您當前位置：首頁 > 數據庫 > 數據庫應用 > Ubuntu16.04+matlab2014a+anaconda2+OpenCV3.1+caffe安裝

Ubuntu16.04+matlab2014a+anaconda2+OpenCV3.1+caffe安裝

來源：程序員人生發布時間：2016-08-11 08:32:19 閱讀次數：4543次

本次安裝caffe是在新的筆記本上，感覺與之前在臺式機上的安裝還是有1定的區分。加上是在新的ubuntu16.04系統上安裝的，可參考教程較少。而且其中添加了很多庫，修改的1些毛病，難免會有遺漏。如果發現本文未提及毛病，歡迎1起討論學習。另外，看到有的人說安裝了半個多月，屢次重裝，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進程和內容，避免遺漏和重復，出問題了也能夠與他人的教程相對照。
首先介紹安裝條件和軟件準備：
- 聯想筆記本電腦Y700⑴5ISK，雙顯卡nvidia的GTX960M，內存16G
- Ubuntu16.04系統，選擇該系統主要是能夠完善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anaconda2⑷.0，即python2.7
- matlab2014a下載與安裝，下載鏈接http://pan.baidu.com/s/1c2I6UTM ,密碼jdit
- caffe官網下載與安裝

參考博客與文章：
ubuntu16.04系統cuda7.5安裝教程：https://www.pugetsystems.com/labs/hpc/NVIDIA-CUDA-with-Ubuntu⑴6-04-beta-on-a-laptop-if-you-just-cannot-wait⑺75/
caffe官網教程：http://caffe.berkeleyvision.org/installation.html
ubuntu16.04系統cuda7.5配置與caffe安裝教程：http://blog.csdn.net/g0m3e/article/details/51420565
ubuntu14.04系統上caffe安裝：http://www.cnblogs.com/platero/p/3993877.html

1、Ubuntu16.04系統安裝

這1部份接觸過ubuntu系統的應當比較熟習，網上也有很多可以參考的例子，就不再贅述。另外，我是在1個SSD固態硬盤上單獨安裝的系統，之前在臺式機上也是這么實現的，感覺這樣和windows雙系統故障會少些。

2、顯卡驅動與cuda安裝

1、顯卡驅動安裝

安裝完ubuntu16.04系統以后，直接更新系統并重啟。在多顯卡的筆記本中，可能需要在BIOS系統里選擇”自由選擇顯卡“，這樣系統才能辨認nvidia的顯卡，并進行驅動更新。我這里是應用ppa更新的最新驅動，使用起來能夠得到挺好的體驗，并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，然后加入官方ppa源：

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

需要輸入用戶密碼，并確認鏈接源。以后刷新軟件庫并安裝最新的驅動，在命令行輸入：

$ sudo apt-get update
$ sudo apt-get install nvidia⑶67 nvidia-settings nvidia-prime

由于聯想筆記本的UEFI保護，會謝絕第3方的驅動，因此需要關閉該保護，關閉以后重啟能夠正常驅動nvidia，并能夠進行雙顯卡的切換。
安裝完成以后，可以通過系查看系統屬性，看是不是是nvidia的顯卡。另外，也能夠通過下面命令看是不是安裝成功：

$ nvidia-settings

nvidia settings界面

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

2、cuda7.5 安裝與配置

首先下載cuda7.5.run文件，以下圖所示：
cuda7.5下載版本
可以看到當前cuda7.5還不支持ubuntu16.04。參考他人的教程，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文件以后，1定要進行進行md5檢驗，校驗碼不對會出現安裝以后重啟不能進入界面的問題。
下載完成以后，cd進入文件所在目錄，在終端進行以下操作

$ chmod 777 cuda_7.5.18_linux.run     #獲得文件權限
$ sudo ./cuda_7.5.18_linux.run --override #履行文件安裝

注意后面的override是必須的，這樣才能保證安裝的進程中，不會出現編譯器不支持的毛病。另外，在選擇條件的進程中，1定不要再次安裝nvidia驅動，雖然cuda.run文件本身是包括又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：
cuda.run文件安裝界面
安裝完成以后會出現

============ Summary ============
Driver: Not Selected
Toolkit: Installed in /usr/local/cuda⑺.5
Samples: Installed in /usr/local/cuda⑺.5

以后更換cudnn動態庫，可以取得更快的計算效力。下載完cudnn5.0以后進行解壓，cd進入cudnn5.0解壓以后的include目錄，在命令行進行以下操作：

$ 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

然后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

保存以后，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

然后按esc，輸入:wq保存退出。并在終端輸入：

$ 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，我們已選擇安裝了samples用例，還需要編譯。由于當前的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，否則沒法編譯成功。在終端輸入：

$ cd /usr/local/cuda⑺.5/include
$ cp host_config.h host_config.h.bak   #備份編譯頭文件
$ sudo gedit host_config.h

然后在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后面連續兩個4改成5便可，然落后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

成功以后會出現以下信息：

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。

2、BLAS安裝與配置

BLAS（基礎線性代數集合）是1個利用程序接口的標準。caffe官網上推薦了3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。我采取的是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 ，下載完成以后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   #獲得文件權限
$ cd parallel_studio_xe_2016_update3/
$ sudo ./install_GUI.sh

安裝完成以后，進行相干文件的鏈接：

$ 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

添加完成以后，編譯鏈接時lib文件立即生效：

$ sudo ldconfig

3、OpenCV3.1.0安裝與配置

首先安裝必要的庫，有的依賴庫我是已安裝過的，具體安裝的前后關系已忘了。如果出現有些依賴關系不滿足的毛病，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，并進行解壓，解壓以后進入安裝文件目錄:

$ cd opencv⑶.1.0
$ mkdir build          #創建build文件夾
$ cd opencv⑶.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1級文件中

在configure進程中進程中，可能會出現下面的毛病:

– ICV: Downloading ippicv_linux_20151201.tgz…

在直接下載該文件的進程中，會由于超時而失敗，可以下載http://download.csdn.net/detail/yehuohan/9511463, 并替換掉 opencv⑶.1.0/3rdparty/ippicv/downloads/linux⑻b449a536a2157bcad08a2b9f266828b下的同名文件，然后再次cmake便可。生成編譯文件以后，在opencv⑶.1.0/build目錄下，終端輸入：

$ make -j4       #4核運算
$ sudo make install

此時，可能會出現另外1個毛病：

/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;

這也是由于ubuntu16.04的個個g++版本太高的釀成的，只需要在opencv⑶.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”)

添加上后再次進行編譯鏈接便可。

4、python安裝與配置

python的安裝有兩種方式：1種是系統自帶的python，只需再安裝相應的庫便可；第2種是直接安裝anaconda，很多相應的庫已包括了。第1種直接安裝庫文件比較簡單，不需要修改相應的包括路徑和庫文件。本人由于習慣了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)。下載完成以后，最好也要進行md5sum的檢驗。完成以后，cd進入下載文件所在的目錄，在命令行輸入：

$ bash Anaconda2⑷.0.0-Linux-x86_64.sh

安裝完成以后，在.bashrc中添加Anaconda的庫文件，1定不要在/etc/profile文件中添加。由于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，會出現電腦重啟以后不能進入界面的情況

$ sudo gedit ~/.bashrc

然后加入庫文件：

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

重啟電腦以后，在命令行輸入：

$ ipython

就能夠看到python的版本，并進行應用了。

5、matlab的安裝與配置

在網盤上下載安裝包及Crack破解文件以后，解壓兩個緊縮文件，并用Crack文件中的install替換matlab2014安裝目錄下/java/jar/下的install文件。然后在命令行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，隨便輸入20個數字12345⑹7890⑴2345⑹7890便可；
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，應用Crack目錄下的“license_405329_R2014a.lic”文件作為激活文件
安裝完成以后，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
安裝完成以后，直接在命令行輸入matlab，就可以過進行使用了

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

安裝以后，anaconda利用時還是會出現毛病。此時用anaconda的安裝工具conda 再安裝必要文件就好了，我安裝了以下文件，后續ipython中就可以夠用caffe了。

$ conda install libprotobuf-dev libleveldb-dev

安裝完成以后，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，利用cudnn
OPENCV_VERSION := 3 #取消注釋，利用opencv3
BLAS := mkl #BLAS庫利用英特爾的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，避免找不到hdf5.h毛病

在make進程中可能 string.h ‘memcy’ was not declared in this scope的毛病是，這也是由于ubuntu中gcc編譯器版本太新，解決方法是打開Makefile文件，搜索并修改：

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，然落后入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。在應用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”
以后編譯鏈接庫，打開ipython，輸入：

$ import caffe

便可調用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等相干文件全部安裝終了，其中問題最多的應當是雙顯卡問題中的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緣由，不然重裝系統也沒用。其次，在安裝anaconda進程中，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。其余的問題都應當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。

生活不易，碼農辛苦
如果您覺得本網站對您的學習有所幫助,可以手機掃描二維碼進行捐贈
程序員人生