Ubuntu Linux作業系統安裝CUDA、CuDNN以及MatConvNet for CFNet跟蹤演算法執行
環境介紹
- 作業系統:Ubuntu 16.04 x64
- CUDA版本:CUDA Toolkit 8.0 - Feb 2017(檔名:cuda_8.0.61_375.26_linux.run)
- cuDNN版本:cuDNN 5.1(檔名:cudnn-8.0-linux-x64-v5.1.tgz)
- gcc/g++版本:4.9.3
- MatConvNet版本:MatConvNet-1.0-beta24或MatConvNet-1.0-beta25
- MATLAB版本:MATLAB R2017b
注: 就本文應用的範圍而言(執行CFNet目標跟蹤原始碼),無需手工配置環境變數。
安裝CUDA
以Ubuntu 16.04作業系統為例,在下載頁面進行如下選擇
- 下載後,在終端中進入安裝包所在的目錄,並執行
sudo sh cuda_8.0.61_375.26_linux.run
然後根據提示操作(幾乎都可以選y),這樣,CUDA的安裝就完成了。
安裝cuDNN
-
在NVIDIA官方網站上下載cuDNN,具體版本見文章開頭的環境介紹
-
下載後,解壓,在終端中進入到解壓後所在的目錄(假如解壓到downloads目錄裡面,那麼就進入到downloads目錄即可),執行以下三條命令:
sudo cp -P cuda/include/cudnn.h /usr/local/cuda/include sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
若有提示依賴缺失,軟體包尚未配置好的,還需要執行命令(個人沒有遇到過,先貼在這裡備用,此處感謝博主逆水行舟)的無私分享:
sudo apt install -f
至此,cuDNN的安裝就完成了。
安裝MatConvNet(Step 1)
- 首先檢視系統中當前的gcc/g++版本,執行命令即可看到版本資訊:
gcc -v
- 如果版本不是4.9.x,那麼需要安裝gcc/g++ 4.9的版本,執行命令:
sudo apt-get install gcc-4.9 g++-4.9
- 設定優先順序。通常情況下,Ubuntu 16.04系統可能會內建更高的gcc/g++版本,這裡需要將剛剛安裝的4.9版本的gcc/g++設為最高優先順序,執行下列命令(這裡假定更高的版本號是5,實際操作時要結合真實的版本號):
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 100
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 100
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50
- 修改完優先順序後,驗證一下:
update-alternatives --query gcc
update-alternatives --query g++
此處感謝Weiyang同學的無私分享。
安裝MatConvNet(Step 2)
安裝LibJPEG:
sudo apt-get install build-essential libjpeg-turbo8-dev
安裝MatConvNet(Step 3)
- 解壓MatConvNet
- 啟動MATLAB,在MATLAB中進入解壓後的MatConvNet資料夾中的matlab目錄
- 在MATLAB的命令列中分別執行兩條命令:
mex -setup
mex -setup C++
- 針對CPU進行編譯,在MATLAB的命令列中執行:
vl_compilenn
- 針對GPU進行編譯,在MATLAB的命令列中執行(下面命令的最後一個引數是CUDA的安裝路徑,可能需要結合實際修改):
vl_compilenn('enableGpu', true, 'cudaRoot', '/usr/local/cuda')
如果執行上述命令報錯,那麼嘗試執行下面的命令:
vl_compilenn('enableGpu', true, 'cudaMethod', 'nvcc', 'cudaRoot', '/usr/local/cuda')
執行該命令時如果有一些warning,不必理會,只要最後有“mex completed successful”這樣的字樣即可。
- 在MATLAB命令列中,執行:
vl_setupnn
- 在MATLAB命令列中,執行GPU測試:
vl_testnn('gpu', true)
測試結果如下圖所示:
- 在MATLAB命令列中,執行CPU測試:
vl_testnn
測試結果如下圖所示:
這樣,基於Ubuntu的MatConvNet深度學習環境就搭建好了。經過驗證,CFNet跟蹤原始碼可以在這樣的Ubuntu系統上執行。具體操作步驟,可以參考本人另外兩篇文章:
想持續獲得文章推送?歡迎掃碼關注“視覺邊疆”微信訂閱號
相關推薦
Ubuntu Linux作業系統安裝CUDA、CuDNN以及MatConvNet for CFNet跟蹤演算法執行
環境介紹 作業系統:Ubuntu 16.04 x64 CUDA版本:CUDA Toolkit 8.0 - Feb 2017(檔名:cuda_8.0.61_375.26_linux.run) cuDNN版本:cuDNN 5.1(檔名:cudnn-8.0-linu
ubuntu16.04解除安裝cuda,cudnn以及檢視版本號
ubuntu 解除安裝cuda 在命令列中輸入 sudo apt-get remove cuda sudo apt-get autoclean sudo apt-get remove cuda* 然後在目錄切換到 cd /usr/local/ ~$:sudo rm -r cu
linux作業系統安裝5.7.17MySQL以及單機多例項
1、下載安裝包mysql-5.7.17-linux-glibc2.5-x86_64.tar.gz 2、tar xvf mysql-5.7.17-linux-glibc2.5-x86_64.tar.gz -C /usr/local -------解壓 3、cd /usr/local -----
Ubuntu16.04 安裝 CUDA、CUDNN、OpenCV 並用 Anaconda 配置 Tensorflow 和 Caffe 詳細過程
1.配置環境 2.安裝顯示卡驅動、CUDA 和 CUDNN 在Ubuntu系統中的 System Settings -> Software & Updates -> Additional Drivers 安裝相應的顯示卡和C
Ubuntu16.04環境下安裝CUDA、cudnn、Caffe、Tensorflow、pytorch
【主題】Ubuntu16.04環境下安裝CUDA、cudnn、Caffe、Tensorflow、pytorch 【環境】 筆記本: 筆記本:惠普 Pavilion NoteBook 系統環境:Ubuntu16.04+Win10 64位雙系統 顯示卡:NVIDIA GT
ubuntu上安裝NVIDIA驅動、CUDA、CUDNN
req abi har linu 分別是 目錄 comm 能夠 csdn Ubuntu18.04環境下的安裝: 主要參考下面這個博客: https://blog.csdn.net/u010801439/article/details/80483036 https://blo
Ubuntu 16.04安裝N卡驅動、cuda、cudnn和tensorflow GPU版
安裝驅動 最開始在英偉達官網下載了官方驅動,安裝之後無法登入系統,在登入介面反覆迴圈,用cuda裡的驅動也出現了同樣的問題。最後解決辦法是把驅動解除安裝之後,通過命令列線上安裝驅動。 解除安裝驅動: sudo nvidia-uninstall 線上安裝: sudo apt-add-repository
ubuntu 18.04 安裝 cuda-cudnn-NVIDIA 以及美化 全套(小白個人配置過程)
我所有的命令全在root許可權下進行的所以先進行登入root使用者 右擊滑鼠開啟終端 (英文是:terminal) 終端更換root使用者 需要使用 sudo -i 若想更改密碼則為 sudo passwd 輸入兩次新密碼 跟換使用者 su ro
cuda、cudnn、tensorflow以及nvidia GPU驅動安裝
有一臺伺服器,在使用nvidia-smi命令是,提示: NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA
CentOS7.3安裝NVIDIA-1080ti驅動、cuda、cudnn、TensorFlow
可能 點擊 自己 pkg pep drive ron oca detail Ubuntu非要換centOS。。。好吧。。。 看了很多是通過ELRepo源安裝驅動,不過我沒有成功,只是通過它的步驟檢測了顯卡驅動型號。 0、安裝gcc yum -y install
windows 上面的tensorflow-GPU、cuda、cudnn 安裝
atm search 容易 oca api RM run correct 既然 安裝說明 平臺:目前可在Ubuntu、Mac OS、Windows上安裝 版本:提供gpu版本、cpu版本 安裝方式:pip方式、Anaconda方式 Tips: 在Windows上目前支持p
(UEFI模式下)Win10安裝Ubuntu雙系統 Ubuntu18.04 安裝Cuda10、Cudnn、Tensorflow-gpu
Ubuntu 18.04 LTS 一、電腦配置: CPU :i7-8700k 3.7G GPU:Intel(R) HD Graphics 630  
ubuntu利用conda建立虛擬環境,安裝 cuda,cudnn,pytorch,遠端訪問 jupyter notebook
cd到安裝包所在目錄,安裝: bash Anaconda3-5.1.0-Linux-x86_64.sh 建立虛擬環境: conda create -n your_env_name python=3.6 啟用虛擬環境: source activate your_env_
ubuntu16.04安裝多個CUDA、cuDNN版本並自由切換
之前安裝了CUDA8.0,cuDNN5.1,現在同時想用另一個版本,所以安裝兩個版本的CUDA、cuDNN來回切換這樣就不用來回解除安裝安裝了。 1、下載CUDA9.0 進入到下載的檔案所在目錄 cd ~/Downloads 安裝CUDA sudo sh cuda_
Ubuntu16.04 安裝 Nvidia Driver、CUDA、cudnn
2018.12.19 ————— Ubuntu 16.04 Nvidia Graphics Card: GeForce GTX 1070 Nvidia Graphics Driver CUDA 9.0 cuDNN v7.4.1 (Nov 8, 2018), for CUDA 9.0
ubuntu下tensorflow-gpu環境搭建(通過anaconda,不需要手動安裝cuda和cudnn)
本篇文章主要講解在Ubuntu16.04環境下,搭建TensorFlow框架,主要是GPU版本的。下面我採用conda安裝tensorflow-gpu。 第一步:安裝navidia driver 第二步:安裝anaconda 參考我的另一篇
ubuntu下安裝CUDA和CUDNN
參考: http://blog.csdn.net/hungryof/article/details/51557666 http://blog.csdn.net/wangkepermit/article/details/72955023 https://github.com/
linux下安裝redis、設定密碼以及遠端登入redis服務
今天給大家分享一下redis在linux系統下進行安裝我使用的是ubuntu一:在這裡我採用的是線上安裝預設安裝目錄:/usr/local,相當於“C:\Program Files”但是我自己這裡不知道為什麼是安裝到了/etc檔案下了下面看步驟1、apt-get update
Ubuntu下配置TensorFlow-Gpu版,其對應CUDA、cuDNN版本
TensorFlow官網安裝指導介面提示“執行支援 GPU 的 TensorFlow 所需滿足的 NVIDIA 要求” 檢視機器CUDA、cuDNN版本命令分別是: cat /usr/local/cuda/version.txt cat /usr/local/cuda
【安裝】Windows下 TensorFlow 的安裝(包含:CUP版、GPU版、CUDA、cuDNN)——最後更新日期 2018-05-30
____tz_zs您可以直接使用pip安裝tensorflow,只需一行程式碼就安裝好了。cpu版:pip3 install --upgrade tensorflow·gpu版:pip3 install --upgrade tensorflow-gpu·但是,推薦您使用Ana