CUDA与doppia安装指南-优快云博客

本文链接：https://blog.youkuaiyun.com/u011045727/article/details/61208045

一．安装CUDA。参考链接1

1.安装CUDA 前，进行三步验证工作

验证电脑显卡是否支持GPU 编程，在终端（Ctrl+Alt+T，打开终端）输入

lspci | grep -i nvidia

它会给出你的显卡信息，上http://developer.nvidia.com/cuda-gpus 查看你的显卡是否在CUDA支持产品之列。

查看电脑linux 版本，终端输入

uname -m && cat /etc/*release

返回系统信息后，官网https://developer.nvidia.com/cuda-downloads 下载符合自己系统的CUDA 版本。(建议下载第二个离线安装包.deb)

查看编译器版本，终端输入

gcc -v
g++ -v

2.卸载驱动

删除旧NVIDIA 驱动,卸载命令：

sudo apt-get --purge remove nvidia-*

sudo apt-get purge remove xserver-xorg-video-nouveau

接下来重启电脑，进入系统后，按快捷键Ctrl+Alt+F1 切换到tty1 文字输入界面。输入账号和密码后，输入

sudo stop lightdm

关闭桌面管理。

3.正式安装CUDA

关闭桌面管理后。接下来正式安装CUDA。输入下列命令，将CUDA 安装到本地仓库（<>中的内容根据自己下载的CUDA 版本和Ubuntu系统做修改，当然，如果你的安装包不在Home 下，记得切换目录）

sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb

更新本地仓库

sudo apt-get update

最后安装CUDA 和显卡驱动（CUDA 默认路径:/usr/local/cuda）

sudo apt-get install cuda

打开桌面管理后，重启电脑

sudo start lightdm

4.验证CUDA 是否安装成功

进入系统后，设置环境变量，不然系统找不到CUDA 的执行文件“nvcc” 在/etc/profile 文件末尾添加下列信息。

export PATH=/usr/local/cuda-7.5/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH

这时，CUDA 的安装和配置工作已经完成。但为了验证CUDA 是否安装成功，我们还需以下操作：
查看CUDA 编译器版本

nvcc –V

返回类似以下信息
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2015 NVIDIA Corporation
Built on Mon_Feb_16_22:59:02_CST_2015
Cuda compilation tools, release 7.5, V7.5.27

5.编译CUDA 示例代码

进入usr/local/cuda-7.5/samples 目录，编译示例

sudo make all -j8

编译完成后，进入目录samples/bin/x86_64/linux/release，终端输入

sudo ./deviceQuery

如果出现类似以下显卡信息，那么CUDA 安装成功。请记住显示信息中CUDA Capability Major/Minor version number: 3.5 这一行的参数显卡不同参数可能不同，后面需要用到这个参数。
./deviceQuery Starting…
CUDA Device Query (Runtime API) version (CUDART static linking)
…
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 7.5, CUDA Runtime Version
= 7.5, NumDevs = 2, Device0 = GeForce GT 640, Device1 = Quadro 600
Result = PASS
现在可以运行release 里的例子，来体验一下CUDA 的功能。

sudo ./bilateralFilter

得到图片bilateralFilter
至此，doppia 环境配置的第一部分“CUDA 的安装”完成了。

二．boost 库安装。参考链接2

1.下载boost 库

下载地址：http://www.boost.org/，下载合适boost 版本。

2.安装依赖库

apt-get install mpi-default-dev libicu-dev python-dev libbz2-dev

3.编译boost库

下载得到boost1_58_0.tar.gz 后，解压文件得到boost_1_58_0
修改user-config.jam 文件
（在/boost/tools 下搜索user-config.jam），在user-config.jam 文件最后添加一行using mpi ; #注意mpi 后面有一个空格
下面开始编译boost 库，终端输入指令得到b2 和bjam.

sudo ./bootstrap.sh

sudo ./b2 -a -sHAVE_ICU=1

-a 参数，代表重新编译，-sHAVE_ICU=1 代表支持Unicode/ICU它需要大概半小时的时间。

4.安装boost 库

安装boost 库，输入

sudo ./b2 install

如果以上几步都没有报错的话，boost 库就算安装完成，可以去/usr/local/include/目录下看是否有生成boost 文件夹验证一下。

三．编译安装opencv 库。参考链接3

1.下载脚本文件

下载脚本文件，网址https://github.com/jayrambhia/Install-OpenCV 解压缩后,进入Ubuntu/2.4,有不同版本的opencv 脚本文件。这里选择opencv2.4.10。

2.修改opencv2_4_10.sh 文件

之前执行的./deviceQuery 后得到的显卡信息 CUDA Capability Major/Minor version number: 3.5 这里修改opencv2_4_10.sh 就要根据这个参数。把脚本文件中

cmake -D CUDA_ARCH_BIN=3.2 -D CUDA_ARCH_PTX=3.2

改成和你自己显卡相匹配的值，比如这里，我们把它改成

cmake -D CUDA_ARCH_BIN=3.5 -D CUDA_ARCH_PTX=3.5

（注意：在文件中make -j 这一行改为make -j2 否则可能造成电脑死机）

3.编译安装opencv

在修改好opencv_2_4_10 脚本后，执行

sudo ./opencv2_4_10.sh

程序会自动帮安装依赖库及opencv，需要几十分钟。

四．安装其他库、编译和运行doppia。参考链接4，5，6

1.安装其他库

安装一些库（libSDL、protobuf 等）的安装安装libSDL,我们终端输入

apt-cache search libsdl

选择其中的libsdl1.2-dev 进行安装。

sudo apt-get install libsdl1.2-dev

安装protobuf 库安装命令为：

Sudo apt-get install libprotobuf-dev libprotoc-dev python-protobuf protobuf-compiler

2.配置文件修改。参考链接5，6

在doppia/src/helpers/data/DataSequence.hpp 头文件中，在

#include "DataSequenceHeader.pb.h"
#include <google/protobuf/io/zero_copy_stream_impl.h>

两行之间添加一行新的引用，如下，

#include "DataSequenceHeader.pb.h"
#include <google/protobuf/io/coded_stream.h>
#include <google/protobuf/io/zero_copy_stream_impl.h>

doppia/src/objects_detection/SoftCascadeOverIntegralChannelsFastFractionalStage.cpp文件开头添加一行引用

#include<iostream>

修改/doppia 文件夹common_settings.cmake 文件342 行，/home/gy 改为自己电脑的路径。

elseif(${HOSTNAME} STREQUAL "the_name_of_your_machine")
message(STATUS "the_name_of_your_machine")
# start with an empty section, and see what fails as you go through the readme.text
instructions
option(USE_GPU "Should the GPU be used ?" TRUE)
set(CUDA_BUILD_EMULATION OFF CACHE BOOL "enable emulation mode")
set(CUDA_BUILD_CUBIN OFF)
set(local_CUDA_CUT_INCLUDE_DIRS
"/home/gy/NVIDIA_CUDA-7.5_Samples/common/inc")
set(local_CUDA_CUT_LIBRARY_DIRS
"/home/gy/NVIDIA_CUDA-7.5_Samples/common/lib")
set(local_CUDA_LIB_DIR "/usr/local/cuda-7.5/lib64")
set(cuda_LIBS "cuda")

在384 行左右将

set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -Wall ")

修改为

set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -Wall
-DBOOST_VARIANT_USE_RELAXED_GET_BY_DEFAULT=1")

3.检查编译环境

sudo sh ./generate_protocol_buffer_files.sh

protobuf 通过doppia-v2 检测的返回信息为
+ cd src/objects_detection/
…
+ echo End of game. Have a nice day!
End of game. Have a nice day!

4.编译运行doppia下objects_detection

切换到objects_detection 目录下

cd doppia/src/applications/objects_detection

编译objects_detection 项目

cmake -D CMAKE_BUILD_TYPE=RelWithDebInfo . && make -j2

编译成功。

选择模式

cvpr2012 行人检测

cmake . && make -j2 && OMP_NUM_THREADS=4 ./objects_detection -c
cvpr2012_very_fast_over_bahnhof.config.ini --gui.disable false

eccv2014 人脸检测

cmake . && make -j2 && ./objects_detection -c eccv2014_face_detection_pascal.config.ini --gui.disable false

最后运行成功你会看到一个简短地video 或图片，以及下面这样的信息
Warning: At
…
Average objects detection speed per iteration 29.36 [Hz] (in the last 10 iterations)
End of game, have a nice day.

如何使用doppia 进行人脸检测请参考链接7，运行detections_to_caltech.py 脚本，
首先切换到detections_to_caltech.py 目录下,

cd /home/gy/doppia/tools/objects_detection

运行detections_to_caltech.py 脚本-i 后面是输入文件路径，-o 输出文件路径。

python detections_to_caltech.py -i
/home/gy/doppia/src/applications/objects_detection/2016_06_17_57397_recordings
/detections.data_sequence -o /home/gy/doppia/src/applications/objects_detection/2016_06_17_57397_recordings/data