首先吐个槽，ubuntu + nvidia的显卡驱动简直是反人类，害的我折腾了一天多。

一、问题及解决办法

寒假放假回家没事干，正好给家里电脑升级了显卡gtx1050可以跑跑CNN。我在实验室的显卡是560，比较老了，按着实验室的环境配置流程走下来居然不能用，症状就是在Python中不能成功的import caffe，然后重启后无限循环登录。

问题：

不能进入ubuntu的图形界面，在登录界面循环。

解决办法：

Nvidia显卡驱动的锅，卸载显卡驱动，按Ctrl+Alt+F1进入终端模式登录，输入命令

[html] view plain copy
  1. sudo apt-get remove --purge nvidia*

卸载显卡驱动，然后重启计算机，命令如下：

[html] view plain copy
  1. sudo reboot

现在就可以登录图形界面进行cuda + cudnn + caffe的环境配置了。

二、安装流程

2.1 Opencv安装

在caffe中其实是调用了Opencv的一些服务的，因此我们首先需要安装Opencv，安装流程如下：
（1）在Opencv官网下载http://opencv.org/downloads.html需要的Opencv linux版的安装包，这里我选择的Opencv 2.4.12；
（2）依赖包的安装，主要命令如下：
[html] view plain copy
  1. sudo apt-get install build-essential
  2. sudo apt-get install  libgtk2.0-dev libavcodec-dev libavformat-dev  libtiff4-dev  libswscale-dev libjasper-dev
  3. sudo apt-get install cmake
  4. sudo apt-get install pkg-config

（3）把Opencv安装包解压，放到某目录下，这里我是放到了home目录下，在Opencv的目录下新建文件夹为release，在终端中进入Opencv的release目录，运行如下命令：

[html] view plain copy
  1. cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..

（4）使用如下命令编译Opencv并安装：

[html] view plain copy
  1. make
  2. sudo make install

至此Opencv已经安装完成，可以使用codeblocks建工程使用Opencv进行测试，方法见我的一篇博文《Ubuntu下codeblocks安装配置方法及opencv配置方法》

2.2 配置其他依赖

这里我有一个shell脚本文件，可以把它复制到一个新的.sh文件中，并使用如下命令给该.sh文件赋予运行的权限(xxx表示文件名）
[html] view plain copy
  1. sudo chmod a+x xxx.sh

运行该shell脚本

[html] view plain copy
  1. sh ./xxx.sh

shell脚本内容如下：

[html] view plain copy
  1. #!/bin/bash
  2. # ATLAS
  3. echo "===========atlas=============="
  4. apt-get -y install libatlas-base-dev
  5. # snappy
  6. echo "===========snappy=============="
  7. # apt-get -y install snappy
  8. apt-get -y install libsnappy-dev
  9. # boost
  10. echo "===========boost=============="
  11. apt-get -y install libboost-dev
  12. apt-get -y install libboost-filesystem-dev
  13. apt-get -y install libboost-system-dev
  14. apt-get -y install libboost-thread-dev
  15. apt-get -y install libboost-python-dev
  16. # protobuf
  17. echo "===========protobuf=============="
  18. apt-get -y install libprotobuf-dev
  19. apt-get -y install protobuf-compiler
  20. apt-get -y install python-protobuf
  21. # leveldb
  22. echo "===========leveldb=============="
  23. apt-get -y install libleveldb-dev
  24. # lmdb
  25. echo "===========lmdb=============="
  26. apt-get -y install liblmdb-dev
  27. # hdf5
  28. echo "===========hdf5=============="
  29. apt-get -y install libhdf5-dev
  30. # glog
  31. echo "===========glog=============="
  32. apt-get -y install libgoogle-glog-dev
  33. # gflag
  34. echo "===========gflag=============="
  35. apt-get -y install libgflags-dev
  36. # cython
  37. echo "===========cython=============="
  38. apt-get -y install cython
  39. # scipy
  40. echo "===========scipy=============="
  41. apt-get -y install python-scipy
  42. # scikit-image
  43. echo "===========scikit-image=============="
  44. apt-get -y install python-skimage
  45. # pyyaml
  46. echo "===========pyyaml=============="
  47. apt-get -y install python-yaml
  48. # easydict
  49. echo "===========easydict=============="
  50. apt-get -y install python-pip
  51. # 指定使用科大镜像源安装easydict
  52. pip install easydict -i https://pypi.mirrors.ustc.edu.cn/simple
  53. ## 错误排查
  54. # 修复一个比较奇怪的一定要检查这个目录是否存在的问题
  55. mkdir -p /usr/lib64
  56. # 修复cuda链接库找不到的问题
  57. echo "/usr/local/cuda/lib64" > cuda.conf
  58. cp cuda.conf /etc/ld.so.conf.d
  59. ldconfig

这个shell脚本是我师兄写的，在这里鸣谢我师兄！

2.3 caffe源码下载及编译

（1）安装git

[html] view plain copy
  1. sudo apt-get install git

（2）拉取caffe源码

[html] view plain copy
  1. git clone https://github.com/BVLC/caffe.git

（3）设置Makefile.config文件

把Makefile.config.example文件中内容进行复制，复制到新建的文件Makefile.config中，修改以下几项：
i：把USE_CUDNN := 1这一行的注释取消掉，因为gtx1050的算力是6.1高于3.0，是可以使用cuDNN加速的，这里具体看自己的显卡配置；
ii：在INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include行后加空格，然后添加/usr/include/hdf5/serial
（4）编译caffe
i：在计算机中搜寻libhdf5_serial.so.10.1.0文件，找到其所在目录，在终端中进入该目录，并执行以下命令：
[html] view plain copy
  1. sudo ln libhdf5_serial.so.10.1.0 libhdf5.so
  2. sudo ln libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so
  3. sudo ldconfig
  4. make all -j4

ii：执行以下命令，其中-j4是表示使用4个线程进行编译

[html] view plain copy
  1. make test -j4
  2. make runtest -j4
  3. make pycaffe -j4
  4. make distribute

至此，caffe已经安装完成。

2.4 Nvidia驱动安装

这里注意，一定要去Nvidia官网上去下载驱动，特别是针对10系的显卡！！！

其他的老显卡，比如我实验室的GTX 560不用这么麻烦就可以，我也只配置过这两个显卡，10系显卡最好按照我这里的方法进行操作。
（1）去Nvidia官网下载GTX 1050驱动，网址如下：http://www.geforce.cn/drivers
（2）给下载的驱动程序赋予可执行权限，这里的.run文件是显卡的驱动程序，安装时注意换成自己的文件名
[html] view plain copy
  1. sudo chmod a+x NVIDIA-Linux-x86_64-375.26.run

（3）关闭Ubuntu图形界面

[html] view plain copy
  1. sudo service lightdm stop
使用Ctrl + Alt + F1进入终端界面并登录
（4）安装Nvidia驱动
在终端中进入之前下载的驱动程序所在的目录并执行以下命令：
[html] view plain copy
  1. sudo ./NVIDIA-Linux-x86_64-375.26.run --no-x-check --no-nouveau-check --no-opengl-files
安装好驱动程序以后开启Ubuntu图形界面
[html] view plain copy
  1. sudo service lightdm start

按Ctrl + Alt + F7进入图形界面。

至此Nvidia驱动安装完成。

2.5 Cuda安装

同样，这里的Cuda安装时也不要使用命令行直接安装，去Nvidia官网https://developer.nvidia.com/cuda-downloads下载cuda进行安装

这里同样要注意，下载时要选择runfile类型文件，具体的选择类型如下图所示：

文件有1.4G大小，最好用迅雷下会快一些。

下载好Cuda，安装过程如下：
[html] view plain copy
  1. sh cuda_8.0.27_linux.run --override

首先会提醒你看一些它的使用协议，一直按空格直到出现是否同意，选择Accept

程序会问你要不要安装Nvidia驱动，这里千万不要选择安装，因为我们已经安装过了，而且GTX1050这里安装的驱动与我们之前安装的驱动版本是不一样的，如果选择安装又会出现无限循环登录的问题（血的教训）；
接下来的安装过程一路选择yes，然后按照默认的来就可以了。

2.6 cuDNN安装

去Nvidia官网https://developer.nvidia.com/rdp/cudnn-download下载cuDNN安装包，选择这个：Download cuDNN v5.1 (August 10, 2016), for CUDA 8.0 版本

解压安装包以后会出现cuda的目录，进入该目录
[html] view plain copy
  1. cd cuda/include/
  2. sudo cp cudnn.h /usr/local/cuda/include/
  3. cd ../lib64
  4. sudo cp lib* /usr/local/cuda/lib64/
  5. sudo chmod a+r /usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*

接下来执行以下命令：

[html] view plain copy
  1. cd /usr/local/cuda/lib64/
  2. sudo rm -rf libcudnn.so libcudnn.so.5
  3. sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5
  4. sudo ln -s libcudnn.so.5 libcudnn.so

在终端中输入以下命令进行环境变量的配置：

[html] view plain copy
  1. sudo gedit /etc/profile

在出现的文件中进行编辑，在末尾加上并保存：

[html] view plain copy
  1. PATH=/usr/local/cuda/bin:$PATH
  2. export PATH

创建链接文件

[html] view plain copy
  1. sudo gedit /etc/ld.so.conf.d/cuda.conf

在该文件中，插入/usr/local/cuda/lib64并保存，然后使用sudo ldconfig使之生效。

2.7 测试

在终端中进入CUDA 8.0 Samples默认安装路径，输入命令：

[html] view plain copy
  1. sudo make all -j4

此步可能会出错，出错处理见最下面的参考链接4，我这里没有出错。完成后继续输入

[html] view plain copy
  1. cd bin/x86_64/linux/release
  2. ./deviceQuery

出现下图则表示cuda安装完成

在已经配置好的eclipse + pydev环境中，新建python工程和源程序，并在工程名下右键——Properties——PyDev-PYTHONPATH——External Libraries中Add Source folder中选择/home/hanchao/caffe/python路径

在源程序中输入
[python] view plain copy
  1. import caffe
  2. print 'hello world'

若编译运行后没有错误，则环境已经配置好。

-------------------------------------------------------------------------------更新的分割线-------------------------------------------------------------------
如果在编辑pycaffe时出现”python/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: 没有这样的文件或目录“问题时，注意修改Makefile.config文件
把

[python] view plain copy
  1. PYTHON_INCLUDE := /usr/include/python2.7 \
  2. /usr/lib/python2.7/dist-packages/numpy/core/include

修改为

[python] view plain copy
  1. PYTHON_INCLUDE := /usr/include/python2.7 \
  2. /usr/local/lib/python2.7/dist-packages/numpy/core/include

即可

参考链接：

surgewong—— Opencv 2.4.9在Ubuntu下的配置安装
余昌黔|书山有路——【解决】Ubuntu安装NVIDIA驱动后桌面循环登录问题
Ubuntu 14.04安装NVIDIA英伟达显卡驱动

WoPawn的博客——ubuntu16.04+gtx1060+cuda8.0+caffe安装、测试经历

[深度学习]Ubuntu16.04 + GTX 1050 + cuda8.0 + cuDNN5.1 + caffe安装详解相关推荐

  1. Ubuntu16.04+Titan X+CUDA8.0+cudnn5.1+Caffe

    1.安装Ubuntu16.04 LTS x64 利用工具rufus制作USB系统盘(官方下载64位版本: ubuntu-16.04-desktop-amd64.iso),因为已有Win7系统,此处选择 ...

  2. 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 ...

  3. 安装ubuntu16.04+Nvidia驱动+Cuda8.0+Cudnn5.1+Matlab R2017b+Pycharm+WPS

    硬件环境:NVIDIA GTX 760+i5 本文只是为了方便以后自己再安装时比较方便,做的一个记录.所以基本所有步骤都来自各参考文章的步骤. 安装ubuntu16.04 安装Nvidia驱动 安装C ...

  4. 【caffe2从头学】：1.2安装（Ubuntu16.04+GTx 1070Ti+cuda9.0+cudnn7.2+anaconda2+Python2.7+caffe2【Python版本】）

    本片文章是我的[caffe2从头学]系列中的一篇,如果想看其他文章,请看目录: 1.快速开始 1.1.什么是caffe2 ? 1.2.安装caffe2 1.3.安装容易出现的问题 2.学习caffe2 ...

  5. 一篇就够用了——深度学习Ubuntu16.04环境配置+Win10双系统

    一篇就够用了深度学习Ubuntu16.04环境配置 必看!此教程使用说明 [必备配置]基本环境配置 1.win10+ubuntu16.04双系统安装 2.ubuntu最重要的事--切换下载源 3.ub ...

  6. DynamicFusion在ubuntu16.04+显卡GT740+cuda8.0上的实现

    目录 介绍 1.驱动与cuda安装 (1)驱动安装 a.驱动下载 b.禁用nouveau驱动 c.禁用X-Window服务 d.命令行安装驱动 e.驱动测试 (2)cuda7.5安装 2.环境配置 ( ...

  7. Keras深度学习实战（1）——神经网络基础与模型训练过程详解

    Keras深度学习实战(1)--神经网络基础与模型训练过程详解 0. 前言 1. 神经网络基础 1.1 简单神经网络的架构 1.2 神经网络的训练 1.3 神经网络的应用 2. 从零开始构建前向传播 ...

  8. 深度学习之图像分类（十九）-- Bottleneck Transformer(BoTNet)网络详解

    深度学习之图像分类(十九)Bottleneck Transformer(BoTNet)网络详解 目录 深度学习之图像分类(十九)Bottleneck Transformer(BoTNet)网络详解 1 ...

  9. 深度学习之图像分类（二十八）-- Sparse-MLP(MoE)网络详解

    深度学习之图像分类(二十八)Sparse-MLP(MoE)网络详解 目录 深度学习之图像分类(二十八)Sparse-MLP(MoE)网络详解 1. 前言 2. Mixture of Experts 2 ...

最新文章

  1. SDNU 1209.磊磊的随机数
  2. 11. 系统信息监控
  3. css如何调整红心样式_css3实现的红心跳动效果
  4. java icache_Java ICacheWordSubscriber類代碼示例
  5. python中模块sys与os的一些常用方法
  6. @EnableTransactionManagement原理
  7. NSLog的常用格式说明小释
  8. 脉冲宽度调制pdm_STM32第七章-脉冲宽度调制
  9. 华为张熙伟：鲲鹏计算产业已汇聚30万开发者
  10. 网络编程学习2-套接字编程简介
  11. 通州区机器人比赛活动总结_机器人科技活动总结.doc
  12. 035 浅谈WebGame
  13. 将html转换为string格式
  14. 深入剖析线程同步工具CountDownLatch原理
  15. 【Data truncation: Data too long for column ‘XXX at row 1 报错】
  16. QGC编译报错error C2220: 警告被视为错误 最佳解决方法
  17. 用汇编语言编程的计算机
  18. python读取图片的格式_python读取图片并修改格式与大小的方法
  19. 获得当前年月日时分秒并能判断是早晨 中午 下午 深夜
  20. 什么是量子霸权？我们如何才能实现它？

热门文章

  1. boost::mpl::distance相关的测试程序
  2. boost::hana模块在无限可迭代对象上测试 hana::index_if
  3. boost::filesystem::detail::possible_large_file_size_support
  4. boost::describe模块实现嵌套枚举的测试程序
  5. boost::int64_t模块int64 范围的测试程序
  6. boost::gregorian模块实现日期相关的测试程序
  7. Boost：bind绑定查找问题的测试程序
  8. ITK:对给定LabelMap的所有LabelObject应用形态学关闭操作
  9. VTK：图片之Flip
  10. VTK：图表之SelectedVerticesAndEdges