ubuntu16.04+CUDA8.0+GTX1080Ti+yolo3详细配置

本片博客的安装环境是ubuntu16.04系统和已经安装好的GPU驱动，GPU安装驱动请自行完成。
安装好驱动以后执命令查看安装的驱动版本：

sudo nvidia-smi

• 1

能够看到个人驱动是384.130版

1. 安装CUDA

cuda的下载

我这里选择cuda-8.0.44进行下载。这个是下载cuda的连接地址：https://developer.nvidia.com/cuda-80-download-archive
下载下来的文件放到/home目录下，你们也能够选择适合本身电脑的CUDA版本进行下载。

cuda的安装

执行下面的命令进行安装：

sudo sh cuda_8.0.44_linux.run

• 1

注意：在安装的时候首先要一直按enter键完成安装文档的阅读，而后选择 accept 接下来会出现让你选择是否安装nvidia361驱动，由于前面驱动已经安装好了，因此这里要选择no，不安装默认驱动

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?#就是这里要选择no

• 1

cuda环境的配置

打开~/.bashrc 文件，并添加3句命令到文件的末尾。

sudo vim ~/.bashrc         #打开.bashrc文件

export CUDA_HOME=/usr/local/cuda-8.0    #将export这3句添加到文件的末尾。
export PATH=$PATH:${CUDA_HOME}/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:${CUDA_HOME}/lib64

• 1
• 2
• 3
• 4
• 5

以下图所示：

source ~/.bashrc   #执行命令使.bashrc文件配置生效

• 1

测试cuda是否安装成功

一样在/home根目录下执行下面的命令，测试是否成功安装CUDA，若执行完命令显示GPU的相关信息表示安装成功。

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery #由本身电脑目录决定
sudo make
sudo ./deviceQuery

• 1
• 2
• 3

2. 安装cudnn

cudnn的安装更加简单，其实就是复制文件和创建软链接。

cudnn的下载

cudnn的下载连接以下，须要注册，而后再登陆进去，选择适合本身的版本下载
https://developer.nvidia.com/rdp/cudnn-download
我这里下载的是cudnn6.0版本的，登录进去以后选择Archived cuDNN Releases 而后选择cudnn v6.0…for CUDA 8.0下载

cudnn的安装

下载完成以后解压到/home目录下，文件夹重命名为cudnn6，而后执行下面的命令进行安装

vim setupcudnn.sh    #新建一个shell脚本文件，文件里面复制下面的内容进去

• 1

#!/bin/bash

echo "remove libcudnn* file of /usr/local/cuda/lib64"
sudo rm -rf /usr/local/cuda/lib64/libcudnn.s*   #删除旧版本cudnn

echo "copy cudnn.h to usr/local/cuda/include"
sudo cp /home/user_name/cudnn6/include/cudnn.h /usr/local/cuda/include   #复制cudnn.h文件到/usr/local/cuda/include目录下，这里的user_name改成本身的用户名
sudo chmod 777 -R /usr/local/cuda/include    #对复制后的文件解除权限

echo "copy lib* to usr/local/cuda/lib64"
sudo cp /home/user_name/cudnn6/lib64/lib* /usr/local/cuda/lib64    #同上
sudo chmod 777 -R /usr/local/cuda/lib64    #同上

sudo ldconfig   #对全部的复制和解除权限操做执行生效

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15

而后保存setupcudnn.sh文件的内容，并执行下面的命令进行安装：

sudo bash setupcudnn.sh   #执行setupcudnn.sh脚本中的命令，安装cudnn

• 1

注意：这里将安装命令写成脚本文件的好处是，后面若是要进行其余cudnn版本的安装，只要稍加修改这个脚本，而后运行就能够迅速完成安装。例如要安装cudnn7版本，下载cudnn7，解压文件重命名为cudnn7，把脚本文件里的cudnn6修改成cudnn7，而后执行sudo bash setupcudnn.sh 就完成了安装。

3. 安装Opencv3.1.0

opencv的下载

下载地址https://opencv.org/releases.html
选择3.1.0版本sources下载，解压到/home根目录下，文件夹重命名为opencv

opencv的安装

• 安装依赖项
  执行如下命令安装依赖项：

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

• 1
• 2
• 3

• 修改opencv编译配置文件
  进入到opencv/cmake 目录下，找到OpenCVDetectCUDA.cmake文件并打开，定位到21行，修改set(HAVE_CUDA 1)为set(HAVE_CUDA 0)。
  这里修改的目的是为了不后面执行sudo make install出现以下的错误信息。

nvcc warning : The 'compute_20', 'compute_20','sm_21' architectures are deprecated

• 1

备注：出现上面的错误信息的缘由是使用CUDA配置opencv引发的。将HAVE_CUDA 设为0以后，在后面的编译过程当中就会关闭CUDA，解决这个问题。

进入到opencv 目录下，找到CMakeList.txt文件并打开，定位到176,177行，将ON改成OFF。

• 安装opencv
  在opencv目录下新建build文件夹。

cd build    #进入到build文件夹
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..    #开始编译
make -j8   
sudo make install -j8

• 1
• 2
• 3
• 4

执行完上面的命令就完成了opencv的安装，执行下面的命令测试是否安装成功,若是不出现报错信息就说明安装成功。

python
import cv2

• 1
• 2

备注：

错误1： fata error: LAPACKE_H_PATH-NOTFOUND when building OpenCV 3.1
解决办法：sudo apt-get install liblapacke-dev checkinstall
在安装的过程当中可能还会还会出现其余各类各样的错误信息，这就靠本身依靠网络资源寻找解决方案了。通常从报错的信息提示入手，不断的卸载，安装，不断的尝试不一样的方法，问题都会解决的。
小技巧：

• 在安装过程当中若出现不明问题，能够执行sudo find / -iname "*opencv*查找opencv安装路径，把*opencv*替换成*lib*就能够查找缺失的某个库文件，从而为解决问题寻找思路。
• 卸载opencv，通常是先删除下载下来的opencv文件夹，而后进入到/usr/lib/,/usr/bin/,/usr/share/,/usr/include/,/usr/include删除含有OpenCV的文件夹便可。

4. 安装yolov3

darknet的安装

yolov3是在darknet平台上实现的，darknet安装教程按照官网步骤就能够了，官网连接https://pjreddie.com/darknet/install/

git clone https://github.com/pjreddie/darknet.git    #从github上下载darknet安装包

• 1

• darknet的MakeFile配置
  进入到下载下来的darknet文件夹下，打开Makefile，对以下几个地方进行修改
  
  

备注

这里的ARCH= -gencode arch=compute_61,code=[sm_61,compute_61]根据本身的GPU型号的计算能力进行设置，能够经过下面连接查找GPU的计算能力。GTX1080Ti的计算能力是6.1，因此设置为61，其余型号的对照修改吧。
https://developer.nvidia.com/cuda-gpus

• darknet的安装
  在darknet目录下，执行

make -j8

• 1

• darknet的测试
  一样在darknet目录下，执行

wget https://pjreddie.com/media/files/yolov3.weights   #下载权重文件
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg  #使用下载的权重文件进行图片检测

• 1
• 2

运行成功后会出现下面的图片，并在darknet目录下生成predictions.png文件

至此教程结束。