ubuntu16.0 caffe安装
一、安装深度学习所须要的依赖python
执行下面的命令linux
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 libgflags-dev libgoogle-glog-dev liblmdb-dev sudo apt-get install git cmake build-essential
sudo apt-get install -y libatlas-base-dev
二、配置环境变量git
一样使用 gedit 命令打开配置文件：github
sudo gedit ~/.bashrc
打开后在文件最后加入如下两行内容： 浏览器
export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
二、显卡驱动程序安装，bash
因为新版本Ubuntus（> = 14.04）已内置驱动管理程序，能够经过驱动管理程序来安装显卡驱动：“系统设置” - >“软件和更新“ - >”附加驱动“。若是列表中没有相关的选项，请添加源后重试：app
sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update
打开驱动管理，以下，选择version 410.78....安装学习
三、安装cuda测试
从英伟达官网下载cuda10.0, 安装过程当中注意不要选择安装CUDA中集成的显卡驱动和OpenGL！ （当询问时选择 ”N“ ）：ui
chmod +x cuda_10.0.130_410.48_linux.run sudo ./cuda_10.0.130_410.48_linux.run
当安装完成后，请不要忘记在 “.bashrc” 或者 “.zshrc”（在“~/”目录下，您须要使用Ctrl+H来查看隐藏文件）中配置系统环境变量：
export PATH=/usr/local/cuda-10.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH
使该配置生效：
source ~/.bashrc
安装完成后可用 nvcc -V 命令验证是否安装成功，若出现如下信息则表示安装成功：
✗ nvcc -V nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2018 NVIDIA Corporation Built on Sat_Aug_25_21:08:01_CDT_2018 Cuda compilation tools, release 10.0, V10.0.130
四、安装cuDNN
4.1 使用deb包安装
sudo dpkg -i ./libcudnn7_7.5.1.10-1+cuda10.0_amd64.deb sudo dpkg -i ./libcudnn7-dev_7.5.1.10-1+cuda10.0_amd64.deb sudo dpkg -i ./libcudnn7-doc_7.5.1.10-1+cuda10.0_amd64.deb
4.2 压缩包安装：cudnn-10.0-linux-x64-v7.5.1.10.tgz
解压该压缩包，获得一个 cudnn 文件夹，该文件夹下include 和 lib64 两个文件夹，命令行进入 cudn/include 路径下，而后进行如下操做：
sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件
而后命令行进入 cudn/lib64 路径下，运行如下命令：
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn.h sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
在终端输入命令：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
若是出现下图所示版本信息，说明安装成功。
#define CUDNN_MAJOR 7 #define CUDNN_MINOR 5 #define CUDNN_PATCHLEVEL 1 -- #define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL) #include "driver_types.h"
五、opencv安装
因为装了ros系统，自动装了oepncv不须要编译安装。
六、安装OpenBLAS
一、先下载git，而后安装OpenBLAS
mkdir ~/git cd ~/git git clone https://github.com/xianyi/OpenBLAS.git cd OpenBLAS sudo apt-get install gfortran make FC=gfortran -j $(($(nproc) + 1)) sudo make PREFIX=/usr/local install
二、添加lib库的变量路径
echo 'export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH' >> ~/.bashrc
七、安装caffe
安装的路径下 clone caffe代码 ：
git clone https://github.com/BVLC/caffe.git
完成后进入caffe-master，进入 caffe ，将 Makefile.config.example 文件复制一份并改名为 Makefile.config ，执行下列命令完成复制操做 ：
sudo cp Makefile.config.example Makefile.config
复制一份的缘由是编译 caffe 时须要的是 Makefile.config 文件，而Makefile.config.example 只是caffe 给出的配置文件例子，不能用来编译 caffe。
而后修改 Makefile.config 文件，在 caffe 目录下打开该文件：
sudo gedit Makefile.config
修改 Makefile.config 文件内容：
7.1 应用 cudnn
将 #USE_CUDNN := 1 修改为： USE_CUDNN := 1
7.2 应用 opencv 版本
将 #OPENCV_VERSION := 3 修改成： OPENCV_VERSION := 3
7.3 使用 python 接口
将 #WITH_PYTHON_LAYER := 1 修改成 WITH_PYTHON_LAYER := 1
7.4 修改 python 路径
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib 修改成： INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
7.5 若是安装了OpenBLAS，修改BLAS参数
sed -i 's/BLAS := atlas/BLAS := open/' Makefile.config
7.6 修改 caffe 目录下的 Makefile 文件
将： NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS) 替换为： NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
再修改
将： LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5 改成： LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
7.7 编译
在 caffe 目录下执行 ：
sudo make all -j4
7.8 编译成功后可运行测试：
sudo make runtest -j4
表示编译安装成功
八、安装 pycaffe notebook 接口环境
成功安装 caffe 以后，就能够经过 caffe 去作训练数据集或者预测各类相关的事了，只不过须要在命令行下经过 caffe 命令进行操做，而这一步 pycaffe 的安装以及 notebook 环境配置只是为了更方便的去使用 caffe ，实际上大多数都是经过 python 来操做 caffe 的，而 notebook 使用浏览器做为界面，能够更方便的编写和执行 python 代码。
首先编译 pycaffe :
cd caffe sudo make pycaffe -j4
配置notebook环境
首先要安装python接口依赖库，在caffe根目录的python文件夹下，有一个requirements.txt的清单文件，上面列出了须要的依赖库，按照这个清单安装就能够了。
在安装scipy库的时候，须要fortran编译器（gfortran)，若是没有这个编译器就会报错，所以，咱们能够先安装一下。
首先进入 caffe
/python 目录下，执行安装代码：
sudo apt-get install gfortran for req in $(cat requirements.txt); do sudo pip install $req; done
安装完成之后执行：
sudo pip install -r requirements.txt
就会看到，安装成功的，都会显示Requirement already satisfied, 没有安装成功的，会继续安装。
而后安装 jupyter ：
sudo pip install jupyter
安装完成后运行 notebook :
jupyter notebook
或
ipython notebook
就会在浏览器中打开notebook。
九、安装过程遇到的坑
8.一、编译时，提示以下错误
nvcc fatal : Unsupported gpu architecture 'compute_20' nvcc fatal : Unsupported gpu architecture 'compute_20' Makefile:605: recipe for target '.build_release/cuda/src/caffe/util/math_functions.o' failed
缘由是cuda版本不兼容，在Makefile.config 中 CUDA_ARCH 设置没有去掉不兼容的arch，根据提示：
# CUDA architecture setting: going with all of them. # For CUDA < 6.0, comment the *_50 through *_61 lines for compatibility. # For CUDA < 8.0, comment the *_60 and *_61 lines for compatibility. # For CUDA >= 9.0, comment the *_20 and *_21 lines for compatibility. CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \ -gencode arch=compute_20,code=sm_21 \ -gencode arch=compute_30,code=sm_30 \ -gencode arch=compute_35,code=sm_35 \ -gencode arch=compute_50,code=sm_50 \ -gencode arch=compute_52,code=sm_52 \ -gencode arch=compute_60,code=sm_60 \ -gencode arch=compute_61,code=sm_61 \ -gencode arch=compute_61,code=compute_61
电脑cuda为10.0，因此须要删除
-gencode arch=compute_20,code=sm_20 \ -gencode arch=compute_20,code=sm_21 \ 以后编译成功
8.二、cuda库找不到
.build_release/tools/caffe .build_release/tools/caffe: error while loading shared libraries: libcudart.so.10.0: cannot open shared object file: No such file or directory Makefile:543: recipe for target 'runtest' failed make: *** [runtest] Error 127
解决方法：
将相应的库文件复制到/usr/lib，终端运行以下命令：
sudo cp /usr/local/cuda-10.0/lib64/libcudart.so.10.0 /usr/local/lib/libcudart.so.10.0 && sudo ldconfig sudo cp /usr/local/cuda-10.0/lib64/libcublas.so.10.0 /usr/local/lib/libcublas.so.10.0 && sudo ldconfig sudo cp /usr/local/cuda-10.0/lib64/libcurand.so.10.0 /usr/local/lib/libcurand.so.10.0 && sudo ldconfig
ps. ldconfig命令是一个动态连接库管理命令，是为了让动态连接库为系统共享
8.4 编译 pycaffe时报错：fatal error: numpy/arrayobject.h没有那个文件或目录
python/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: 没有那个文件或目录
python2已经安装了numpy，但仍是报这个错误
进入python2
import numpy as np
np.get_include()
获得：
/usr/local/lib/python2.7/dist-packages/numpy/core/include 在Makefile.config找到PYTHON_INCLUDE，发现有点不一样： PYTHON_INCLUDE := /usr/include/python2.7 \ /usr/lib/python2.7/dist-packages/numpy/core/include 要加一个local，变成： PYTHON_INCLUDE := /usr/include/python2.7 \ /usr/local/lib/python2.7/dist-packages/numpy/core/include
再make pycaffe就ok了
8.5 import caffe时
ImportError:No module named skimage.io
解决办法：
多是咱们没有安装所谓的skimage.io模块，因此能够用如下的命令来安装：
pip install scikit-image
关掉终端，从新进入再编译
或者：
sudo pip install scikit-image
另外一种方法：
sudo apt-get install python-skimage
8.6 导入 caffe 时出现错误：
File "<stdin>", line 1, in <module> ImportError: No module named caffe
解决方法：
sudo echo export PYTHONPATH="~/caffe-master/python" >> ~/.zshrc
source ~/.zshrc
在python2中导入caffe
8.4 python3使用caffe
raceback (most recent call last): File "<stdin>", line 1, in <module> File "/home/wyl/caffe/python/caffe/__init__.py", line 1, in <module> from .pycaffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, RMSPropSolver, AdaDeltaSolver, AdamSolver, NCCL, Timer File "/home/wyl/caffe/python/caffe/pycaffe.py", line 13, in <module> from ._caffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, \ ImportError: dynamic module does not define module export function (PyInit__caffe)