Ubuntu16.04 + cuda8.0 + GTX1080 + matlab14.04a + Opencv3.0 + caffe 安装教程
配置说明：
双硬盘双系统，250G固态硬盘装了win10，4T机械硬盘装了Ubuntu16.04
双显卡：集显加独显（GTX1080）
先按照了win10，再装Ubuntu16.04，都是制作了U盘引导盘安装，没什么好说
说明
1、1080装机只能使用DVI接口的显示器，无法使用VGA或者转接头之类的。或者先使用集显连显示器。当然当你把显卡驱动安好之后，是能用VGA接口的，不过在那之前，VGA不识别。
2、1080需要使用自己的显卡驱动，不能使用cuda 自带的驱动。
3、Ubuntu16.04 系统的默认GCC版本为5.4, 而编译caffe最高只支持5.3.
4、OpenCV不能直接安装，因为cuda8是新出的，opencv 无法识别。
一、安装Ubuntu16.04
1、先上官网下载Ubuntu16.04的镜像iso
2、再用UltraISO制作引导盘
3、U盘按照Ubuntu16.04
在这里发现如果显示器接的是独显1080的话，会出现分辨率问题而无法进行安装界面，屏幕显示“输入不支持”。
在这里卡了很久，也谷歌了好久，网上都说需要手动添加显卡选项: nomodeset，使其支持Nvidia系列显卡。
（参考： 安装ubuntu黑屏问题的解决 or How do I set ‘nomodeset’ after I’ve already installed Ubuntu?）
但发现还是没能解决问题。后来是把视频线接到集显输出后，就能正常进入安装界面，在安装完后，我也是手动修改了grub文件，顺便改改分辨率：
[java] view plain copy
- sudo vim /etc/default/grub
找到这一行:GRUB_CMDLINE_LINUX_DEFAULT="quiet splash"修改为：GRUB_CMDLINE_LINUX_DEFAULT="quiet splashnomodeset"
然后顺便改分辨率
# The resolution used on graphical terminal
# note that you can use only modes which your graphic card supports via VBE
# you can see them in real GRUB with the command `vbeinfo’
#GRUB_GFXMODE=640×480
# 这里分辨率自行设置
GRUB_GFXMODE=1920×1080
更新GRUB：
[html] view plain copy
- sudo update-grub
二、安装nvidia显卡驱动
在这里附上一下关于查看显卡信息的命令
（1）检查你的电脑有哪些显卡
[html] view plain copy
- lspci -k | grep -A 2 -i "VGA"
（2）查看哪一个专有驱动是推荐安装的[html] view plain copy
- sudo ubuntu-drivers devices
有个recommended 的那个驱动就是推荐的。
也可以上官网查自己显卡型号推荐的驱动（http://www.nvidia.cn/Download/index.aspx?lang=cn）
安装驱动有三种方法：（1）run文件；（2）deb文件；（3）第三方安装
各种尝试后发现第三种方法是最简便安全的。试过第一种，要各种配置，装完后还在图形界面那里无限循环了，反正就各种问题
下面是第三种方法：
[html] view plain copy
- sudo add-apt-repository ppa:graphics-drivers
第一次运行出现如下的警告：
Fresh drivers from upstream, currently shipping Nvidia.
## Current StatusWe currently recommend: nvidia−361nvidia-361, Nvidia’s current long lived branch.
For GeForce 8 and 9 series GPUs use nvidia−340nvidia-340 For GeForce 6 and 7 series GPUs use nvidia−304nvidia-304
## What we’re working on right now:– Normal driver updates– Investigating how to bring this goodness to distro on a cadence.
## WARNINGS:This PPA is currently in testing, you should be experienced with packaging before you dive in here.
Give us a few days to sort out the kinks.Volunteers welcome! See also: https://github.com/mamarley/nvidia-graphics-drivers/http://www.ubuntu.com/download/desktop/contribute
更多信息： https://launchpad.NET/~graphics-drivers/+archive/ubuntu/ppa
按回车继续或者 Ctrl+c 取消添加
回车后继续:
[html] view plain copy
- sudo apt-get update
- sudo apt-get install nvidia-367
- sudo apt-get install mesa-common-dev
- sudo apt-get install freeglut3-dev
把上面的显卡驱动型号改成你匹配的型号
之后重启系统让GTX1080显卡驱动生效
测试：
终端输入：
[html] view plain copy
- nvidia-smi
出现类似上述界面说明安装成功了
三、安装cuda-8.0
在安装 CUDA 之前，google了一下，发现在Ubuntu16.04下安装CUDA7.5问题多多，幸好CUDA8已出，支持GTX1080：
从上图也可以看出，CUDA 也有好几种安装方法，
但不推荐用deb方法，因为deb包里自带了一个旧的显卡驱动，不支持1080，安装完后需要重新安装367版本的显卡驱动。
参考文章【3】是按deb方法安装的，可作参考
下面介绍run方法：
1、官网下载“cuda_8.0.27_linux.run”（建议先在windows下载再拷过去），或者从我给的百度网盘里也有下载；
2、sudo sh cuda_8.0.27_linux.run
有可能要加 --override 参数：
这个参数会覆盖原来的驱动，如果没出现问题可以不需要这个参数。
[html] view plain copy
- sh cuda_8.0.27_linux.run --override
启动安装程序，一直按空格到最后，输入accept接受条款
输入n不安装nvidia图像驱动，之前已经安装过了
输入y安装cuda 8.0工具
回车确认cuda默认安装路径：/usr/local/cuda-8.0
输入y用sudo权限运行安装，输入密码
输入y或者n安装或者不安装指向/usr/local/cuda的符号链接
输入y安装CUDA 8.0 Samples，以便后面测试
回车确认CUDA 8.0 Samples默认安装路径：/home/pawn（pawn是我的用户名），该安装路径测试完可以删除
3、添加环境变量
[html] view plain copy
- sudo gedit ~/.bashrc
- export CUDA_HOME=/usr/local/cuda-8.0
- export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
- export PATH=/usr/local/cuda-8.0/bin:$PATH
保存退出后使其立刻生效[html] view plain copy
- source ~/.bashrc
4、安装例程测试
（1）查看cuda版本
[html] view plain copy
- nvcc --version
（2）最后进入cuda自带的例子中看cuda是否已正确配置
[html] view plain copy
- cd ~/NVIDIA_CUDA-8.0_Samples/
- make -j16
这里可能出现gcc、g++版本过高的问题。
两种方法：
a、直接下载低版本的gcc、g++替换之
ubuntu16.04 默认安装的gcc版本为gcc-5.4，（可用gcc --version查看）有时可能需要低版本的，所以我们先安装gcc-4.8.5
[html] view plain copy
- sudo apt-get install -y gcc-4.8 g++-4.8
- sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8 20
- sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.8 20
- cd /usr/bin
- sudo cp gcc gcc_backup
- sudo cp g++ g++_backup
- sudo rm gcc g++
- sudo ln -s gcc-4.8 gcc
- sudo ln -s g++-4.8 g++
这样再用gcc --version查看就是4.8.5了，如果想切换为系统默认的版本：
[html] view plain copy
- sudo rm gcc g++
- sudo ln -s gcc-5 gcc
- sudo ln -s g++-5 g++
b、修改源码，使其支持更高版本的gcc和g++
[html] view plain copy
- cd /usr/local/cuda/include/ #进入到头文件目录
- sudo gedit host_config.h #编辑头文件
Ctrl + F 搜索GNUC，找到一段类似于 “if _GNUC_>5 || (_GNUC_ == 5 &&_GNUC_MINOR_> 3)”
，就是最大支持gcc-5.3，可自己取消该限制。建议改为使其支持gcc-5.4，或者直接把两个5改成6
（3）进入例程
[html] view plain copy
- cd ~/NVIDIA_CUDA-8.0_Samples/bin/x86_64/linux/release
[html] view plain copy
- ./deviceQuery
得到：
./deviceQuery Starting…CUDA Device Query (Runtime API) version (CUDART static linking)Detected 1 CUDA Capable device(s)Device 0: “GeForce GTX 1080” CUDA Driver Version / Runtime Version 8.0 / 8.0 CUDA Capability Major/Minor version number: 6.1 Total amount of global memory: 8112 MBytes (8506179584 bytes) (20) Multiprocessors, (128) CUDA Cores/MP: 2560 CUDA Cores GPU Max Clock rate: 1835 MHz (1.84 GHz) Memory Clock rate: 5005 Mhz Memory Bus Width: 256-bit L2 Cache Size: 2097152 bytes Maximum Texture Dimension Size (x,y,z) 1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384) Maximum Layered 1D Texture Size, (num) layers 1D=(32768), 2048 layers Maximum Layered 2D Texture Size, (num) layers 2D=(32768, 32768), 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 2 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 = 8.0, NumDevs = 1, Device0 = GeForce GTX 1080Result = PASS
说明cuda已经安装成功！
四、安装opencv3.0
网上有opencv3,0的安装脚本，非常方便，如果你还提前下载了对应版本的安装包，那就更省时间了
1、提供一个百度云，里面有安装包。百度云盘链接: http://pan.baidu.com/s/1qX1uFHa 密码:wysa
2、在Install-OpenCV-master文件夹中包含安装各个版本opencv脚本
3、切换到目录执行，安装依赖项：
[html] view plain copy
- sudo sh Ubuntu/dependencies.sh
4、执行opencv3.0安装脚本
[html] view plain copy
- sudo sh Ubuntu/3.0/opencv3_0_0.sh
等待安装完成即可
期间可能会卡在ippcv的下载中，Ctrl + c中断后，可以自行从http://sourceforge.net/projects/opencvlibrary/files/3rdparty/ippicv这里下载，解压到opencv-master —> 3rdparty —> ippicv —> downloads —> Linux-xxxxxxxxxxxxxxxx 下面
再把选项-D WITH_IPP=OFF添加到上面的cmake命令中，重新cmake即可。即
[plain] view plain copy
- cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON -D WITH_QT=ON -D WITH_OPENGL=ON -D WITH_IPP=OFF ..
提醒一下，这时候要把opencv3_0_0.sh这个文件稍微修改一下啊，比如注释掉mkdir build 等，还可以把后面的make -j4改到make -j16
最后就只需要等待安装完就好，过程要挺久的，慢慢等！
问题1、 cuda8.0新出，opencv3.0.0或者2.4.10不支持。报错：
[html] view plain copy
- /home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:120:54: error: ‘NppiGraphcutState’ has not been declared
- typedef NppStatus (*init_func_t)(NppiSize oSize, NppiGraphcutState** ppStat
- ^
- /home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:135:18: error: ‘NppiGraphcutState’ does not name a type
- operator NppiGraphcutState*()
- ^
- /home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:141:9: error: ‘NppiGraphcutState’ does not name a type
- NppiGraphcutState* pState;
解决方案：需要修改一处源码：
在OpenCV/opencv-3.0.0/modules/cudalegacy/src/graphcuts.cpp中做以下修改
[html] view plain copy
- 将
- #if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)
- 改为
- #if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) || (CUDART_VERSION >= 8000)
问题2、opencv可编译成功，但运行时始终遇到问题：
[html] view plain copy
- Invalid device function
这是因为编译的opencv计算能力与电脑显卡的实际计算能力不匹配导致的。一般而言直接添加一下2个cmake编译选项即可解决
[html] view plain copy
- -D CUDA_ARCH_BIN=6.1 -D CUDA_ARCH_PTX=6.1
- #Note:6.1为GTX1080的计算能力,不同显卡需要根据自己的计算能力进行修改
- #查询显卡计算能力，可以通过运行cuda samples中的deviceQuery得知。
- #（文件夹NVIDIA_CUDA-*_Samples下编译示例， *为版本号）
但如果运气不佳，添加编译选项并不能解决问题。这时候我们需要修改opencv中关于CUDA计算能力这部分的配置文件./cmake/OpenCVDetectCUDA.cmake。
[html] view plain copy
- 在
- set(CUDA_ARCH_BIN ${__cuda_arch_bin} CACHE STRING "Specify 'real' GPU architectures to build binaries for, BIN(PTX) format is supported")
- set(CUDA_ARCH_PTX ${__cuda_arch_ptx} CACHE STRING "Specify 'virtual' PTX architectures to build PTX intermediate code for")
- 之前添加
- set(__cuda_arch_bin "6.1")
- set(__cuda_arch_ptx "6.1")
五、安装cudnn
在NVIDIA官网下载cudnn v5.0 for cuda8.0rc：
cudnn-8.0-linux-x64-v5.0-ga.tgz
还有v3，v4，v5.1版本的，可以都先下下来，之后编译或者以后可能会出现cudnn版本不适应的问题，这时候就要一个版本一个版本的去试了
安装过程很简单，直接解压拷贝就可以了：
[html] view plain copy
- tar xvzf cudnn-8.0-linux-x64-v5.0-ga.tgz
- sudo cp cuda/include/cudnn.h /usr/local/cuda/include
- sudo cp cuda/lib64/*.* /usr/local/cuda/lib64
- sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
建立软链接：[html] view plain copy
- cd /usr/local/cuda/lib64/
- sudo rm -rf libcudnn.so libcudnn.so.5
- sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5
- sudo ln -s libcudnn.so.5 libcudnn.so
以后需要更换cudnn版本的时候就把原来的libcudnn*替换掉，再重新软链接就好（建议把重复的步骤做个脚本就方便了）
最后更新一下链接库就可以：
[html] view plain copy
- sudo ldconfig
六、安装matlab14.04a
1.下载
由于该软件为商业软件，仅提供百度云安装学习，并确保不使用做商业目的，下载24小时删除……
下载链接 http://pan.baidu.com/s/1hsucG3E 提取密码 nvb6
2.预准备
将part1.rar压缩文件解压，如果无法解压，可以先安装unrar
[plain] view plain copy
- sudo apt-get install unrar
将Mathworks.iso - 右键 - 使用磁盘映像挂载器打开”，进入装载的虚拟光盘，拷贝全部文件至home/Matlab 文件夹（想要安装的路径）(PS：取名不要有空格)
复制Crack/install.jar至 home/Matlab/Java/jar/ 并覆盖源文件
[plain] view plain copy
- sudo cp install.jar /home/Matlab/java/jar/
- #给安装路径及其子文件夹赋予执行权限
- chmod a+x Matlab -R
3.安装
[plain] view plain copy
- #cd 到安装文件夹下
- sudo ./install
接着会出现一个类似window的安装窗口，按以下步骤操作
选项：不使用Internet安装
序列号： 12345-67890-12345-67890 （随意20位数据）
默认路径：/usr/local/MATLAB/R2014a
建议全选安装
勾选从默认启动路径创建符号链接（实现在任意位置运行matlab启动程序）
激活文件：Crack/license_405329_R2014a.lic
拷贝 Crack/linux目录下的libmwservices.so 至 /usr/local/MATLAB/R2014a/bin/glnxa64
[plain] view plain copy
- sudo cp libmwservices.so /usr/local/MATLAB/R2014a/bin/glnxa64/
4.解决编译器gcc/g++版本问题
因为Ubuntu 16.04的gcc/g++版本是5.4，而Matlab 2014a（2015a）的版本是4.7.x所以在使用matla调用mex文件的时候，基本上都会报错，根据报错信息，考虑如下两步解决方案。
A. 降级安装gcc/g++版本为4.7.x
[plain] view plain copy
- sudo apt-get install -y gcc-4.7 g++-4.7
- cd /usr/bin
- sudo mv gcc gcc-4.9.2 #备份
- sudo ln -s gcc-4.7 gcc
- sudo mv g++ g++-4.9.2
- sudo ln -s g++-4.7 g++
B. 暴力引用新版本GLIBCXX_3.4.21
[plain] view plain copy
- sudo cp /usr/lib/x86_64-linux-gnu/libstdc++.so.6.0.21 /usr/local/MATLAB/R2014a/sys/os/glnxa64/libstdc++.so.6.0.21
- cd /usr/local/MATLAB/R2014a/sys/os/glnxa64
- sudo mv libstdc++.so.6 libstdc++.so.6.backup
- sudo ln -s libstdc++.so.6.0.21 libstdc++.so.6
- sudo ldconfig -v
通过命令“strings /usr/local/MATLAB/R2014a/sys/os/glnxa64/libstdc++.so.6 | grep GLIBCXX_” 可以看一下，是否已经成功包含了GLIBCXX_3.4.21，如果已经存在，基本上就成功了。
建议用方法B，试过方法A，4.7版本的gcc在make all 时都会出错，应该前面cuda编译时用的就是5.4的，除非重装系统，把cuda也用4.7编译。
5.建立桌面快捷方式
在/usr/share/applications 中创建Matlab2014.desktop 文档，并输入以下内容
[plain] view plain copy
- [Desktop Entry]
- Name =Matlab2014
- GenericName = Matlab R2014a
- Comment = Matlab R2014a: The Language of the Techinical Computing
- Exec = sh /usr/local/MATLAB/R2014a/bin/matlab -desktop
- Icon = /usr/local/MATLAB/R2014a/toolbox/nnet/nnresource/icon16/matlab.png
- StartupNotify =true
- Terminal = false
- Type=Application
- #添加该命令后，快捷方式会出现在 Applications/Programming/中
- <p>Categories = Development;Matlab </p>
七、安装caffe
1、安装基本依赖库
[html] view plain copy
- sudo apt-get update
- sudo apt-get install -y build-essential cmake git pkg-config
- sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler
- sudo apt-get install -y libatlas-base-dev
- sudo apt-get install -y --no-install-recommends libboost-all-dev
- sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev
- sudo apt-get install -y python-pip python-dev python-numpy python-scipy # (Python general)
- sudo apt-get install -y libopencv-dev # (OpenCV 2.4)
2、安装科学计算库BLAS(Basic Linear Algebra Subprograms 基本线性代数子程序)
常用的BLAS实现有：Intel MKL、atlas、OpenBLAS等。可以选择其中一种，其中atlas的安装最简单，而MKL最快，本人选择的是MKL。
1)安装atlas
[html] view plain copy
- sudo apt-get install libblas-dev liblapack-dev libatlas-base-dev gfortran
2)安装MKL
a、下载与安装
首先下载并安装英特尔® 数学内核库 Linux* 版MKL(Intel(R) Parallel Studio XE Cluster Edition for Linux 2016)，下载链接是：https://software.intel.com/en-us/qualify-for-free-software/student， 使用学生身份（邮件 + 学校）下载Student版，填好各种信息，可以直接下载，同时会给你一个邮件告知序列号。下载完之后，要把文件解压到home文件夹(注意任何一级文件夹不能包含空格，否则安装会失败)
[html] view plain copy
- tar zxvf parallel_studio_xe_2016.tar.gz （如果你是直接拷贝压缩文件过来的）
- chmod a+x parallel_studio_xe_2016 -R
- sh install_GUI.sh
输入第三条命令后会打开图形安装界面，会有同意协议，输入序列号，选择安装库等，按照流程应该没问题。
PS: 安装的时候，建议使用root权限安装，过程中会要求输入Linux的root口令。（设置方法：命令行：$ sudo passwd）
b、MKL与CUDA的环境设置
1.新建intel_mkl.conf， 并编辑之：
[html] view plain copy
- $ sudo gedit /etc/ld.so.conf.d/intel_mkl.conf
- /opt/intel/lib/intel64
- /opt/intel/mkl/lib/intel64
2.新建cuda.conf，并编辑之：[html] view plain copy
- $ sudo gedit /etc/ld.so.conf.d/cuda.conf
- /usr/local/cuda/lib64
- /lib
3.完成lib文件的链接操作，执行：
[html] view plain copy
- $ sudo ldconfig -v
完成！
3、安装python的pip和easy_install，方便安装软件包
[html] view plain copy
- cd ~
- wget --no-check-certificate https://bootstrap.pypa.io/ez_setup.py
- sudo python ez_setup.py --insecure
- wget https://bootstrap.pypa.io/get-pip.py
- sudo python get-pip.py
安装Python依赖
[html] view plain copy
- cd pyhon #里面有requirements.tx文件
- sudo apt-get install python-pip
- sudo su
- for req in $(cat "requirements.txt"); do pip install -i https://pypi.tuna.tsinghua.edu.cn/simple $req; done
按Ctrl+D退出sudo su模式
4、 编译
1）下载caffe
去https://github.com/BVLC/caffe下载.zip安装包，放在某路径Caffe_Path下解压。
2）修改Makefile.config配置文件
进入caffe根目录：
[html] view plain copy
- cp Makefile.config.example Makefile.config
- gedit Makefile.config
设置以下内容:
[plain] view plain copy
- USE_CUDNN := 1 #取消该句注释
- OPENCV_VERSION := 3 #取消该句注释
- PYTHON_INCLUDE := /usr/include/python2.7 \
- /usr/lib/python2.7/dist-packages/numpy/core/include
- WITH_PYTHON_LAYER := 1 #取消注释
- INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
- LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib \
- /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
保存退出。
3）编译caffe
继续在Caffe-master文件夹目录下：
[html] view plain copy
- make all -j4
- make test -j4
- make runtest -j4
"-j4"是使用CPU的多核进行编译，可以极大地加速编译的速度，建议使用。
必须根据自己CPU情况选择4或8或16，选择过大的数字编译时会出错！！！
编译过程中可能还会有各种问题，大多数都是cudnn的问题，还可能是一些库没安装好，cudnn的问题就换不同版本的cudnn试试。
如果出现问题：
[html] view plain copy
- .build_release/tools/extract_features.o：在函数‘std::string* google::MakeCheckOpString<int, int>(int const&, int const&, char const*)’中：
- extract_features.cpp:(.text._ZN6google17MakeCheckOpStringIiiEEPSsRKT_RKT0_PKc[_ZN6google17MakeCheckOpStringIiiEEPSsRKT_RKT0_PKc]+0x50)：对‘google::base::CheckOpMessageBuilder::NewString()’未定义的引用
可能是gcc版本问题，改回ubuntu16.04自带的gcc-5.4版本即可，居然方法请回去看“三、安装cuda-8.0”时的介绍。
有些是因为电脑问题，支持不了太低版本的cudnn，可能就用不了cudnn了。例如笔记本上显卡是GT540M，它的CUDA Capability是2.1,而官方的cudnn加速是不支持3.0以下的版本的，因此只能在Makefile.config中注释掉USE_CUDNN这行。
=================================================================
简单讲就是GPU的加速性能不够，CUDNN只支持CUDA Capability 3.0以上的GPU加速
==================================================================
如果是一些库的问题，那就手动编译，再在配置文件里加入库路径就好，有问题多百度谷歌，一步步排除，可以先注释cudnn，甚至是注释掉cuda，只是CPU_ONLY，一步步找出是在哪里出问题！
出错了就在原终端中输入make clean清除第一次编译结果
再次输入make all -j4重新编译
4）编译python-caffe接口
[plain] view plain copy
- make pycaffe
编译完在终端输入python，再import caffe，如果没报错说明成功了
报错的话应该就是路径问题，只需要在~/.bashrc文件下export PYTHONPATH即可
[plain] view plain copy
- sudo gedit ~/.bashrc
- #CAFFE_ROOT是caffe的安装路径
- export PYTHONPATH=$CAFFE_ROOT/python:$PYTHONPATH
再尝试import caffe ，应该没问题。
5）编译matlab-caffe接口
打开Makefile.config文件，注释掉MATLAB_DIR，并将MATLAB_DIR换成自己的MATLAB安装路径
[plain] view plain copy
- # This is required only if you will compile the matlab interface.
- # MATLAB directory should contain the mex binary in /bin.
- MATLAB_DIR := /usr/local
- MATLAB_DIR := /usr/local/MATLAB/R2014a # 该路径下应该有bin文件夹
[plain] view plain copy
- make matcaffe
虽然会有警告说gcc版本不一致，但最后还是编译成功了。
可以用matlab自带的一个demo检验一下，打开matlab，在matlab窗口敲入：
[python] view plain copy
- cd $CAFFE_ROOT/matlab/demo/
- im = imread('../../examples/images/cat.jpg');
- [scores, maxlabel] = classification_demo(im, 1);
PS，还要先下一个cifar10里要用到的model：bvlc_reference_caffenet.caffemodel 才可以运行哦！
得到下面的结果即成功！
八、mnist测试
1、获取mnist数据集
下载mnist数据集，终端输入
[html] view plain copy
- cd /home/pawn/caffe/data/mnist/
- ./get_mnist.sh
在/home/pawn/caffe/data/mnist/目录下会多出训练集图片、训练集标签、测试集图片和测试集标签等4个文件
2、mnist数据格式转换
[html] view plain copy
- cd /home/pawn/caffe/
- ./examples/mnist/create_mnist.sh
必须要在第一行之后运行第二行，即必须要在caffe根目录下运行create_mnist.sh
此时在/caffe/examples/mnist/目录下生成mnist_test_lmdb和mnist_train_lmdb两个LMDB格式的训练集和测试集
3、训练mnist
LeNet-5模型描述在/caffe/examples/mnist/lenet_train_test.prototxt
Solver配置文件在/caffe/examples/mnist/lenet_solver.prototxt
执行文件在/caffe/examples/mnist/train的lenet.sh
终端输入
[html] view plain copy
- cd /home/pawn/caffe/
- ./examples/mnist/train_lenet.sh
即可开始训练，准确率一般都有0.99以上
最后想说的是1080太新了，可能caffe还有其他一些环境跟不上的话很容易出现一些意想不到的错误，希望大家都能顺利搭建成功吧！
最后再附上之前写的一篇装ubuntu后推荐安装的软件博文： Ubuntu14.04安装与安装后的软件的安装
九、备份系统
好不容易配好系统了，万一脑残不知动了哪给搞坏了怎么办？先备份个系统吧。
9.1 系统备份
系统设置（system setting）里有Backups，但只能备份还原home文件夹。
首先打开终端进入根目录并获取root权限
[html] view plain copy
- cd /
- sudo su
- tar cvpzf Ubuntu_backup.tgz --exclude=/Ubuntu_backup.tgz --exclude=/mnt --exclude=/home --exclude=/proc --exclude=/sys --exclude=/lost+found /
其中 Ubuntu_backup.tgz为备份系统的名字，exclude参数用于设定忽略的文件夹，最后那个/是指示需要备份的目录。
备份完后就可以拷贝到其他盘里保存了。
9.2 系统恢复
在 Ubuntu_backup.tgz 所在文件夹下打开终端获取root权限，将 Ubuntu_backup.tgz拷贝到根目录下
[html] view plain copy
- sudo su
- cp Ubuntu_backup.tgz /
- cd /
- tar xvpfz Ubuntu.tgz -C /
新建备份时忽略的文件夹，如
[html] view plain copy
- mkdir /proc /lost+found /mnt /sys
参考文章：
1、Ubuntu16.04 + cuda8.0 + GTX1080安装教程
2、ubuntu16.04+gtx1060+cuda8.0+caffe安装、测试经历
3、GTX1070+Ubuntu16+cuda8+Deeplearning配置
4、Caffe + Ubuntu 15.04(16.04) + CUDA 7.5(8) 新手安装配置指南
5、ubuntu(gtx1080)安装caffe
Ubuntu16.04 + cuda8.0 + GTX1080 + matlab14.04a + Opencv3.0 + caffe 安装教程相关推荐
- 详细安装指南-Ubuntu16.04,CUDA8.0,Caffe,OpenCV3.1,Theano,Tensorflow，纯属转载，等待自己修改
服务器系统崩溃,买的组装服务器不靠谱啊,售后很热情,但是技术... Ubuntu16.04 Ubuntu16.04就自己装吧,这个省略.安装完成之后,根据自己实际情况,配置一下怎么上网.之后,更新源, ...
- ubuntu16.04 cuda8.0 caffe 编译 error: cublas_v2.h 没有那个文件或目录
ubuntu16.04 cuda8.0 caffe 编译时遇到 caffe fatal error: cublas_v2.h 没有那个文件或目录 参考:http://blog.csdn.net/qq_ ...
- cuda8.0.44linux.run,ubuntu16.04+cuda8.0+cudnn6+tensorflow(gpu)1.4，一遍成功
8种机械键盘轴体对比 本人程序员,要买一个写代码的键盘,请问红轴和茶轴怎么选? 0 python环境(ubuntu16.04自带2.7.12)0.1 查看python版本与安装路径1 2 3 4pyt ...
- ubuntu16.04+cuda8.0+cudnn5.1+caffe 安装（基于独立主机集成显卡GTX1080Ti）
最近开始配置自己的深度学习主机,由于之前只在笔记本上和单显卡主机上安装过,所以可以说是zero经验,以至于很多问题不了解都当成了bug,故为了方便以后的自己以及大众,特在此写下post一篇.(由于可能 ...
- 深度学习环境配置Ubuntu16.04+CUDA8.0+CuDNN+Anaconda2+openCV2.4.9+caffe（全离线GPU版）
版权声明:本文为博主原创文章,未经博主允许不得转载. https://blog.csdn.net/Bernice_lying [前言] 深度学习燎原之势势不可当,现在很多现场使用深度方法的比赛需要自行 ...
- ubuntu16.04装机：网易云+搜狗拼音+chrome+uGet+caffe（openCV3.1+CUDA+cuDNN+python）
ubuntu16.04装机:网易云+搜狗拼音+chrome+uGet+caffe(openCV3.1+CUDA+cuDNN+python) 寒假之前配好的ubutnu,但是没有做好记录.回校之后需要重 ...
- ubuntu16.04+cuda9.0_cudnn7.5+tensorflow-gpu==1.12.0
1.查找可用的tensorflow源,该命令运行后终端会输出所有可用的源 anaconda search -t conda tensorflow 2.这里name是上一步中输出源的tensorflow ...
- win10+Ubuntu16.04+Quadro P600双系统安装以及独显驱动安装
win10+Ubuntu16.04+Quadro P600双系统安装以及独显驱动安装 终于装完了双系统并完成了显卡配置这一步.安装双系统可以说是巨坑无数,这里从头记录一下 烧录镜像 首先是制作镜像,在 ...
- Ubuntu16.04+Cuda8.0+Caffe+ Opencv3.2+Matlab2015b的配置、安装与编译 (二)
二.安装Cuda,Caffe [参考文献] [1].Ubuntu 16.04 安装配置Caffe 图文详解★★★★ [2]. Ubuntu下安装Caffe.pdf★★★★★ [3]. CUDA_Qui ...
- Ubuntu16.04+CUDA8.0+cudnn v5.1+opencv3.1(2.4.10)+caffe+GTX 1080Ti 机器配置记录
从暑假就开始装环境,一路踩坑,终于忍不了了决定在博客上记录一下,方便自己查看,也希望能帮到遇到同样问题的朋友. 2017.11.23: caffe又不能训练了,怀疑是之前为了提取光流把opencv版本 ...
最新文章
- mybatis源码分析之事务管理器
- T-SQL的高级查询详解（一）--函数的综合应用
- Linux Lernel Panic 报错解决思路
- nyoj117求逆序数 并归排序法
- 2021青海高考文综成绩查询,2021年青海高考分数线预测 文理科录取分数线预测
- python open 追加
- 2018年暑假第四次周赛-图论部分题解
- 【JS基础】异步和单线程
- Ruby 之父：编程要给程序员带来乐趣
- 不同线程产生的map，会崩溃？
- 一文解决C语言运算符的优先性与结合性——Think like a computer
- 如何运营批量推特账户
- 个性篮球队名_你的篮球个性是什么
- Antd的Upload组件上传文件控制文件数量、格式等，以及提交时如何获取文件
- 织梦(dede)更改默认管理员名称admin技巧
- Error contacting service. It is probably not running.
- 华为ensp小型综合实验
- ffmpeg录制桌面(队列方式)
- 中国东极岛，“挑战吧净味君第二季之一级带货王”巅峰成团赛，名单揭晓！
- 即使是月薪2000的工作，也要拿出月薪一万的干劲