庫位置：

/usr/local/cuda/lib64

然後按esc，輸入:wq保存退出。並在終端輸入：

$ sudo ldconfig

使鏈接立即生效。

3、cuda用例安裝與測試

在安裝cuda.run文件時，我們已經選擇安裝了samples用例，還需要編譯。因為當前的cuda還不支持gcc5.0以上的版本，在編譯之前，我們需要修改配置文件，否則無法編譯成功。在終端輸入：

$ cd /usr/local/cuda-7.5/include
$ cp host_config.h host_config.h.bak   #備份編譯頭文件
$ sudo gedit host_config.h

然後在115行修改編譯其支持的版本：

# if GNUC > 4 || (GNUC == 4 && GNUC_MINOR > 9) 
# error – unsupported GNU version! gcc versions later than 4.9 are not supported! 
# endif /* GNUC > 4 || (GNUC == 4 && GNUC_MINOR > 9) */

將if後面連續兩個4改為5即可，然後進入用例文件進行編譯：

$ cd /usr/local/cuda/samples
$ sudo make all -j4
$ cd /usr/local/cuda/samples/bin/x86_64/linux/release
$ sudo ./deviceQuery

成功之後會出現下列信息：

CUDA Device Query (Runtime API) version (CUDART static linking) 
Detected 1 CUDA Capable device(s) 
Device 0: “GeForce GTX 960M” 
CUDA Driver Version / Runtime Version 8.0 / 7.5 
CUDA Capability Major/Minor version number: 5.0 
Total amount of global memory: 4044 MBytes (4240375808 bytes) 
( 5) Multiprocessors, (128) CUDA Cores/MP: 640 CUDA Cores 
GPU Max Clock rate: 1176 MHz (1.18 GHz) 
Memory Clock rate: 2505 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 960M 
Result = PASS

通過上述用例測試，就表明顯卡驅動安裝和cuda安裝完全成功了。

二、BLAS安裝與配置

BLAS（基礎線性代數集合）是一個應用程序接口的標准。caffe官網上推薦了三種實現：ATLAS, MKL, or OpenBLAS。其中atlas可以直接通過命令行安裝，在此不再介紹。我采用的是intel的mkl庫，首先，通過上面鏈接在intel官網申請學生版的Parallel Studio XE Cluster Edition ，下載完成之後cd到下載目錄進行安裝：

$ tar zxvf parallel_studio_xe_2016_update3.tgz   #解壓下載文件
$ chmod 777 parallel_studio_xe_2016_update3 -R   #獲取文件權限
$ cd parallel_studio_xe_2016_update3/
$ sudo ./install_GUI.sh

安裝完成之後，進行相關文件的鏈接：

$ sudo gedit /etc/ld.so.conf.d/intel_mkl.conf

在打開的文件中添加庫文件：

/opt/intel/lib/intel64 
/opt/intel/mkl/lib/intel64

添加完成之後，編譯鏈接時lib文件立即生效：

$ sudo ldconfig

三、OpenCV3.1.0安裝與配置

首先安裝必要的庫，有的依賴庫我是已經安裝過的，具體安裝的先後關系已經忘了。如果出現有些依賴關系不滿足的錯誤，可以再安裝庫：

$ sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev    # 必要的基本庫

根據上面的鏈接下載OpenCV3.1.0版本，並進行解壓，解壓之後進入安裝文件目錄:

$ cd opencv-3.1.0
$ mkdir build          #創建build文件夾
$ cd opencv-3.1.0/build
$ cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..  
$ #生成的文件在bulid中，而生成的CMakeList.txt文件在上一級文件中

在configure過程中過程中，可能會出現下面的錯誤:

– ICV: Downloading ippicv_linux_20151201.tgz…

在直接下載該文件的過程中，會因為超時而失敗，可以到幫客之家1號服務器下載,

幫客之家1號FTP服務器下載

------------------------------------------分割線------------------------------------------

FTP地址：ftp://ftp1.bkjia.com

用戶名：ftp1.bkjia.com

密碼：xxxxxx

在 2016年LinuxIDC.com\7月\Ubuntu 16.04下Matlab2014a+Anaconda2+OpenCV3.1+Caffe安裝\

下載方法見

------------------------------------------分割線------------------------------------------

並替換掉 opencv-3.1.0/3rdparty/ippicv/downloads/linux-8b449a536a2157bcad08a2b9f266828b下的同名文件，然後再次cmake即可。生成編譯文件之後，在opencv-3.1.0/build目錄下，終端輸入：

$ make -j4       #四核運算
$ sudo make install

此時，可能會出現另外一個錯誤：

/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;

這也是因為ubuntu16.04的個個g++版本太高的造成的，只需要在opencv-3.1.0目錄下的CMakeList.txt 文件的開頭加入：

set(CMAKE_CXX_FLAGS “${CMAKE_CXX_FLAGS} -D_FORCE_INLINES”)

添加之後再次進行編譯鏈接即可。

4、python安裝與配置

python的安裝有兩種方式：一種是系統自帶的python，只需再安裝相應的庫即可；第二種是直接安裝anaconda，很多相應的庫已經包含了。第一種直接安裝庫文件比較簡單，不需要修改相應的包含路徑和庫文件。本人因為習慣了anaconda，因此選擇的是anaconda linux64 2.7版本(3.5版本我也試過，裝caffe的時候可能會比較麻煩)。下載完成之後，最好也要進行md5sum的檢驗。完成之後，cd進入下載文件所在的目錄，在命令行輸入：

$ bash Anaconda2-4.0.0-Linux-x86_64.sh

安裝完成之後，在.bashrc中添加Anaconda的庫文件，一定不要在/etc/profile文件中添加。因為anaconda有幾個鏈接庫和系統鏈接庫文件類似，如果添加到/etc/profile文件中，會出現電腦重啟之後不能進入界面的情況

$ sudo gedit ~/.bashrc

然後加入庫文件：

export PATH=”/home/lyndon/anaconda2/bin:PATH”exportLDLIBRARYPATH=”/home/lyndon/anaconda2/lib: LD_LIBRARY_PATH”

重啟電腦之後，在命令行輸入：

$ ipython

就可以看到python的版本，並進行運用了。

5、matlab的安裝與配置

在網盤上下載安裝包及Crack破解文件之後，解壓兩個壓縮文件，並用Crack文件中的install替換matlab2014安裝目錄下/java/jar/下的install文件。然後在命令行cd進入matlab2014目錄，輸入：

$ sudo ./install

1、選擇“不聯網安裝”；
2、當出現密鑰時，隨意輸入20個數字12345-67890-12345-67890即可；
3、選擇自己需要安裝的工具；
4、需要激活時選擇不要聯網激活，運用Crack目錄下的“license_405329_R2014a.lic”文件作為激活文件
安裝完成之後，還要將Crack/linux目錄下的libmwservices.so文件拷貝到/usr/local/MATLAB/R2014a/bin/glnxa64。在Crack/linux目錄下的命令行輸入：

$ sudo cp libmwservices.so /usr/local/MATLAB/R2014a/bin/glnxa64
安裝完成之後，直接在命令行輸入matlab，就能過進行使用了

6、caffe的安裝與配置

首先，安裝caffe必要的庫文件:protobuf, glog, gflags, hdf5

$ 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

安裝之後，anaconda應用時還是會出現錯誤。此時用anaconda的安裝工具conda 再安裝必要文件就行了，我安裝了以下文件，後續ipython中就能夠用caffe了。

$ conda install libprotobuf-dev libleveldb-dev 

安裝完成之後，進入caffe下載的文件目錄，在命令行輸入：

$ sudo cp Makefile.config.example Makefile.config # 備份配置文件
$ gedit Makefile.config  # 修改編譯文件

配置文件主要修改：

USE_CUDNN := 1 #取消注釋，應用cudnn 
OPENCV_VERSION := 3 #取消注釋，應用opencv3 
BLAS := mkl #BLAS庫應用英特爾的mkl 
ANACONDA_HOME := /home/lyndon/anaconda2 
PYTHON_INCLUDE := (ANACONDAHOME)/include  (ANACONDA_HOME)/include/python2.7 \ 
(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \  #選用anaconda作為python工具  
  INCLUDE_DIRS := (PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial #加入了 /usr/include/hdf5/serial，防止找不到hdf5.h錯誤

在make過程中可能 string.h ‘memcy’ was not declared in this scope的錯誤是，這也是因為ubuntu中gcc編譯器版本太新，解決方法是打開Makefile文件，搜索並修改：

改 NVCCFLAGS += -ccbin=(CXX)−Xcompiler−fPIC (COMMON_FLAGS) 
為 NVCCFLAGS += -D_FORCE_INLINES -ccbin=(CXX)−Xcompiler−fPIC (COMMON_FLAGS)

還可能出現:/usr/lib/x86_64-linux-gnu/libunwind.so.8: undefined reference to `lzma_index_size@XZ_5.0’，解決改問題只需要添加庫文件路徑就行，在home目錄下的命令行輸入：

$ sudo gedit ～/.bashrc

在文件中加入：

export LD_LIBRARY_PATH=”/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH”

在命令行輸入：
sudo ldconfig #編譯立即生效，然後進入caffe所在目錄 cd /home/lyndon/lyndon/caffe/caffe-master
make all -j4 #編譯文件 make test -j4 #編譯測試文件
makeruntest make pycaffe
$ make matcaffe
如果編譯都沒報錯，則表示基本成功，能夠通過用例進行測試了。在運用anaconda和matlab時都需要修改相應的內容。
anaconda需要將caffe頭文件進行鏈接：

$ sudo gedit ~/.bashrc

export PYTHONPATH=”/home/lyndon/lyndon/caffe/caffe-master/python:$PYTHONPATH” 
之後編譯鏈接庫，打開ipython，輸入：

$ import caffe

即可調用caffe相應模塊了。matlab模塊可以直接測試caffe/matlab/+caffe的用例。

7、總結

至此，ubuntu16.0下的caffe等相關文件全部安裝完畢，其中問題最多的應該是雙顯卡問題中的nvidia驅動安裝的問題，很有可能會驅動不起來，最好弄明白自己出錯的原因，不然重裝系統也沒用。其次，在安裝anaconda過程中，有些教程建議把庫文件加入到/etc/profile環境中，這可能會造成電腦重啟沒法進入桌面的問題。其余的問題都應該不會造成電腦不能重啟不能進入桌面的情況，可以直接google和百度解決。

Ubuntu 14.04安裝Nvidia CUDA7.5並搭建Python Theano深度學習開發環境

Ubuntu下CUDA（含GPU卡驅動）安裝過程

Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置說明

Ubuntu 14.04 安裝配置CUDA

Ubuntu 12.04配置NVIDIA CUDA5.5實錄

Ubuntu安裝Theano+CUDA

關於Ubuntu 12.04 下 CUDA5.5 的安裝請參看如下鏈接 Ubuntu 12.04 安裝 CUDA-5.5

http://xxxxxx/Linuxjc/1141038.html TechArticle