歡迎關注我的部落格：http://blog.csdn.net/hit2015spring和http://www.cnblogs.com/xujianqing

本文主要是介紹在ubuntu16.04下，怎麼配置當下流行的深度學習框架，cuda8.0+cudnn+caffe+theano+tensorflow

安裝英偉達顯示卡驅動

首先去官網上檢視適合你GPU的驅動

sudo add-apt-repository ppa:graphics-drivers/ppa

sudo apt-get update

sudo apt-get install nvidia-375（375是你查到的版本號）

sudo apt-get install mesa-common-dev

sudo apt-get install freeglut3-dev

執行完上述後，重啟（reboot）。

重啟後輸入

nvidia-smi

如果出現了你的GPU列表，則說明驅動安裝成功了。另外也可以通過，或者輸入

nvidia-settings

出現

1. 配置cuda

在cuda所在目錄開啟terminal依次輸入以下指令：

sudo dpkg -i cuda-repo-ubuntu1604-8-0-rc_8.0.27-1_amd64​.deb

sudo apt-get update

sudo apt-get install cuda​

ubuntu的gcc編譯器是5.4.0，然而cuda8.0不支援5.0以上的編譯器，因此需要降級，把編譯器版本降到4.9：

在terminal中執行：

sudo apt-get install gcc -4.9 gcc-5 g++-4.9 g++-5

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10

sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20

sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10

sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30

sudo update-alternatives --set cc /usr/bin/gcc

sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30

sudo update-alternatives --set c++ /usr/bin/g++

配置cuda8.0之後主要加上的一個環境變數宣告，在檔案~/.bashrc之後加上

gedit ~/.bashrc

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

然後設定環境變數和動態連結庫，在命令列輸入

sudo gedit /etc/profile

在開啟的檔案裡面加上（注意等號兩邊不能有空格）

export PATH=/usr/local/cuda/bin:$PATH

儲存之後，建立連結檔案

sudo gedit /etc/ld.so.conf.d/cuda.conf

在開啟的檔案中新增如下語句：

/usr/local/cuda/lib64

儲存退出執行命令列：

sudo ldconfig

使連結立即生效。

2、測試cuda的Samples

命令列輸入（注意cuda-8.0是要相對應自己的cuda版本）

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery

make

sudo ./deviceQuery

返回GPU的資訊則表示配置成功

3、使用cudnn

上官網下載對應的cudnn

下載完cudnn後，命令列輸入檔案所在的資料夾 (ubuntu為本機使用者名稱)

cd home/ubuntu/Downloads/

tar zxvf cudnn-8.0-linux-x64-v5.1.tgz #解壓檔案

cd進入cudnn5.1解壓之後的include目錄，在命令列進行如下操作：

sudo cp cudnn.h /usr/local/cuda/include/ #複製標頭檔案

再cd進入lib64目錄下的動態檔案進行復制和連結：（5.1.5為對應版本具體可修改）

sudo cp lib* /usr/local/cuda/lib64/ #複製動態連結庫

cd /usr/local/cuda/lib64/

sudo rm -rf libcudnn.so libcudnn.so.5 #刪除原有動態檔案

sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5 #生成軟銜接

sudo ln -s libcudnn.so.5 libcudnn.so #生成軟連結

4、安裝opencv3.1.0

從官網上下載opencv3.1.0

http://opencv.org/downloads.html

並將其解壓到你要安裝的位置，（下載的位置還是在home/ubuntu、Downloads資料夾下）

首先安裝Ubuntu系統需要的依賴項，雖然我也不知道有些依賴項是幹啥的，但是隻管裝就行，也不會佔據很多空間的。

sudo apt-get install --assume-yes libopencv-dev build-essential cmake git libgtk2.0-dev pkg-config python-dev python-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev libtbb-dev libqt4-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip

然後安裝OpenCV需要的一些依賴項，一些檔案編碼解碼之類的東東。

sudo apt-get install build-essential cmake git

sudo apt-get install ffmpeg libopencv-dev libgtk-3-dev python-numpy python3-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libv4l-dev libtbb-dev qtbase5-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip

在終端中cd到opencv資料夾下（解壓的那個資料夾），然後

mkdir build #新建一個build資料夾，編譯的工程都在這個資料夾裡

cd build/

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D WITH_V4L=ON -D WITH_QT=ON -D WITH_OPENGL=ON -DCUDA_NVCC_FLAGS="-D_FORCE_INLINES" ..（後面兩點不要忘記）

cmake成功後，會出現如下結果，提示配置和生成成功：

-- Configuring done

-- Generating done

-- Build files have been written to: /home/ise/software/opencv-3.1.0/build

由於CUDA 8.0不支援OpenCV的 GraphCut 演算法，可能出現以下錯誤：

/home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:120:54: error: 'NppiGraphcutState' has not been declared

typedef NppStatus (*init_func_t)(NppiSize oSize, NppiGraphcutState** ppStat

^

/home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:135:18: error: 'NppiGraphcutState' does not name a type

operator NppiGraphcutState*()

^

/home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:141:9: error: 'NppiGraphcutState' does not name a type

NppiGraphcutState* pState;

.......

進入opencv-3.1.0/modules/cudalegacy/src/目錄，修改graphcuts.cpp檔案，將：

#include "precomp.hpp"

#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)

改為

#include "precomp.hpp"

#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) || (CUDART_VERSION >= 8000)

然後make編譯就可以了

make -j8

上面是將opencv編譯成功，但是並沒有安裝到我們的系統中，有很多的設定都沒有寫入到系統中，因此還要進行install。

sudo make install

sudo /bin/bash -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf'

sudo ldconfig

重啟系統，重啟系統後cd到build資料夾下：

sudo apt-get install checkinstall

sudo checkinstall

然後按照提示安裝就可以了。

使用checkinstall的目的是為了更好的管理我安裝的opencv，因為opencv的安裝很麻煩，解除安裝更麻煩，其安裝的時候修改了一大堆的檔案，當我想使用別的版本的opencv時，將當前版本的opencv解除安裝就是一件頭疼的事情，因此需要使用checkinstall來管理我的安裝。

執行了checkinstall後，會在build檔案下生成一個以backup開頭的.tgz的備份檔案和一個以build開頭的.deb安裝檔案，當你想解除安裝當前的opencv時，直接執行dpkg -r build即可。

5、配置caffe環境

切換編譯器

選擇g++ 5.0以上的對應編號

sudo update-alternatives --config g++

sudo update-alternatives --config gcc

安裝依賴庫

sudo add-apt-repository universe

sudo apt-get update -y

sudo apt-get install cmake -y

# General Dependencies

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev \

libhdf5-serial-dev protobuf-compiler -y

sudo apt-get install --no-install-recommends libboost-all-dev -y

# BLAS

sudo apt-get install libatlas-base-dev -y

# Remaining Dependencies

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev -y

sudo apt-get install python-dev python-numpy –y

sudo apt-get install -y python-pip

sudo apt-get install -y python-dev

sudo apt-get install -y python-numpy python-scipy

編譯 Caffe，cd到要安裝caffe的位置

git clone https://github.com/BVLC/caffe.git

cd caffe

cp Makefile.config.example Makefile.config

修改Makefile.config:

將

替換

將

改為

r = f()

else:

先安裝anaconda

上面的地址下載 該包預設在downloads裡面

cd /home/username/Downloads

sudo bash Anaconda2-4.2.0-Linux-x86_64.sh

配置環境變數

gedit /etc/profile

末尾添上,我是一路yes下來，所以安在了root下，你可以自己選路徑，這時候的環境變數要改

export PATH=/root/anaconda2/bin:$PATH

重啟

開啟終端

python

安裝成功

2、建立conda環境 名字叫tensorflow

conda create -n tensorflow python=2.7

source activate tensorflow #使能該環境

#下面這句話只能下載給CPU用的tensorflow

conda install -c conda-forge tensorflow

利用pip來下載給GPU用的tensorflow

export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl

下載安裝

pip install --ignore-installed --upgrade $TF_BINARY_URL

安裝IPython

conda install ipython

關掉該環境

source deactivate

測試安裝是否正確

source activate tensorflow

python

輸入

import tensorflow as tf

import numpy as np

# Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3

x_data = np.random.rand(100).astype(np.float32)

y_data = x_data * 0.1 + 0.3

# Try to find values for W and b that compute y_data = W * x_data + b

# (We know that W should be 0.1 and b 0.3, but TensorFlow will

# figure that out for us.)

W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))

b = tf.Variable(tf.zeros([1]))

y = W * x_data + b

# Minimize the mean squared errors.

loss = tf.reduce_mean(tf.square(y - y_data))

optimizer = tf.train.GradientDescentOptimizer(0.5)

train = optimizer.minimize(loss)

# Before starting, initialize the variables. We will 'run' this first.

init = tf.initialize_all_variables()

# Launch the graph.

sess = tf.Session()

sess.run(init)

# Fit the line.

for step in range(201):

sess.run(train)

if step % 20 == 0:

print(step, sess.run(W), sess.run(b))

# Learns best fit is W: [0.1], b: [0.3]

OK

8、Caffe配置錯誤

問題：找不到Python.h

解決：給anaconda新增環境變數

gedit ~/.banshrc

新增

export PATH=/root/anaconda2/bin:$PATH

export PYTHONPATH=/path/to/caffe/python:$PATH

修改Makefile.config

在終端輸入

locate Python.h

gedit Makefile.config

在INCLUDE_DIRS 和LIBRARY_DIRS後面添上

/root/anaconda2/include/python2.7

啟用

ANACONDA_HOME := $(HOME)/anaconda2

PYTHON_ INCLUDE =$(ANACONDA_HOME)/include\

,把前面的#去掉,那三行都去掉#，並在註釋上面，

註釋這兩句PYTHON_INCLUDE := /usr/include/python2.7\

/usr/lib/python2.7…………..

如果編譯的時候發現有錯，回來改完之後又得重新編譯一遍pycaffe，於是出現如下錯誤

make: Nothing to be done for 'pycaffe'

則在終端輸入：

sudo make clean

修改完後再

sudo make pycaffe

這裡要從make –j8 all那一步開始編譯

編譯完後，顯示

然後 cd python進入該目錄

python

import caffe

若此時提示錯誤：

Traceback (most recent call last)

File

ImportError: /home/../anaconda2/lib/python2.7/site-packages/zmq/backend/cython/../../../../.././libstdc++.so.6: versionGLIBCXX_3.4.21' not found

解決：

cd ..

pip install protobuf

sudo apt-get install python-protobuf

coda install libgcc