ubuntu16.04配置opencv2、python2、cuda8.0、cudnn以及caffe
opencv安装
(1)安装编译工具以及依赖包
安装编译工具:
sudo apt-get install build-essential
安装依赖包:
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
安装可选包:
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
(2)下载opencv-2.4.13,编译安装
这里去官网下载就行了,下载地址:https://opencv.org/releases.html,然后解压,在终端下进入到文件夹opencv-2.4.13(也可在指定文件目录下右键“Open Terminal ”直接打开终端):
cd opencv-2.4.13
新建一个文件夹存放临时文件:
mkdir release
切换到该临时文件夹:
cd release
开始编译:
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..
make -j4
sudo make install
(3)环境配置
配置环境将opencv的库加入到路径,从而让系统可以找到 :
sudo gedit /etc/ld.so.conf.d/opencv.conf
在打开的文件内添加:/usr/local/lib
然后更新:
sudo ldconfig
继续编辑:
sudo gedit /etc/bash.bashrc
在打开的文件末尾加入:
PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH
保存退出,使环境更改立即生效:
source /etc/bash.bashrc
如果想在python里面调用opencv,还需要安装opencv-python,在终端执行如下命令:
sudo apt-get install python-opencv
测试,在终端输入python,然后输入import cv2,如果没报错就说明正常。
cuda、caffe安装
(1)安装依赖项
1、一般依赖项
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
2、BLAS依赖项
sudo apt-get install libatlas-base-dev
或者安装:
sudo apt-get install libopenblas-dev
3、python依赖项
安装python及其头文件(ubuntu16自带python2和python3)
sudo apt-get install python
sudo apt-get install python-dev
安装python依赖项
sudo apt-get install python-numpy
sudo apt-get install ipython
sudo apt-get install ipython-notebook
sudo apt-get install python-sklearn
sudo apt-get install python-skimage
sudo apt-get install python-protobuf
4、安装glog和gflags和lmdb依赖项
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
(2)安装cuda和显卡驱动
下载cuda8.0,下载地址:https://developer.nvidia.com/cuda-80-ga2-download-archive,注意你的系统版本,我这里下载的是cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb。
进入你的cuda下载路径下,在终端输入(注意这里的cuda文件需要改成你下载的文件名字):
sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda
1)安装完成后设置环境变量
sudo gedit /etc/bash.bashrc
在打开的文件末尾添加:
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
然后使更改的环境立刻生效:
source /etc/bash.bashrc
2)安装完毕后验证显卡驱动是否安装完毕(如果检测不到或者提示找不到文件可以重启下系统,因为刚装完显卡驱动)
cat /proc/driver/nvidia/version
3)安装git,并且下载caffe代码,默认存放在你的/home路径下
sudo apt-get install git
git clone https://github.com/BVLC/caffe.git
进入到你的caffe源码目录
cd caffe
4)安装cudnn(选择安装)
CuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案,目前支持的DL库包括Caffe,ConvNet, Torch7等。安装很简单,其实就是执行一些拷贝操作,把头文件和库文件放到系统路径下面而已。
首先需要下载cudnn文件,我下载的是5.1版本:cudnn-8.0-linux-x64-v5.1.tgz(需要注册Nvidia官网帐号下载,当然百度一搜很多资源可以下载),然后解压,会生成一个名为cuda的文件夹,在该目录下,再执行下面的命令:
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/lib64/libcudnn*
5)编译Caffe
如需要使用cuDNN,请将Makefile.config中USE_CUDNN := 1这一行之前的#(注释)去掉,若安装的opencv为版本3,同理也应做出相应改动(若还需要其它配置,请仔细阅读Makefile.config)
cp ./Makefile.config.example ./Makefile.config
如果你的电脑没有GPU,你只要使用CPU,那就将CPU_ONLY前面的注释取消掉。
# CPU-only switch (uncomment to build without GPU support).
# CPU_ONLY := 1
如果要使用GPU,这里不做更改。此时需要更改的是将WITH_PYTHON_LAYER := 1前的注释去掉,方便使用Python调用即可。
# Uncomment to support layers written in Python (will link against Python libs)
WITH_PYTHON_LAYER := 1
同时,为了匹配cuda8.0的计算能力,请把Makefile.config中CUDA_ARCH中的前两行去掉(保留也行,编译的时候会弹出警告)
-gencode arch=compute_20, code=sm_20
-gencode arch=compute_20, code=sm_21
在Makefile.config文件中,添加 /usr/include/hdf5/serial/ 到 INCLUDE_DIRS,也就是把下面第一行代码改为第二行代码。
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
在Makefile文件中,把 hdf5_hl 和hdf5修改为hdf5_serial_hl 和 hdf5_serial,也就是把下面第一行代码改为第二行代码。
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
然后编译即可完成caffe安装
首先执行:(因为我的电脑CPU是4核的,所以采用了4这个参数)
make pycaffe -j4
接着输入:
make all -j4
接着输入命令:
make test -j4
然后输入:
make runtest -j4
如果最后显示通过的话就说明caffe编译成功,当然如果遇到了问题,把报错的信息直接百度,一般都是能解决问题的。
参考文献:
https://www.cnblogs.com/wm123/p/5385940.html
https://blog.csdn.net/woainishifu/article/details/73995489
https://blog.csdn.net/u011452807/article/details/72637421
https://www.cnblogs.com/ygh1229/p/6528134.html
ubuntu16.04配置opencv2、python2、cuda8.0、cudnn以及caffe相关推荐
- ubuntu16.04 配置显卡驱动+cuda8.0+cudnn+pytorch
ubuntu1604 配置显卡驱动cuda80cudnnpytorch 在线安装显卡驱动 离线安装cuda 安装cudnn 配置环境变量 离线安装cond 配置pytorch 测试pytorch 感悟 ...
- Ubuntu16.04 +cuda8.0+cudnn+opencv+caffe+theano+tensorflow配置明细
本文为原创作品,未经本人同意,禁止转载,禁止用于商业用途!本人对博客使用拥有最终解释权 欢迎关注我的博客:http://blog.csdn.net/hit2015spring和http://www.c ...
- Ubuntu16.04+GTX1070显卡驱动+cuda8.0+cudnn5.1+tensorflow-gpu环境配置
决定把自己配环境的过程记录下来,因为自己搭了两遍gpu环境(因为之前搭好后,ubuntu系统自动更新,导致显卡驱动出了问题,循环登录,所以今天又格式化系统,重新来了一遍...所以也提醒大家,装好环境之 ...
- gtx1080 matlab,深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0
这个系列写了好几篇文章,这是相关文章的索引,仅供参考: 接上文<深度学习主机攒机小记>,这台GTX1080主机准备好之后,就是配置深度学习环境了,这里选择了比较熟悉Ubuntu系统,不过是 ...
- 深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080i+CUDA8.0+CUDDN6
一 硬件配置 配置 型号 数量 主板 华硕Z10PE-D8 WS*1 内存 三星 2400 ECC-R 16G* 4 CPU 2673 V3 (2.4主频 12核24线程)* 2 风扇 金钱豹10热管 ...
- 微星GT80S win8+ubuntu16.04.01+theano+tensorflow+cuda8.0深度学习平台搭建
配置了快一个月的电脑,这个GT80S真是不好弄,该遇到的问题基本全都有,下面做个记录: 之前在装系统的时候经常遇到卡死在装机界面中的问题(其他正常的电脑都可以只有这个微星不行),最后才知道是ubunt ...
- Ubuntu16.04+tensorflow(gpu)+Cuda(8.0)+cudnn(5.1)
最近系统出问题,重新配置,直接参考: http://www.52nlp.cn/%E4%BB%8E%E9%9B%B6%E5%BC%80%E5%A7%8B%E6%90%AD%E5%BB%BA%E6%B7% ...
- Ubuntu16.04+GeForce GTX 1070Ti+CUDA8.0+cuDNN6.0+TensorFlow1.3+tf-faster-rcnn训练
1.下载CUDA8.0和CUDNN5.1 百度网盘下载地址(包含8.0和9.0):https://pan.baidu.com/s/1ir3rKhUtU1aIRE7n1BQ5mg 2.安装CUDA8.0 ...
- 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 ...
最新文章
- 企业主要财务指标有哪些
- VTK修炼之道81:VTK开发基础_vtkObject类深入分析
- 计算机应用基础在powerpoint中,计算机应用基础PowerPoint习题1
- Linux学习之十二-Linux文件属性
- [转]Spring SpringMVC SpringBoot SpringCloud概念、关系及区别
- android涂鸦板保存功能,android实现涂鸦,保存涂鸦后的图片,清屏
- SpringCloud Eureka自我保护机制介绍及配置
- 使用MVC框架中要注意的问题(一):修改首页以支持主题
- Hibernate4 buildSessionFactory过时解决方案(Annotation也是一样解决)
- python的字典合并有相同的_将列表中的重复项合并到python字典中
- Pandas 速查手册中文版
- MFC Windows 程序设计[十六]之小小计算器
- 新版个人所得税计算python_最新个税计算 / 个税计算器 小程序 wepy 开发
- CSS div斜线倾斜45度
- 真人玩计算机图片大全集,微信真人表情图片大全 用自己的照片做微信真人表情包(好玩),各类搞笑素材任你选择...
- mac下关闭Chrome的自动更新
- Failed to load resource: the server responded with a status of 404 (Not Found) favicon.ico文件找不到
- win10计算机丢失msvcr,win10计算机丢失MSVCR120文件怎么办
- Calendar获取当前季度、月、周的开始时间结束时间
- C++ 中dynamic_cast的使用方法
热门文章
- C语言发明人丹尼斯-里奇去世
- WCF的优势和性能测试
- 非root用户安装protobuf的python依赖到指定目录
- 8-14 领导者选举
- pyecharts绘制地铁图_安利一个绘制地铁线路KMZ的利器 号称国产谷歌地球
- mysql 一个文章多个分类_jdbc mysql 插入一篇文章并与多个标签,一个分类建立关联关系。...
- 安卓桌面壁纸_安卓视频桌面哪个好用 让手机桌面更炫酷
- java如何遍历字典_Java中如何遍历Map对象的4种方法
- php文件包含漏洞的危害,php文件包含漏洞小结
- 小米手机查看linux代码,如何识别小米设备-MIUI系统