Debian8系統下，caffe的安裝

首先，官方的參考文獻為：http://caffe.berkeleyvision.org/installation.html。

現在開始：

安裝一些依賴包（對於gcc與g++編譯器，就不多說了，可以apt-get install build-essentital）,命令如下：

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf- compiler sudo apt-get install --no-install-recommends libboost-all-dev

 

 

現在安裝cuda,官方網站：https://developer.nvidia.com/cuda-zone：

 

點擊downloads,然后出現下圖，我選擇的為linux下的x86_64架構下的ubuntu的14.04的runfile(local)安裝包：

 

安裝時，參考官方文檔http://developer.download.nvidia.com/compute/cuda/7.5/Prod/docs/sidebar/CUDA_Installation_Guide_Linux.pdf，下面說安裝步驟（官方一些沒有必要的驟沒寫）：

    1.確認有一個CUDA-Capable的顯卡，可以輸入以面命令，會出來一些信息，說明你的顯卡符合條件。

 

lspci | grep -i nvidia

 

    此外，還可以通過官方網站 http://developer.nvidia.com/cuda-gpus 來查看你的顯卡是否符合。

    2，確認系統有正確的內核頭文坐件與開發包，直接輸入以下命令安裝就好啦（系統不一樣，命令也不一樣，具體看官方文檔）

sudo apt-get install linux-headers-$(uname -r)

   3，我采用的是runfile方式安裝：

    首先，禁掉linux系統本身自帶的顯卡驅動 nouveau,方法為在 /etc/modprobe.d/目錄下建一個文件名為：blacklist-nouveau.conf，寫入一些內容，具體如下：

vim /etc/modprobe.d/blacklist-nouveau.conf

 

寫入：

 

blacklist nouveau options nouveau modeset=0

 

執行：

sudo update-initramfs –u

 

 

其次，以命令行模式重啟電腦，對於debian8，進入命令行模式的方法為，輸入：

systemctl set-default multi-user.target

 

進入窗口方式的方法為，輸入：

systemctl set-default graphical.target

 

好，現在我們用命令行重啟電腦了，確認nouveau驅動沒有啟動，輸入以下命令，不出現任何東西哦

lsmod | grep nouveau

 

好，現在找到我們下載的cuda_7.5.18.linux.run文件，給它可執行權限，安裝它(記得用sudo，給它一些安裝包寫入的權限）：

cd 〈cuda_7.5.18 .linux.run文件所在的目錄下〉 chmod +x cuda_7.5.18 .linux.run sudo ./cuda_7.5.18.linux.run

在這個過程中，分問你安裝路徑，我直接默就好，還會問你是否安裝一些包，我除了openGL沒有安裝，其余都安裝了，因為，筆記本有核心顯卡，屏幕顯示會用核心顯卡，如果安裝了openGL,可能會出現顯示不正常的現像；台式機沒事。

下面是device node verification,看看是是否存在 /dec/nvidia*之類的文件和是否有讀寫權限，如果沒有文件，我們自己添加，沒有權限，自己改就好，添加方法，看這個腳本文件：

#!/bin/ bash /sbin/modprobe nvidia if [ "$?" -eq 0 ]; then

 # Count the number of NVIDIA controllers found. NVDEVS

=`lspci | grep - i NVIDIA` N3D=`echo "$NVDEVS" | grep "3D controller" | wc - l` NVGA=`echo "$NVDEVS" | grep "VGA compatible controller" | wc - l` N=`expr $N3D + $NVGA - 1 ` for i in `seq 0 $N`; do mknod -m 666 /dev/nvidia$i c 195 $i done mknod -m 666 /dev/nvidiactl c 195 255 else

 exit 

1 fi /sbin/modprobe nvidia- uvm if [ "$?" -eq 0 ]; then

 # Find out the major device number used by the nvidia

- uvm driver D=`grep nvidia-uvm /proc/devices | awk '{print $1}' ` mknod -m 666 /dev/nvidia-uvm c $D 0 else

 exit 

1 fi

現在我們回到圖形桌面，方法如上面已說。設置環境變量，我的辦法是在.bashrc里添加如下（我的是64位系統,完成后關）：

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

 

如果32位的話，這樣寫：

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

到此安裝基本完成，現在一些確認安裝成功的驗證步驟：

查看安裝的驅動信息（注意，對於iGPU/dGPU沒作用）：

cat /proc/driver/nvidia/version

查看CUDA Toolkit的版本，可以輸入：

nvcc –V

現在，我們運行一下自帶的examples，由於我是默認的安裝路徑，所以，進入~/~/NVIDIA_CUDA-7.5_Samples下，make.命令如下：

cd ~/NVIDIA_CUDA-7 .5_Samples make

完成以后，在~/NVIDIA_CUDA-7.5_Samples/bin/86_64/linux/release路徑下（我的是這樣的路徑）,分別運行deviceQuery與

bandwidthTest文件，會分別出現這樣的結果（不一定一樣，類似）：

 

 

 

 

 

spire-V5-471G:~/NVIDIA_CUDA-7.5_Samples/bin/x86_64/linux/release$ ./ deviceQuery ./ deviceQuery Starting... CUDA Device Query (Runtime API) version (CUDART static linking) Detected 1 CUDA Capable device(s) Device 0: "GeForce GT 620M"

 CUDA Driver Version 

/ Runtime Version 7.5 / 7.5

 CUDA Capability Major

/Minor version number: 2.1

 Total amount of global memory: 

1024 MBytes (1073479680 bytes) ( 2) Multiprocessors, ( 48) CUDA Cores/MP: 96 CUDA Cores GPU Max Clock rate: 1250 MHz (1.25 GHz) Memory Clock rate: 900 Mhz Memory Bus Width: 64- bit L2 Cache Size: 131072 bytes Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65535), 3D=(2048, 2048, 2048 ) Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers Total amount of constant memory: 65536 bytes Total amount of shared memory per block: 49152 bytes Total number of registers available per block: 32768

 Warp size: 32
 Maximum number of threads per multiprocessor: 1536
 Maximum number of threads per block: 1024
 Max dimension size of a thread block (x,y,z): (

1024, 1024, 64 ) Max dimension size of a grid size (x,y,z): (65535, 65535, 65535 ) Maximum memory pitch: 2147483647 bytes Texture alignment: 512 bytes Concurrent copy and kernel execution: Yes with 1 copy engine(s) Run time limit on kernels: No Integrated GPU sharing Host Memory: No Support host page- locked memory mapping: Yes Alignment requirement for Surfaces: Yes Device has ECC support: Disabled Device supports Unified Addressing (UVA): Yes Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0

 Compute Mode: 

< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver 

= CUDART, CUDA Driver Version = 7.5, CUDA Runtime Version = 7.5, NumDevs = 1, Device0 = GeForce GT 620M Result = PASS

 

yinheyi@yinheyi-Aspire-V5-471G:~/NVIDIA_CUDA-7.5_Samples/bin/x86_64/linux/release$ ./ bandwidthTest [CUDA Bandwidth Test] - Starting... Running on... Device 0 : GeForce GT 620M Quick Mode Host to Device Bandwidth, 1 Device(s) PINNED Memory Transfers Transfer Size (Bytes) Bandwidth(MB/ s) 33554432 2843.5

 Device to Host Bandwidth, 1

Device(s) PINNED Memory Transfers Transfer Size (Bytes) Bandwidth(MB/ s) 33554432 3316.7

 Device to Device Bandwidth, 1

Device(s) PINNED Memory Transfers Transfer Size (Bytes) Bandwidth(MB/ s) 33554432 13068.0

Result 

= PASS NOTE: The CUDA Samples are not meant for performance measurements. Results may vary when GPU Boost is enabled. yinheyi@yinheyi-Aspire-V5-471

好啦，cuda安裝完成啦。

現在再安裝一下GPU Deployment Kit，下載地址：http://developer.download.nvidia.com/compute/cuda/7.5/Prod/local_installers/cuda_352_79_gdk_linux.run ,安裝方法與上面一樣，直接運行它就可以啦，不多說啦。

 

安裝BLAS：對於BLAS的依賴，我選擇安裝ATLAS（還可以通過安裝MKL, or OpenBLAS），方法為：

sudo apt-get install libatlas-base-dev

 

安裝Python以及依賴的庫：一般我們的系統都自帶我python, 我的版本為2.7.

雖然安裝我python,但是很多需要的庫並沒有，我們可以進入我們下載的caffe包（可以在這里下載）里面，打開 caffe包里面的 /python/requirements.txt文件，這里面就是它的依賴的庫，在該目錄下，可以通過下面命令下載(如果直接輸入命令不管用，可以把它寫入到一個腳本里面）：

for req in $(cat requirements.txt); do pip install $req; done

如果提示找不到 pip 命令，則說明沒有 pip 這個工具，那么下載它： https://pypi.python.org/packages/source/p/pip/pip-1.5.6.tar.gz，然后解壓，里面有一個setup.py的文件，執行這個文件就可以安裝pip了。

sudo python setup.py install

有些電腦可能會提示 no moudle name setuptools 的錯誤，這是沒有安裝setuptools的原因。那就需要先安裝一下setuptools, 到https://pypi.python.org/packages/source/s/setuptools/setuptools-19.2.tar.gz 下載安裝包setuptools-19.2.tar.gz，然后解壓執行：

sudo python setup.py install

當我用pip下載相關的庫文件時，發現下載的速度好慢，老是失敗，后來想改一下鏡像源（豆瓣）,方法如下:在~目錄下建立.pip文件夾，cd .pip后使用vi pip.conf建立pip的配置文件，輸入如下內容：

[global] timeout = 6000

index

-url = http://pypi.douban.com/simple/ [install ] use-mirrors = true

mirrors 

= http://pypi.douban.com/simple/ trusted-host = pypi.douban.com

然后，可以下載啦，速度還不錯。

另外還有個辦法，那就是安裝anaconda，我就是用的這個方法，anaconda里面已經包括了很多的庫文件。

anaconda的下載安裝：

我們可以查看anaconda的安裝包里都包括什么：https://docs.continuum.io/anaconda/pkg-docs

下載地址：https://www.continuum.io/downloads#linux          (這里有 anaconda的所有版本：https://repo.continuum.io/archive/）

安裝時，參考官方文檔：https://docs.continuum.io/anaconda/install

找到下載好的文件，我的為Anaconda2-4.1.1-linux-x86_64.sh文件，給它可執行權限，直接運行就好啦，在安裝過程中，最好選擇默認的安裝路徑，即~/anaconda2，最后安裝完成后會出現“Installation finished.” and “Thank you for installing Anaconda!”信息。

安裝以后，它會自動的在 ~/.bashrc文件中加入PTAH變量，打開確認一下，如果沒有，自己添加如下內容：

#下面的路徑對應自己安裝的anaconda的路徑，下面是我的路徑： export PATH="${HOME}/anaconda2/bin:$PATH"

下面， 我們再加一下它的動態庫的路徑：

#下面是我的路徑，根據自己的具體路徑自己修改一下就好： export LD_LIBRARY_PATH="${HOME}/anaconda2/lib:$LD_LIBRARY_PATH"

好啦，現在安裝完成啦。

最后，To import the caffe Python module after completing the installation, add the module directory to your $PYTHONPATH by export PYTHONPATH=caffe的路經/python:$PYTHONPATH .我的做法就是在.bashrc中加入PYTHONPATH經路經。我加的是：

PYTHONPATH＝”~/home/yinheyi/caffe/python:$PYTHONPATH"

 

 

可能還需要安裝一些相關依賴，運行如下命令安裝：

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

 

安裝OpenCV：我是在官網上http://opencv.org/下載的，然后自己編譯（也可以通過apt-get install來安裝，具體方法自己google)，可以參才考http://docs.opencv.org/2.4.13/doc/tutorials/introduction/linux_install/linux_install.html#linux-installation.

1，首先下載opencv for linux，然后unpack.

2，然后解決安裝之前的依賴問題：

[compiler] sudo apt-get install build- essential [required] sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale- dev [optional] sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

以上第一個是需要的編譯器，第二個是需要的依賴包，第三個是可選擇的包。

3，進入我們 opencv-2.4.13目錄下，創建一個 新的目錄，比如名字為release,然后進入release下，cmake就好啦（cmake需要一些參數的，不會用cmake的，自己百度或google學），具體命令如下(我的文件在用戶目錄下，即~/,第)：

cd ~/opencv-2.4.13 mkdir release cd release cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..

上面最后行的參數可以改的。

進入release目錄下，執行：

make sudo make install

配置openCV參數設置
在/etc/ld.so.conf.d/opencv.conf文件中加入一行：/usr/local/lib ,（加入動態庫，不明白的可以自己百度一下ldconfig)
可能會沒有opencv.conf這個文件，那我們就自己創建一個:
sudo touch /etc/ld.so.conf.d/opencv.conf,然后寫入 /usr/local/lib就可以啦。
使用下面這條命令：
sudo ldconfig

最后，在~/.bashrc文件里，加入這么一行。

export PKG_CONFIG_PATH="/usr/local/lib/pkgconfig:$PKG_CONFIG_PATH"

 

安裝：cudnn,下載地址：https://developer.nvidia.com/cudnn（如果你的GPU的compute capability的能力小於3.0，就不需要cudnn來加速，否則后面安裝caffe時會出錯，下面已經提到）

cudnn是專門針對Deep Learning框架設計的一套GPU計算加速方案，目前支持的DL庫包括Caffe，ConvNet, Torch7等。安裝的基本原理是把解壓后的相關文件復制到CUDA工具箱的相關目錄下（官方文檔：http://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html）。操作如下：

$ tar -xzvf cudnn-9.0-linux-x64-v7.tgz

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

在復制的過程中，或許需要注意軟鏈接的問題。

現在OK啦。

 

 

安裝caffe:

先進入caffe包里，然后復制一份名為Makefile.config.example的文件為Makefile.config.根據自己的情況配置一下Makefile.config. 下面是我自己的配置文件。然后，執行：

make all
make test
make runtest

OK，完成啦。

 

在make runtest時，因為用的是anaconda,如果出現了這樣的錯誤：

awk: symbol lookup error: $HOME/anaconda2/lib/libreadline.so.6: undefined symbol: PC

解決方法：try to remove readline in anaconda lib so as to use the default system one.

進入到 anaconda的 lib 路徑下（可以不用進入這個路徑的），運行如下代碼：

conda remove --force readline

 

 

在make runtest時，出現了這樣的類似的錯誤：

: [----------] 6 tests from CuDNNConvolutionLayerTest/1, where TypeParam = double

[ RUN ] CuDNNConvolutionLayerTest

/1 .TestSimpleConvolutionGroupCuDNN F1014 08:55:30.083176 23568 cudnn_conv_layer.cpp:30] Check failed: status == CUDNN_STATUS_SUCCESS (6 vs. 0 ) CUDNN_STATUS_ARCH_MISMATCH *** Check failure stack trace: ***

 @ 0x2b082d0a8daa

(unknown) @ 0x2b082d0a8ce4 (unknown) @ 0x2b082d0a86e6 (unknown) @ 0x2b082d0ab687 (unknown) @ 0x739689 caffe::CuDNNConvolutionLayer<> ::LayerSetUp() @ 0x42c1f0 caffe::Layer<> ::SetUp() @ 0x49d776 caffe::CuDNNConvolutionLayerTest_TestSimpleConvolutionGroupCuDNN_Test<> ::TestBody() @ 0x68d613 testing::internal::HandleExceptionsInMethodIfSupported<> () @ 0x6840b7 testing::Test::Run() @ 0x68415e testing::TestInfo::Run() @ 0x684265 testing::TestCase::Run() @ 0x6875a8 testing::internal::UnitTestImpl::RunAllTests() @ 0x687837 testing::UnitTest::Run() @ 0x41e9d0 main @ 0x2b0831cf1ec5 (unknown) @ 0x4261c7 (unknown) @ (nil) (unknown) make: *** [runtest] Aborted (core dumped) caffe::NetTest_TestReshape_Test<> ::TestBody() @ 0x68d613 testing::internal::HandleExceptionsInMethodIfSupported<> () @ 0x6840b7 testing::Test::Run() @ 0x68415e testing::TestInfo::Run() @ 0x684265 testing::TestCase::Run() @ 0x6875a8 testing::internal::UnitTestImpl::RunAllTests() @ 0x687837 testing::UnitTest::Run() @ 0x41e9d0 main @ 0x2b2a9f778ec5 (unknown) @ 0x4261c7 (unknown) @ (nil) (unknown) make: *** [runtest] Aborted (core dumped)

原因在於，我的顯卡為GT620M，它的compute capability為2.1，而cuDNN requires a GPU with CUDA compute capability 3.x or higher ，所以呢，我要把Makefile.config中的 USE_CUDNN:=1注釋掉，重新編譯，執行如下：

make clean

make all - j4 make test - j4 make runtest -j4

具體看的自己的顯卡的compute capability,可以在官網看：https://developer.nvidia.com/cuda-gpus。

 

最后，如果用python 接口，請執行：

make pycaffe

 

打開python, import caffe成功。

 

如果出現：ImportError: No module named google.protobuf.internal

那就直接在終端中安裝protobuf就好，執行：

pip install protobuf

現在再試，OK，可以啦。

 

 

最最后，如果py-faster-rcnn就不能正常導入caffe，把~/.bashrc中的anaconda的PATH路徑去掉。（這是我看到的，我也不知道什么意思，寫進去吧， 萬一如果出現了可以作為參考）

 

終結！