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

2. 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

1. 在NVIDIA官方網站上下載cuDNN，具體版本見文章開頭的環境介紹

2. 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）

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

2. 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

3. 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

4. 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）

1. 解壓MatConvNet
2. 啟動MATLAB，在MATLAB中進入解壓後的MatConvNet資料夾中的matlab目錄
3. 在MATLAB的命令列中分別執行兩條命令：

mex -setup
mex -setup C++

5. 針對CPU進行編譯，在MATLAB的命令列中執行：

vl_compilenn

6. 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。

7. 在MATLAB命令列中，執行：

vl_setupnn

8. 在MATLAB命令列中，執行GPU測試：

vl_testnn('gpu', true)

測試結果如下圖所示：

9. 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