Ubuntu16.04安装配置Caffe教程(GPU版)

GPU版：http://www.linuxidc.com/Linux/2016-12/138870.htm

CPU版：http://www.linuxidc.com/Linux/2016-09/135034.htm

 

1   电脑配置及软件说明
1)     Ubuntu 16.04 x64系统，GPU：Quadro M4000（提示：在linux下可以通过命令lspic | grep –i vga 查看）

2)     Caffe：Convolutional Architecture for Fast FeatureEmbedding

3)     NVIDIA显卡驱动（不同的GPU对应不同的版本）

4)     CUDA 9.0

5)     cuDNN v7.0.5 for CUDA 9.0

6)     OpenCV 3.2.0

 

2          安装NVIDIA GPU驱动
2.1         查询GPU驱动
首先去NVIDIA官网http://www.nvidia.com/Download/index.aspx?lang=en-us查看适合自己显卡的驱动并下载。如下图1，图2所示。

图1. 填写GPU和系统信息

图2. 搜索结果

       本文中显卡型号是Quadro M4000，系统linux 64-bit，按照要求点击serach出现图2所示搜索结果，点击下载。本文中下载的驱动文件是：NVIDIA-Linux-x86_64-384.111.run。

注意：我们要把这个文件放到英文目录（e.g. /home）下，原因是下面我们要切换到文字界面下，如果放到中文目录下，我们没有办法进入这个目录（没有中文输入法，且中文全部是乱码）。

2.2         安装GPU驱动
2.2.1         屏蔽自带显卡驱动
1） 在终端下输入： sudo gedit /etc/modprobe.d/blacklist.conf

2） 输入密码收在最后一行加上：blacklist nouveau. 这里是将Ubuntu自带的显卡驱动加入黑名单

3） 在终端输入：sudo update-initramfs –u，使修改生效

4） 重启电脑

2.2.2         安装新驱动
1） 启动电脑后，按Ctrl+Alt+F1~F6进入命令行界面（安装GPU驱动要求在命令行环境），输入用户名和密码进入用户目录

2） 输入命令：sudo service lightdm stop

3） 进入驱动所在的文件夹，sudo chmod +x ./NVIDIA-Linux-x86_64-384.111.run，修改权限。然后：sudo ./NVIDIA-Linux-x86_64-384.111.run，进入安装程序

4） 完成安装后，重启电脑

5） 重启电脑后，输入以下指令进行验证：sudo nvidia-smi，若列出了GPU的信息列表则表示驱动安装成功。如下图3所示。

图3. GPU信息列表

3          安装CUDA
CUDA是NVIDIA的编程语言平台，想使用GPU就必须要使用cuda。

(1)   下载CUDA

首先在官网上https://developer.nvidia.com/cuda-downloads下载CUDA。下载CUDA时一定要注意CUDA和NVIDIA显卡驱动的适配性。现在的情况是：CUDA_8.0支持375.**及以上系列的显卡驱动；CUDA_9.0支持384.**及以上系列的显卡驱动；CUDA_9.1支持389.**及以上系列的显卡驱动。本文中的显卡驱动为384.111系列，所以不能下载最新版本的CUDA_9.1，最后下载的是cuda_9.0.176_384.81_linux.run（当然，CUDA_8.0也是没问题的）。下载界面如下图4所示。

图4. CUDA_9.0下载界面

(2)   运行安装程序

执行以下命令：

sudo chmod 777 cuda_9.0.176_384.81_linux.run

sudo ./cuda_9.0.176_384.81_linux.run

注意：执行后会有一系列提示让你确认，但是注意，有个让你选择是否安装nvidia384驱动时，一定要选择否：Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.**?

因为前面我们已经安装了更加新的nvidia384，所以这里不要选择安装。其余的都直接默认或者选择是即可。

(3)   环境变量设置

打开~/.bashrc文件：sudo gedit ~/.bashrc

将以下内容写入到~/.bashrc尾部：

exportPATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}

exportLD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

(4)    测试CUDA是否安装成功

执行以下命令：

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

sudo make

sudo ./deviceQuery

如果显示一些关于GPU的信息，则说明安装成功。如下图5所示。

图5. CUDA测试信息

4          配置cuDNN
cuDNN是GPU加速计算深层神经网络的库。

(1)   首先去官网 https://developer.nvidia.com/rdp/cudnn-download 下载cuDNN，需要注册一个账号才能下载。下载cuDNN时也一定要注意与CUDA版本的适配性，此信息官网中已经给的很清楚。下载界面如下图6所示。

图6. cuDNN下载界面

(2)   下载cuDNN后进行解压：sudo tar -zxvf ./cudnn-9.0-linux-x64-v7.tgz

(3)   进入解压后的文件夹下的include目录，在命令行进行如下操作：

cd cuda/include

sudo cp cudnn.h/usr/local/cuda/include  #复制头文件到cuda头文件目录

(4)   进入lib64目录下，对动态文件进行复制和软链接

cd ..

cd lib64

sudo cp lib*/usr/local/cuda/lib64/    #复制动态链接库

cd /usr/local/cuda/lib64/

sudo rm -rf libcudnn.solibcudnn.so.7    #删除原有动态文件

sudo ln -s libcudnn.so.7.0.5libcudnn.so.7  #生成软衔接

sudo ln -s libcudnn.so.7libcudnn.so      #生成软链接

5          安装OpenCV3.2
详细的安装请参考：http://www.linuxidc.com/Linux/2017-07/145446.htm

(1)   从官网(http://opencv.org/downloads.html)下载Opencv,并将其解压到你要安装的位置，假设解压到了/home/opencv。

unzip opencv-3.2.0.zip

sudo cp ./opencv-3.2.0 /home/username

sudo mv opencv-3.2.0 opencv

 

(2)   安装前准备，创建编译文件夹

cd ~/opencv

mkdir build

cd build

 

(3)   配置

sudo apt install cmake

sudo cmake -D CMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local ..

 

(4)   编译

sudo make -j8 (-j8表示并行计算，根据自己电脑的配置进行设置，配置比较低的电脑可以将数字改小或不使用，直接输make)

 

(5)   安装

以上只是将opencv编译成功，还没将opencv安装，需要运行下面指令进行安装：

sudo make install

6          配置Caffe
(1)   安装相关依赖

sudoapt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-devlibhdf5-serial-dev protobuf-compiler

sudoapt-get install --no-install-recommends libboost-all-dev

sudoapt-get install libopenblas-dev liblapack-dev libatlas-base-dev

sudoapt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

(2)   下载Caffe

使用Git直接下载Caffe非常简单，或者去https://github.com/BVLC/caffe下载。

下载完成后，会在家目录下的下载里找到caffe-master.zip，用unzip命令解压到家目录下，然后重命名为caffe。

 

(3)   修改Makefile.config

因为make指令只能make Makefile.config文件，而Makefile.config.example是caffe给出的makefile例子。因此，首先将Makefile.config.example的内容复制到Makefile.config：

sudo cpMakefile.config.example Makefile.config

打开并修改配置文件：

sudogedit Makefile.config #打开Makefile.config文件 根据个人情况修改文件：

a.      若使用cudnn，则将

#USE_CUDNN:= 1

修改成：

USE_CUDNN:= 1

b.      若使用的opencv版本是3的，则将

#OPENCV_VERSION:= 3

修改为：

OPENCV_VERSION:= 3

c.      若要使用python来编写layer，则将

#WITH_PYTHON_LAYER:= 1 

修改为WITH_PYTHON_LAYER := 1

d.      重要的一项，将

#Whatever else you find you need goes here. 下面的

INCLUDE_DIRS:= $(PYTHON_INCLUDE) /usr/local/include

LIBRARY_DIRS:= $(PYTHON_LIB) /usr/local/lib /usr/lib

修改为：

INCLUDE_DIRS:= $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial

LIBRARY_DIRS:= $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/usr/lib/x86_64-linux-gnu/hdf5/serial      

这是因为Ubuntu16.04的文件包含位置发生了变化，尤其是需要用到的hdf5的位置，所以需要更改这一路径。

 

(4)   修改Makefile文件

打开Makefile文件，做如下修改，将：

NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC$(COMMON_FLAGS)

替换为：

NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX)-Xcompiler -fPIC $(COMMON_FLAGS)

 

(5)   编辑/usr/local/cuda/include/host_config.h

将其中的第115行注释掉，将

#error-- unsupported GNU version! gcc versionslater than 4.9 are not supported!

改为：

//#error-- unsupported GNU version! gcc versionslater than 4.9 are not supported!

 

(6)   编译

make all -j8  #-j根据自己电脑配置决定

 

(7)   测试

sudo make runtest

如果运行之后出现下图7所示，说明caffe配置成功。

图7. Caffe测试成功运行结果

7          MNIST数据集测试
配置caffe完成后，我们可以利用MNIST数据集对caffe进行测试，过程如下：

1.将终端定位到Caffe根目录

cd ~/caffe

 

2.下载MNIST数据库并解压缩

./data/mnist/get_mnist.sh

 

3.将其转换成Lmdb数据库格式

./examples/mnist/create_mnist.sh

 

4.训练网络

./examples/mnist/train_lenet.sh

训练的时候可以看到损失与精度数值，如下图8所示：

图8. Lenet-5网络运行结果