ubuntu16.04 安裝配置matlab+python +cuda8.0+cudnn+opencv3.1的caffe環境

　　網絡上有很多ubuntu上caffe配置環境的帖子，本人照着其中的許多進行了參考，都出現了或多或少的錯誤，很多地方也有差異。

於是自己整理了下自己的安裝過程，成功進行了測試，跑通了faster-rcnn。配置環境時間為2017.1.4 系統ubuntu16.04

一：顯卡驅動的安裝：

　　由於要使用GPU，所以先要查看自己顯卡所匹配的顯卡驅動，網址：http://www.nvidia.com/Download/index.aspx?lang=en-us

　　選擇電腦匹配的顯卡驅動，本人電腦顯卡為GTX760，選擇如下圖所示

 

輸入以下命令執行安裝驅動：

sudo add-apt-repository ppa:graphics-drivers/ppa  
sudo apt-get update  
sudo apt-get install nvidia-375 //此處為上圖的驅動版本
sudo apt-get install mesa-common-dev  
sudo apt-get install freeglut3-dev

安裝完成后，重啟電腦后輸入

nvidia-smi

出現你的電腦gpu列表，如下所示，表示驅動安裝成功。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

二：安裝配置CUDA8.0

　　cuda官方下載地址：https://developer.nvidia.com/cuda-downloads，選擇如下:

　　

下載完成后，解壓到當前目錄，切換到該目錄輸入：

sh cuda_8.0.44_linux.run --override

安裝過程中，出現很多選擇的選項，先一直按S滑到百分百，然后根據提示輸入，分別如下：

輸入accept接受條款
輸入n不安裝nvidia圖像驅動，之前已經安裝過了//此處一定要選擇n
輸入y安裝cuda 8.0工具
回車確認cuda默認安裝路徑：/usr/local/cuda-8.0
輸入y用sudo權限運行安裝，輸入密碼
輸入y或者n安裝或者不安裝指向/usr/local/cuda的符號鏈接
輸入y安裝CUDA 8.0 Samples，以便后面測試
回車確認CUDA 8.0 Samples默認安裝路徑：

最重要的是確定此處不要再選擇安裝驅動。

添加環境路徑：

sudo vim ~/.bashrc  //末尾添加
export CUDA_HOME=/usr/local/cuda-8.0    
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH   
export PATH=/usr/local/cuda-8.0/bin:$PATH  

添加完成后source ~/.bashrc 使之生效。

測試cuda的例子，並得到如下輸出：

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery  
make -j4 
sudo ./deviceQuery  

表明cuda安裝成功。

三：Cudnnv5的安裝

　　從官網下載最新的cudnn，網址：https://developer.nvidia.com/rdp/cudnn-download，如下圖選擇適當的cudnn版本

　　

本人下載放在Download目錄下,進入該目錄並解壓，建立軟連接，如下所示：

cd ./Download/
tar -xvzf cudnn-8.0-linux-x64-v5.1.tgz   
sudo cp ./cuda/include/cudnn.h /usr/local/cuda/include 
sudo cp ./cuda/lib64/lib* /usr/local/cuda/lib64

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
sudo ldconfig

四：matlab的安裝與配置

　　本人使用的matlab版本位：R2014b_glnxa64_withcrack.iso

1、掛載iso（需新建matlab_iso文件夾）：
   mkdir matlab_iso //主目錄
   sudo mount -o loop R2014b_glnxa64_withcrack.iso  ~/matlab_iso
2、開始安裝：
   cd ~/matlab_iso
   sudo ./install
3、選擇不聯網安裝
4、密鑰輸入，29797-39064-48306-32452
5、激活：選擇”license.lic”文件進行激活（在crack文件夾下面）
6、將libmwservices.so復制到/usr/local/MATLAB/R2014b/bin/glnxa64中：
   sudo cp libmwservices.so /usr/local/MATLAB/R2014b/bin/glnxa64/libmwservices.so

啟動matlab后出現問題，可以參考這個帖子http://blog.csdn.net/csd_ct/article/details/51837894 。只需要將/sys/os/glnxa64/下的libstdc++.so.6 重命名位libstdc++.so.6.old.

五：Opencv3.1的安裝

　　opencv3.1的下載，網址鏈接：http://opencv.org/downloads.html

　　安裝必要項：

sudo apt-get update 
sudo apt-get install -y build-essential cmake git pkg-config 
sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler 
sudo apt-get install -y libatlas-base-dev 
sudo apt-get install -y --no-install-recommends libboost-all-dev 
sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev 
sudo apt-get install -y python-pip 
sudo apt-get install -y python-dev 
sudo apt-get install -y python-numpy python-scipy  

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

解壓opencv並進入該目錄：

cd opencv-3.1.0
mkdir build
cd build 
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..

期間可能會卡在ippcv的下載中，Ctrl + c中斷后，可以到 ippicv_linux_20151201.tgz 下載。將下載的文件替換掉 OpenCV-3.1.0/3rdparty/ippicv/downloads/linux-8b449a536a2157bcad08a2b9f266828b下的同名文件。

make -j4     
sudo make install  

make過程中，出現了graphcuts.cpp 的錯誤，進行如下修改：

sudo vim ../modules/cudalegacy/src/graphcuts.cpp 

將45行的#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)修改為#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) || (CUDART_VERSION >= 8000)

編譯完成后注意需要運行sudo make install執行安裝

 

六：Caffe編譯

　　

cd ~
git clone https://github.com/BVLC/caffe.git    //從github上git caffe

　　如果沒有安裝git，可以先使用sudo apt-get install git執行安裝。

cd caffe
sudo cp Makefile.config.example Makefile.config 
sudo vim Makefile.config

此時會修改caffe的編譯配置，需要修改如下地方:

# USE_CUDNN := 1 修改成： USE_CUDNN := 1 
# OPENCV_VERSION := 3 修改為： OPENCV_VERSION := 3
# WITH_PYTHON_LAYER := 1 修改為 WITH_PYTHON_LAYER:=1
#USE_OPENCV := 0 修改成 USE_OPENCV :=1
#USE_LEVELDB := 0 修改為 USE_LEVELDB:=1
#USE_LMDB := 0 修改位 USE_LMDB :=1
//修改matlab目錄
將MATLAB_DIR := /usr/local/MATLAB/R2014b
//最終要的修改 # 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   
修改為： 
　　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 //這是因為ubuntu16.04的文件包含位置發生了變化，尤其是需要用到的hdf5的位置，所以需要更改這一路徑  

修改Makefile文件：

sudo vim Makefile
將
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)  
替換為 
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS) 

編輯/usr/local/cuda/include/host_config.h 將119行的

#error -- unsupported GNU version! gcc versions later than 5 are not supported! 修改為 //#error -- unsupported GNU version! gcc versions later than 5 are not supported!，即添加了注釋，使之無效

進行編譯：

sudo make all -j8  
sudo make runtest -j8  

若編譯出現libcudart.so.8.0錯誤，則執行如下命令

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

此時正確情況如下圖所示：

　　

編譯matcaffe：

　　執行 make matcaffe -j4

　　顯示MEX completed successfully，表示編譯matcaffe成功，

　　執行make mattest -j4 即運行matcaffe的測試程序，結果如下圖：

　　

編譯pycaffe

sudo make pycaffe -j4
sudo make distribute -j4
cd python
for req in $(cat requirements.txt); do sudo  pip install -i https://pypi.tuna.tsinghua.edu.cn/simple $req; done 
cd ../

　　運行make pytest -j4進行測試，出現如下圖：

　　

表明pycaffe編譯成功 在～/.bashrc 末尾添加export PYTHONPATH=/home/zf/caffe/python:$PYTHONPATH //自己對照自己路徑。

打開python導入caffe 可以成功，如下：

 

 

七：mnist集測試：

cd ~/caffe 
./data/mnist/get_mnist.sh  
./examples/mnist/create_mnist.sh  
./examples/mnist/train_lenet.sh  

結果如下圖，正確率為99.08%

 

八：faster-rcnn配置與測試：

　　

mkdir ~/caffetest
cd caffetest
git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git //下載rcnn源碼
cd py-faster-rcnn
cd lib
make 
cd ../caffe-fast-rcnn
//用之前編譯的caffe替換rcnn的Makefile.config
sudo cp ~/caffe/Makefile.config ./caffe-fastr-rcnn/
sudo make -j4 && make pycaffe
cd ../
sudo ./data/script/fetch_faster_rcnn_models.sh

此過程中若出現cudnn錯誤，可以做如下方式進行解決：

//在caffe-fast-rcnn目錄下 
git remote add caffe https://github.com/BVLC/caffe.git  
git fetch caffe
//可能需要github賬號 按照提示輸入git config --global user.email ～～～ 和 git config --global user.name ～～～
git stash save
git merge caffe/master 

將caffe-fast-rcnn/include/caffe/layers/python_layer.hpp的29行self_.attr("phase") = static_cast<int>(this->phase_);注釋掉

重新編譯成功后，執行demo,兩種demo為不同的模型框架，

cd ~/caffetest/py-faster-rcnn
./tool/demo.py
./tool/demo.py --net zf

　　若出現Check failed：error == cudaSuccess（8 vs 0） invalid device function,則將py-faster-rcnn/lib/setup.py 的第135行，將arch改為與你顯卡相匹配的數值，（比如我的GTX 760，計算能力是3.0，就將sm_35改成了sm_30）然后刪除utils/bbox.c，nms/cpu_nms.c ，nms/gpu_nms.cpp 重新編譯即可

最終結果部分圖片如下：

　　

九：總結與體會

　　之前花費了時間斷斷續續的進行caffe的安裝與配置，但是總會出現大大小小的問題，但是最后才發現是第一步驅動的問題，很多博客說到的編譯器問題，在我這次安裝過程中都沒有出現。

據說是現在cuda8.0后對此進行了修復。最終能夠完全成功，也是非常令人高興的，也說明了，做一個事情，還是得老老實實專心的做下去。寫這篇博客，一是為了紀念一下這一路安裝的心酸，也

是想方便以后的人，希望對他們能有幫助，少走一點彎路。加油～

　　安裝過程中用到的安裝軟件，筆者會稍后上傳到網盤，需要的可以聯系筆者。筆者QQ：476833883。