ubuntu16.04+gtx1060+cuda8.0+caffe安裝、測試經歷

首先說明，這是在桌上型電腦上的安裝測試經歷，首先安裝的win10，然後安裝ubuntu16.04雙系統，顯示卡為GTX1060 
桌上型電腦顯示器接的是GTX1060 HDMI口，win10上首先安裝了最新的GTX1060驅動372.54

廢話不多說，上車吧，少年

一、首先安裝nvidia顯示卡驅動

1. 我是1080P的顯示器，在沒有安裝顯示卡驅動前，ubuntu解析度很低，可以手動修改一下grub檔案，提高解析度，在終端輸入

   sudo vim /etc/default/grub 
   找到以下行 
   # The resolution used on graphical terminal 
# note that you can use only modes which your graphic card supports via VBE 
# you can see them in real GRUB with the command 'vbeinfo' 
# GRUB_GFXMODE=640×480 
   按a進入插入模式，增加下面一行 
   GRUB_GFXMODE=1920×1080 #這裡解析度自行設定 
   按esc退出插入模式，按:wq儲存退出 
   在終端編輯 
   sudo update-grub 
   更新grub 
   重新啟動ubuntu使之生效 
   
   

2. 進入ubuntu系統設定-軟體與更新-ubuntu軟體，使用的是中科大的源：http://mirrors.ustc.edu.cn/ubuntu，如下所示

    
   
   更新Ubuntu16.04源，終端輸入 
   cd /etc/apt/ 
sudo cp sources.list sources.list.bak 
sudo vi sources.list 
   把下面的這些源新增到source.list中： 
   deb http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse 
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse 
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
   最後更新源和更新已安裝的包： 
   終端輸入 
   sudo apt-get update 
sudo apt-get upgrade 
   
   

3. 安裝nvidia驅動，終端輸入

   sudo add-apt-repository ppa:graphics-drivers/ppa 
   回車後繼續 
   sudo apt-get update 
   sudo apt-get install nvidia-367 
   sudo apt-get install mesa-common-dev 
   sudo apt-get install freeglut3-dev 
   之後重啟系統讓GTX1060顯示卡驅動生效 
   
   

4. 測試

   終端輸入 
   nvidia-smi 
   顯示效果如下圖表示安裝成功 
   

二、cuda安裝

1. 下載cuda_8.0.27_linux.run和cudnn-8.0-linux-x64-v5.1.tgz

   這裡我提供了百度網盤，這兩個檔案我先在win10下下載好，並用u盤拷貝到ubuntu的下載目錄下 
   
   

2. 安裝cuda8.0

   終端輸入 
   cd 下載/ 
sh cuda_8.0.27_linux.run --override 
   啟動安裝程式，一直按空格到最後，輸入accept接受條款 
   輸入n不安裝nvidia影象驅動，之前已經安裝過了 
   輸入y安裝cuda 8.0工具 
   回車確認cuda預設安裝路徑：/usr/local/cuda-8.0 
   輸入y用sudo許可權執行安裝，輸入密碼 
   輸入y或者n安裝或者不安裝指向/usr/local/cuda的符號連結 
   輸入y安裝CUDA 8.0 Samples，以便後面測試 
   回車確認CUDA 8.0 Samples預設安裝路徑：/home/pawn（pawn是我的使用者名稱），該安裝路徑測試完可以刪除 
   安裝完顯示如下圖 
   
   
   

3. 安裝cudnn v5.1

   終端輸入 
   cd 下載/ 
tar zxvf cudnn-8.0-linux-x64-v5.1.tgz 
   解壓在下載目錄下產生一個cuda目錄 
   cd cuda/include/ 
sudo cp cudnn.h /usr/local/cuda/include/ 複製標頭檔案 
   cd ../lib64 開啟lib64目錄 
   sudo cp lib* /usr/local/cuda/lib64/ 複製庫檔案 
   sudo chmod a+r /usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*給所有使用者增加這些檔案的讀許可權 
   
   

4. 建立軟連結

   終端輸入 
   cd /usr/local/cuda/lib64/ 
sudo rm -rf libcudnn.so libcudnn.so.5 
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5 
sudo ln -s libcudnn.so.5 libcudnn.so 
   設定環境變數，終端輸入 
   sudo gedit /etc/profile 
   在末尾加入 
   PATH=/usr/local/cuda/bin:$PATH 
export PATH 
   儲存後，建立連結檔案 
   sudo vim /etc/ld.so.conf.d/cuda.conf 
   按a進入插入模式，增加下面一行 
   /usr/local/cuda/lib64 
   按esc退出插入模式，按:wq儲存退出 
   最後在終端輸入sudo ldconfig使連結生效 
   
   

5. cuda Samples測試

   開啟CUDA 8.0 Samples預設安裝路徑，終端輸入 
   cd /home/pawn/NVIDIA_CUDA-8.0_Samples （pawn是我的使用者名稱） 
   sudo make all -j4 （4核） 
   出現“unsupported GNU version! gcc versions later than 5.3 are not supported!”的錯誤，這是由於GCC版本過高，在終端輸入 
   cd /usr/local/cuda-8.0/include 
sudo cp host_config.h host_config.h.bak 
sudo gedit host_config.h 
   ctrl+f尋找有“5.3”的地方，只有一處，如下 
   # if __GNUC__ > 5 || (__GNUC__ == 5 && __GNUC_MINOR__ > 3) 
#error -- unsupported GNU version! gcc versions later than 5.3 are not supported! 
   將兩個5改成6，即 
   #if __GNUC__ > 6 || (__GNUC__ == 6 && __GNUC_MINOR__ > 3) 
   儲存退出，繼續在終端輸入 
   cd /home/pawn/NVIDIA_CUDA-8.0_Samples （pawn是我的使用者名稱） 
   sudo make all -j4 （4核） 
   完成後繼續向終端輸入 
   cd bin/x86_64/linux/release 
./deviceQuery 
   完成之後出現如下圖所示，表示成功安裝cuda 
   

三、依賴包安裝

1. sudo apt-get install build-essential #必要的編譯工具依賴

2. sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler

3. sudo apt-get install --no-install-recommends libboost-all-dev

4. sudo apt-get install libatlas-base-dev

5. sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

四

1. 安裝python的pip和easy_install，方便安裝軟體包

   終端輸入 
   cd 
wget --no-check-certificate https://bootstrap.pypa.io/ez_setup.py 
sudo python ez_setup.py --insecure 
wget https://bootstrap.pypa.io/get-pip.py 
sudo python get-pip.py

五

1. 安裝科學計算和python所需的部分庫

   終端輸入 
   sudo apt-get install libblas-dev liblapack-dev libatlas-base-dev gfortran python-numpy

六

1. 安裝git，拉取原始碼

   終端輸入 
   sudo apt-get install git 
git clone https://github.com/BVLC/caffe.git

七

1. 安裝python依賴

   終端輸入 
   sudo apt-get install python-pip 安裝pip 
   sudo su 
for req in $(cat "requirements.txt"); do pip install -i https://pypi.tuna.tsinghua.edu.cn/simple $req; done
   按Ctrl+D退出sudo su模式

八、編譯caffe(暫不對matlab說明)

1. 終端輸入 
   cd /home/pawn/caffe 
cp Makefile.config.example Makefile.config 
gedit Makefile.config

   ①將USE_CUDNN := 1取消註釋，

   ②INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include後面打上一個空格 然後新增/usr/include/hdf5/serial如果沒有這一句可能會報一個找不到hdf5.h的錯誤

2. 終端輸入 
   make all -j4 
   make過程中出現找不到lhdf5_hl和lhdf5的錯誤， 
   解決方案： 
   在計算機中搜尋libhdf5_serial.so.10.1.0，找到後右鍵點選開啟專案位置 
   該目錄下空白處右鍵點選在終端開啟，開啟新終端輸入 
   sudo ln libhdf5_serial.so.10.1.0 libhdf5.so 
sudo ln libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so 
   最後在終端輸入sudo ldconfig使連結生效 
   原終端中輸入make clean清除第一次編譯結果 
   再次輸入make all -j4重新編譯

3. 終端輸入 
   make test -j4 
make runtest -j4 
make pycaffe -j4 
make distribute 生成釋出安裝包

4. 測試python，終端輸入 
   cd /home/pawn/caffe/python 
python 
import caffe 
   如果不報錯就說明編譯成功

/home/wuliwei/caffe/include/caffe/blob.hpp:9:34: fatal error: caffe/proto/caffe.pb.h: No such file or directory
 #include "caffe/proto/caffe.pb.h"

wuliwei@wulw:~/caffe/src/caffe/proto$ protoc --cpp_out=/home/wuliwei/caffe/include/caffe/ caffe.proto 

/usr/bin/ld: caffe_cnn_handler.o: undefined reference to symbol '_ZNSs4_Rep10_M_destroyERKSaIcE@@GLIBCXX_3.4'
//usr/lib/x86_64-linux-gnu/libstdc++.so.6: error adding symbols: DSO missing from command line

LIBS += -L/usr/lib/x86_64-linux-gnu -lstdc++

九、mnist測試

1. 下載mnist資料集，終端輸入 
   cd /home/pawn/caffe/data/mnist/ 
./get_mnist.sh 獲取mnist資料集 
   在/home/pawn/caffe/data/mnist/目錄下會多出訓練集圖片、訓練集標籤、測試集圖片和測試集標籤等4個檔案

2. mnist資料格式轉換，終端輸入 
   cd /home/pawn/caffe/ 
./examples/mnist/create_mnist.sh 
   必須要在第一行之後執行第二行，即必須要在caffe根目錄下執行create_mnist.sh 
   此時在/caffe/examples/mnist/目錄下生成mnist_test_lmdb和mnist_train_lmdb兩個LMDB格式的訓練集和測試集

3. LeNet-5模型描述在/caffe/examples/mnist/lenet_train_test.prototxt

4. Solver配置檔案在/caffe/examples/mnist/lenet_solver.prototxt

5. 訓練mnist，執行檔案在/caffe/examples/mnist/train_lenet.sh 
   終端輸入 
   cd /home/pawn/caffe/ 
./examples/mnist/train_lenet.sh 
   測試結果如下