Ubuntu14.04+cuda8.0+caffe+MATLAB-优快云博客

本文链接：https://blog.youkuaiyun.com/m0_37407756/article/details/70305828

本文详细介绍CUDA的安装流程及注意事项，并提供了Caffe的安装配置方法。从环境准备到安装验证，再到解决常见问题，帮助读者顺利搭建深度学习开发环境。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

安装CUDA主要分三大环节。

一、安装前的环境准备和检查
二、安装CUDA
三、安装完的校验。
一 .检查自己的电脑环境是否具备安装CUDA的条件
1.检查自己的GPU是否是CUDA-capable
在终端中输入： $ lspci | grep -i nvidia ，会显示自己的NVIDIA GPU版本信息
去CUDA的官网查看自己的GPU版本是否在CUDA的支持列表中(在官方文档中有链接)
2.检查自己的Linux版本是否支持 CUDA(Ubuntu 14.04没问题)
3.检查自己的系统中是否装了gcc
在终端中输入： $gcc –version 可以查看自己的gcc版本信息
4.检查是否安装了kernel header和 package development
在终端中输入： $uname –r 可以查看自己的kernel版本信息
在终端中输入：$ sudo apt-get install linux-headers-$(uname -r)
可以安装对应kernel版本的kernel header和package development
二、安装CUDA
a.选择安装方式
CUDA提供两种安装方式：package manager安装和runfile安装
我本来选的是 package manager 安装，这种方法相对简单，但尝试了几次都失败。后来是转换到runfile安装才成功的。因此此处只介绍runfile安装方式。
下载cuda安装包：cuda官网下载，根据系统信息选择对应的版本，runfile安装的话最后一项要选择 runfile文件
b.禁用 nouveau
终端中运行：$ lsmod | grep nouveau，如果有输出则代表nouveau正在加载。
Ubuntu的nouveau禁用方法：
sudo gedit /etc/modprobe.d/blacklist.conf

文本最后添加：

blacklist nouveau options nouveau modeset=0
打开终端，运行
$ sudo update-initramfs –u
设置完毕可以再次运行 $ lsmod | grep nouveau 检查是否禁用成功，如果运行后没有任何输出，则代表禁用成功。
c) 重启电脑，到达登录界面时，alt+ctrl+f1，进入text mode，登录账户
d) 输入 $ sudo service lightdm stop 关闭图形化界面
e) 切换到cuda安装文件的路径，运行$ sudo sh cuda_8.0_linux.run
按照提示一步步操作
遇到提示是否安装openGL ，选择no
其他都选择yes或者默认
安装成功后，会显示installed，否则会显示failed。
f)输入 $ sudo service lightdm start 重新启动图形化界面。返回到图形化登录界面，输入密码登录。
如果能够成功登录，则表示不会遇到循环登录的问题，基本说明CUDA的安装成功了。
g) 重启电脑。检查Device Node Verification。
检查路径/dev下有无存在名为nvidia*（以nvidia开头）的多个文件(device files)
如果没有的话，可以参考官方文档里的指导步骤，进行添加。
h) 设置环境变量。
终端中输入 $ sudo gedit /etc/profile
在打开的文件末尾，添加以下两行。
$ export PATH=/usr/local/cuda-8.0/bin:$PATH$ export LD_LIBRARY_PATH=/usr/local/cuda8.0/lib64
保存文件。
这里有点与官方安装文档稍有不同，需要说明：
官方文档里说只需在终端中运行上述两条export语句即可，但如果不将它们不写入/etc/profile文件的话，这样的环境变量在你退出终端后就消失了，不起作用了，所以写入才是永久的做法。
i) 重启电脑，检查上述的环境变量是否设置成功。
终端中输入 : $ env
在输出的环境变量中检查有无上述 g) 中设置的变量，如果有则代表设置成功。
到此为止，CUDA的安装算是告一段落了。为了保险起见，建议进行下述的检查工作，确保真正的安装成功。
三、安装完的校验。
a) 检查 NVIDIA Driver是否安装成功
终端输入：$ cat /proc/driver/nvidia/version 会输出NVIDIA Driver的版本号
b) 检查 CUDA Toolkit是否安装成功
终端输入： $ nvcc –V 会输出CUDA的版本信息

成功了！

选择 Download cuDNN v5.1 (Jan 20, 2017), for CUDA 8.0下载
cuDNN v5.1 Runtime Library for Ubuntu16.04 Power8 (Deb)
安装
或者下载tar，解压后会得到一个Cuda文件夹，复制到Cuda-8.0文件夹中

    sudo cp cuda/include/cudnn.h /usr/local/cuda-8.0/include
    sudo cp cuda/lib64/libcudnn* /usr/local/cuda-8.0/lib64
    sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda-8.0/lib64/libcudnn*

第二：安装caffe

1. 安装一一般依赖项

安装依赖和相关科学计算库

sudo apt-get install libprotobuf-dev
sudo apt-get install libleveldb-dev
sudo apt-get install libsnappy-dev
sudo apt-get install libopencv-dev
sudo apt-get install libhdf5-serial-dev

sudo apt-get install libprotobuf-dev protobuf-compiler #Linux系统级的安装
sudo apt-get install libgflags-dev
sudo apt-get install libgoogle-glog-dev
sudo apt-get install liblmdb-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install python-pip
sudo apt-get install gfortran
sudo apt-get install python-protobuf
sudo apt-get install python-skimage
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install git cmake
sudo apt-get install xorg-dev build-essential libglu1-mesa-dev libc6-dev

sudo apt-get install libopenblas-dev

sudo apt-get install libstdc++6

查看系统中已安装的protobuf：
whereis protoc #查看那些路径下安装了protobuf
which protoc #查看默认选用的protobuf
protoc --version #查看当前默认的protobuf的版本
sudo protoc --version #查看系统的protobuf的版本

作者：看_有灰碟
链接：https://www.jianshu.com/p/0cad02ad323b
来源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。

要是单独安装的安装protobuf-3.0.0

1. 解压protobuf-cpp-3.0.0.tar.gz: tar zxvf protobuf-cpp-3.0.0.tar.gz
2. cd protobuf-3.0.0
3. ./configure
4. make
5. make check
6. sudo make install

编译安装caffe
进入caffe-master目录，复制一份Makefile.config.examples

cp makefile.config.example makefile.config

make all
make test
make runtest
make pycaffe
(要是cpu还要更改makefile.config 中cpu和各种路径的添加)
遇到问题:
在执行 make pycaffe时

即编译 pycaffe时报错：fatal error: numpy/arrayobject.h没有那个文件或目录
解决方法：
sudo apt-get install python-numpy
然后
sudo make pycaffe
pycaffe就编译成功了

测试是否安装成功
1. 测试caffe
1. 进入入~/caffe-master
2. 运行行./build/tools/caffe
3. 出现了例如-gpu,-weights的参数提示示标识,即为安装成功
2. 测试pycaffe
1. 运行行 python 进入入python
2. 运行行import caffe
3. 无无任何报错出现下一一个“>>”标识,即为安装成功

注意：caffe中运行所有的程序,都必须在根目录下进行,否则会出错.

错误：

运行历程时:

"libcudart.so.8.0 cannot open shared object file: No such file or directory"

解决:

sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.so.8.0 && sudo ldconfig

sudo cp /usr/local/cuda-8.0/lib64/libcublas.so.8.0 /usr/local/lib/libcublas.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcurand.so.8.0 /usr/local/lib/libcurand.so.8.0 && sudo ldconfig

错误：“cublas_v2.h: No such file or directory”

主要问题还是没有把cuda的头文件、库的路径放置到caffe的Makefile.config中
具体来说：
CUDA中的include、lib路径是安装目录下/usr/local/cuda/targets/x86_64-Linux/下面的include和lib
将其分别添加到caffe根目录下Makefile.config中的"INCLUDE_DIRS"、“LIBRARY_DIRS”后面就可以了。（注意：cuda的版本就自己的而言）

解决：

cmake -D CMAKE_BUILD_TYPE=bulid -D CMAKE_INSTALL_PREFIX=/usr/local -DCUDA_GENERATION=Kepler ..

错误：
chmod: 无法访问"sh": 没有那个文件或目录
解决：
在当前文件下执行可执行文件要加./chmod 777 *.sh

错误：
fatal error: opencv2/nonfree/nonfree.hpp: 没有那个文件或目录 #include "opencv2/nonfree/nonfree.hpp"
解决：
sudo apt-get update
sudo add-apt-repository --yes ppa:xqms/opencv-nonfree
sudo apt-get update
sudo apt-get install libopencv-nonfree-dev

安装MATLAB与caffe的接口

首先需要安装MATLAB。

安装教程：https://blog.youkuaiyun.com/m0_37407756/article/details/73187654

配置caffe与MATLAB的接口：

MATLAB_DIR := /usr/local/MATLAB/R2014a

然后就可以编译了，进到caffe的根目录，我是~/caffe

 make matcaffe

编译的时候，我有出现警告说我的gcc版本太高了，不过也编译成功了，然后编译下mattest，测试下编译好的matcaffe是否能用

make mattest

这个转载地址：http://blog.youkuaiyun.com/u012746763/article/details/50419153有降级的。

遇到的错误：

Invalid MEX-file '/home/abc/caffe-master/matlab/+caffe/private/caffe_.mexa64': libhdf5_hl.so.10: cannot
open shared object file: No such file or directory

解决方法：

export LD_LIBRARY_PATH=/path/to/your/anaconda2/lib:$LD_LIBRARY_PATH

我的是

export LD_LIBRARY_PATH=/home/abc/anaconda2/lib:$LD_LIBRARY_PATH