1. 程式人生 > >吐血整合! Ubuntu 14.04+cuda8.0+opencv3.1+matlab2015b+caffe

吐血整合! Ubuntu 14.04+cuda8.0+opencv3.1+matlab2015b+caffe

首先是電腦配置情況,gtx 750ti,linux14.05 thr,4核

1.首先禁用nouveau
    利用sudo gedit /etc/modprobe.d/blacklist-nouveau.conf新建blacklist.conf檔案,輸入命令:
        blacklist nouveau
        blacklist lbm-nouveau
        options nouveau modeset=0
        alias nouveau off
        alias lbm-nouveau off
    儲存並退出。這一步是為了禁用ubuntu自帶的開源驅動nouveau。之後重啟系統。
    在終端執行:
        lsmod | grep nouveau
        可檢視nouveau模組是否被載入,如果什麼都沒輸出,表示禁用成功。

2.安裝nvidia驅動

    按住ctrl+alt+f1進入字元介面,關閉圖形介面,輸入
        sudo service lightdm stop
    安裝驅動
        sudo chmod 755 NVIDIA-Linux-86_64-367.57.run (這裡驅動為367.57)
        sudo ./NVIDIA-Linux-x86_64-367.57.run
    成功之後
        sudo service lightdm start(啟動圖形介面)
        並輸入nvidia-smi

3.安裝cuda8.0(這裡以8.0版本為例)
    在官網上下載dev(local)版本的,不下載run版本
    根據官網教程,輸入一下命令列:
        `sudo dpkg -i cuda-repo-ubuntu1404-8-0-local_8.0.44-1_amd64.deb`
        `sudo apt-get update`
        `sudo apt-get install cuda`
    此版本無需配置環境變數,可直接進行下一步,下載相應的庫和依賴
        sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev  libglu1-mesa libglu1-mesa-dev libgl1-mesa-glx
    安裝cuda自帶的samples
        cd /usr/local/cuda/samples
        sudo make all -j4(4為cpu核心數目)
    編譯完成後:
        cd ./bin/x86_64/linux/release
    執行例程
        ./deviceQuery  
    若出現顯示卡資訊,則成功

4.安裝cudnn5.0

    安裝cudnn5.0:從https://developer.nvidia.com/rdp/cudnn-download 下載cudnn-8.0-Linux-x64-v5.0-ga.tgz
    解壓縮:會生成cuda/include和cuda/lib64
    將cuda/include目錄中的cudnn.h檔案拷貝到/usr/local/cuda-8.0/include/目錄下
    將cuda/lib64目錄中的庫拷貝到/usr/local/cuda-8.0/lib64/目錄下;
    將/usr/local/cuda-8.0/lib64/目錄下的libcudnn庫的許可權改為777,執行:
        sudo chmod 777 libcudnn*  

5.安裝opencv3.1.0

    (1)下載兩個安裝包
        opencv-3.1.0.zip(http://opencv.org/downloads.html 或http://sourceforge.net/projects/opencvlibrary/files/opencv-unix/3.1.0/opencv-3.1.0.zip)、
        ippicv_linux_20151201.tgz(https://raw.githubusercontent.com/Itseez/opencv_3rdparty/81a676001ca8075ada498583e4166079e5744668/ippicv/ippicv_linux_20151201.tgz)。
    (2)安裝依賴庫:
        sudo apt-get install gcc g++ cmake pkg-config build-essential
        sudo apt-get install  libgtk2.0-dev libavcodec-dev libavformat-dev  libtiff4-dev  libswscale-dev libjasper-dev
    (3)解壓opencv-3.1.0.zip到~/Opencv_Source
        mkdir Opencv_Source
        cd ./Opencv_Source
        cp ~/Downloads/opencv-3.1.0.zip ./
        unzip opencv-3.1.0.zip
        cd opencv-3.1.0/
        mkdir build
        cd build
    因為ippicv通常下載會失敗,所以將剛剛下載的ippicv_linux_20151201.tgz複製到~/Opencv_Source/opencv-3.1.0/3rdparty/ippicv/downloads/linux-808b791a6eac9ed78d32a7666804320e/資料夾下,沒有的資料夾需要新建。放入後繼續下面的命令
        cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..
        執行下一步之前應當先返回上一級資料夾,不然會提示找不到makefile檔案    
        如果出現make[1]: *** [modules/cudalegacy/CMakeFiles/opencv_cudalegacy.dir/all] 錯誤等錯誤情況,應當做如下調整:
        編譯時需要修改~/opencv/modules/cudalegacy/src/graphcuts.cpp檔案內容
            #if !defined ( HAVE_CUDA) || defined (CUDA_DISABLER )  
            #if !defined ( HAVE_CUDA ) || defined (CUDA_DISABLER ) || (CUDART_VERSION >= 8000 )
        make
        sudo make install
    (4)安裝完成後,配置pkg-config,用於管理opencv安裝庫
        sudo vim /etc/ld.so.conf
        將目錄   /usr/local/lib    新增到檔案中
        sudo ldconfig -v
        export  PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
        使用以下命令檢視pkg-config配置資訊: pkg-config --libs opencv

    (5)測試安裝是否完成,測試程式採用opencv自帶的sample:
        cd ~/Opencv_Source/opencv-3.1.0/samples/
        cmake .
        make
        cd cpp/
    裡面就是剛剛make的檔案,可以選擇幾個可執行檔案進行執行,測試opencv是否安裝成功。

6.安裝matlab2015b
    根據教程http://blog.csdn.net/hejunqing14/article/details/50265049來進行即可

7.caffe的配置
    按照http://blog.csdn.net/u010733679/article/details/52249503的來執行就OK。(在找相關教程的時候一定要注意自己之前安裝情況,例如我之前是安裝的opencv3.1.0,cuda8.0,cudnn5.0,那麼在搜尋教程的時候就應該搜尋ubuntu14.04+cuda8.0+opencv3.1.0安裝caffe,一定要注意!不然會瘋狂出錯)
    make matcaffe -j16時,報錯:
        MATLAB_DIR must be specified in Makefile.config to build matcaffe.
        make: *** [matlab/+caffe/private/caffe_.] 錯誤 1

        解決方法:開啟caffe-master 資料夾下的Makefile.config檔案,找到有MATLAB_DIR:所在行:# MATLAB_DIR := /usr/local/MATLAB/R2014a,將該行的註釋去掉。完美解決!

若成功,請頂一個!

相關推薦

吐血整合 Ubuntu 14.04+cuda8.0+opencv3.1+matlab2015b+caffe

首先是電腦配置情況,gtx 750ti,linux14.05 thr,4核1.首先禁用nouveau     利用sudo gedit /etc/modprobe.d/blacklist-nouveau.conf新建blacklist.conf檔案,輸入命令:       

配置YOLO2(ubuntu16.04+cuda8.0+opencv3.1.0

href seconds make fun put ges jre 成功 下載 要求已經安裝好了CUDA 8.0 以及OpenCV3.1.0 YOLO官方網站 配置darknet git clone https://github.com/pjreddie/dark

ubuntu16.04+cuda8.0+cudnn5.1+caffe 安裝(基於獨立主機&整合顯示卡>X1080Ti)

最近開始配置自己的深度學習主機,由於之前只在筆記本上和單顯示卡主機上安裝過,所以可以說是zero經驗,以至於很多問題不瞭解都當成了bug,故為了方便以後的自己以及大眾,特在此寫下post一篇。(由於可能會有很多的問題我沒有遇到但各位可能遇到,故在文末貼出其他的安裝連結,請自

Ubuntu16.04+CUDA8.0+cuDNN5.1+Python2.7+TensorFlow1.2.0環境搭建

選擇 per orf stop lis option amd64 pan repo 軟件版本說明:我選的Linux系統是Ubuntu16.04,CUDA用的8.0,Ubuntu16.04+CUDA8.0+cuDNN5.1+Python2.7只支持TensorFlow1.3.

ubuntu14.04+cuda8.0+cudnn5.1+tensorflow 1.0

實習第一天,帶我的老師扔給我一臺電腦,讓我配置伺服器環境。。。一臉懵逼+兩手發麻,幸好還有度孃的幫忙,配配配! (ubuntu14.04以配好) 第一步:ctrl+alt+t 開啟終端,輸入nvidia-smi 出來一張類似這樣的圖,描述了GPU的資訊 當時我那臺伺服

ubuntu 14.04 安裝 gcc 6.1 心得

中間各種錯誤就不提了,最終安裝成功的方法如下: 1. 下載gcc 6.1 https://gcc.gnu.org/mirrors.html 解壓到目錄,設為[gcc_dir] 2. 下載gcc依賴庫: gmp: https://gmplib.org/#DOWNLOAD

Ubuntu16.04+cuda8.0+cudnn5.1配置faster-rcnn的方法以及訓練自己的資料出現的問題

  最近在用教研室的伺服器跑faster rcnn, 伺服器配置太高了ubuntu 16.04 + cuda8.0 + cudnn 5.1, 但是原本的faster rcnn 點選開啟連結已經是兩年前的了,所以會出現不相容的問題.網上查了一個大神的,就用了這個點選開啟連結部

ubuntu 14.04編譯安裝nginx 1.14.2

環境:Ubuntu 14.04+nginx 1.14.1+php 近期,nginx 1.14.1報了漏洞需要將nginx版本升級到1.14.2。apt-get支援的最新版就是1.14.1,所以需要編譯安裝1.14.2。 一、儲存nginx 1.14.1的配置檔案並解除安裝  

caffe--ubuntu16.04+cuda8.0+opencv3.0+python2.7(Anaconda)+matlab(桌上型電腦,獨顯為GTXNVIDIA1060)AN3.4.

配置前提:桌上型電腦已經安裝上win10,GTX1060顯示卡 1.安裝Ubuntu16.04 剛開始一直是按照以前的方法使用軟通牒刻錄到u盤,但發現每次進入u盤啟動的時候都提示boot failed,以為系統沒有燒錄好,又刻錄了幾遍還是這樣,網上說是Ubuntu16.04

Ubuntu16.04+cuda8.0+cudnn5.1+anaconda+tensorflow0.12.1暗影精靈三GTX1080ti

電腦配置:i7-8700K 16G 256GSSD+2T GTX1080Ti由於要用tf==0.12.1,所以配置的深度學習環境並不是最新的。想安裝最新的TF可以參考此教程1、win10+Ubuntu16.04雙系統,安裝教程、補充教程。2、cuda8.0+cudnn5.1+

Ubuntu16.04+cuda9.0+opencv3.1+matlab2016a+anaconda+caffe(C3D)+編譯過程錯誤記錄

記錄一下安裝過程和錯誤,給自己提醒... 這次裝了C3D,因為要用3d卷積核,其實編譯過程和普通caffe一樣 顯示卡:NVIDIA GTX 1050Ti  系統:Ubuntu16.04 安裝過程參考如下部落格,謝謝各位大佬!ubuntu16.04安裝caffe 一.顯

ubuntu16.04下安裝opencv3.1+anaconda2+caffe

轉自:https://blog.csdn.net/u013277656/article/details/72627602 準備步驟:安裝ssh遠端登入,以方便兩臺電腦通過FileZilla傳輸檔案。我的所有資料都存在windows的電腦上(不是雙系統),沒有該需要的可忽略此步驟。 ub

Ubuntu 14.04 64bit下Caffe + Cuda6.5/Cuda7.0 安裝配置教程

-a att html mode .net share surface art cores http://www.embeddedlinux.org.cn/emb-linux/entry-level/201612/21-6005.html 隨著深度學習快速發展的浪潮,許多有

ubuntu 18.04 LTS 安裝nginx-1.14.0

http 安裝 zlib width spa user pen open idt 更新ubuntu18.04LTS到最新; Nginx官網下載nginx-1.14.0穩定版; 安裝相關依賴 make、gcc、g++、openssl、libssl-dev、zlib1g、zl

Ubuntu 14.04/16.04使用pbis整合AD域帳號登入

Ubuntu 14.04/16.04使用pbis整合AD域帳號登入: 注:pbis為開源軟體,前身為likewise-open 下載pbis deb包略 dpkg -i pbis-open/* /opt/pbis/bin/config UserDomainPrefix ming (設定預設域名字首,不

Ubuntu 14.04 64bit + CUDA7.0解除安裝+ CUDA 6.5 安裝配置

一,解除安裝CUDA 7.0 在目錄: <span style="color:#000000"><code><span style="color:#009900 !important"># /usr/local/cuda-7.0/bin</span&

Ubuntu 14.04 32位環境 編譯 Linux 4.19.0核心

-------ForLinux------ ------------為作者原創文章,轉載請註明出處。------------------------ 寫在前面: 首先,這是一篇Linux核心編譯的極其詳細的教程,以至於叫一個從未接觸過Linux的孩子照著流程也能

Ubuntu 14.04 mapnik-jni 2.2.0編譯

Ubuntu 14.04 mapnik-jni 2.2.0編譯 mapnik-jni下載 下載地址: https://github.com/springmeyer/mapnik-jni/archive/master.zip 安裝JDK1.8 省略 安裝Ant

Ubuntu 14.04部署mapnik 2.2.0

Ubuntu 14.04部署mapnik 2.2.0 設定Ubuntu設定更新源 由於預設映象更新較慢,需要設定國內映象源 參考:http://blog.csdn.net/d5224/article/details/52025897 下載mapnik2.2.0 下載地

深度學習伺服器配置 Ubuntu server 16.04+CUDA8.0+cuDNN7+tensorflow1.3

硬體配置 主機:Dell T620塔式伺服器 顯示卡:Nvidia Tesla K20c 系統&驅動配置 Ubuntu Server 16.04 Nvidia driver:375.26 CUDA 8.0 cuDNN 7.0.3 tensorflow1