Intel+Nvidia雙顯卡筆記本Linuxmint18下安裝CUDA+OpenCV+Caffe的安裝記錄

一.安裝環境：

硬件：微星GE70 2PC 089-XCN，14年性價比較高的一款，然而兩年多過去后配置已經落伍...當年的價格現在能買到i7+GTX1050了...

　　　　CPU:intel i5 4200H  雙核四線程  2.8GHz

　　　　顯卡：Intel HD 4600 + Nvidia GTX 850M

　　　　硬盤：Linux系統分配了100G，現在我主要還是用Windows所以給Linux分的比較少，不過看大多數做深度學習的/home至少分300個G...

　　　　內存：16G

系統：LinuxMint18.1，基於Ubuntu 16.04系統。

　　　　選擇LinuxMint的原因就是，Ubuntu上顯卡驅動不好裝，裝不上，裝上之后重啟不能登錄桌面...Mint看起來人性化些，而且作為桌面操作系統用也是不錯的選擇（除了沒有QQ和迅雷這倆我離不開的軟件...還有微軟Office套件...）

准備安裝：CUDA8.0+OpenCV3.2+Caffe

二.Windows10+LinuxMint18.1雙系統安裝

　　　　這個單開一篇文章說吧...（我還沒寫，請先參考這篇可讀性比較好的文章：UEFI下Win 8.1+Ubuntu 14.04安裝教程）

　　　　簡單來講，推薦選擇UEFI引導方式，硬盤分區表GPT，Windows那部分保持不變，留出個幾百G的空余（留多少看你心情吧），然后100~300M做EFI引導分區，和內存等大的交換分區，剩下全給/ Ext4,或者你單獨給/home多少多少...

　　　　安裝時候有個第三方驅動的問題，使用第三方驅動需要關閉安全引導，一定記住你定的那個密碼，重啟后它問你那個密碼不是直接讓你輸入密碼，而是問你第幾個數字是啥，有意思...

　　　　我建議裝完系統后更新一下，有的教程說不要更新，我感覺更新總是好的...Mint的軟件源盡量不要改，我改成過中國的，然后就出錯了...網速能忍的情況下盡量不要改...如果你知道哪個源好用評論告訴我 _(:з」∠)_

　　　　系統安裝倒是不難，接下來最頭疼的問題來了，就是安裝驅動。

三.Nvidia顯卡私有驅動安裝

　　　　你可能會遇到聲卡驅動問題導致電腦沒聲音，網卡驅動問題導致不能上網，觸摸板驅動問題導致觸摸板不能用，鍵盤驅動...鍵盤能有啥問題頂多是鍵盤燈不亮...沒辦法你的電腦本來就不是為了Linux而設計的（不過還真有出廠預裝Ubuntu的），缺少驅動問題要自己想辦法了。

　　　　下面只說顯卡驅動問題。有個尷尬的問題就是系統默認安裝了nouveau開源驅動，你是可以把它加黑名單，但貌似在拔掉顯卡前這個驅動是不會停止工作的，你也就裝不上官方驅動...顯卡咋拔？拔了不黑屏了嗎...就算禁用，那也黑了...尤其這雙顯卡...不管了...

　　　　進入系統設置最底下有個驅動管理，點進去后你能看到，給你推薦了驅動，Intel那里選擇intel-microcode就好，NVIDIA那里有兩個，一個NVIDIA官方的閉源驅動，一個叫nouveau的開源驅動。顯然閉源的效果要比開源的好，而且你要裝CUDA肯定需要官方的顯卡驅動。但由於Linux的政策限制，預裝了nouveau驅動，在裝官方驅動之前，你要把這個開源驅動加入黑名單，不加的話官方驅動裝不上。

　　　　我嘗試了從官網下載最新的驅動安裝包然后進命令行模式裝，可惜各種報錯...所以還用系統推薦的吧...

　　　　1.為了將nouveau加入黑名單，編輯 /etc/modprobe.d/blacklist.conf ，在文件后面加入blacklist nouveau.

　　　　2.到系統設置里找驅動管理，選擇兩個推薦的驅動，點應用更改。

　　　　3.等，我裝的時候等了5個小時，進度條一直剩一點點，然后我就直接重啟了，重啟后會進入那個上面說的關閉安全引導的步驟，輸對密碼后就可以正常進系統了。

　　　　最好是多等等，我等一個小時時候進度條也剩那一點，直接重啟后桌面就開始崩潰了，顯然驅動沒裝好...說實話我現在都不知道裝不上是因為網速慢還是看臉，所以嘛，多等等就是了...畢竟重裝了6遍系統才成功把顯卡驅動裝上...

　　　　裝好后，系統右下角會有一個N卡的logo，點它進NVIDIA X Server Setting可以切換顯卡的，每次切換都需要注銷。（如果你也用微星你會發現電源燈由藍色變為紅色，證明獨顯工作了。裝好獨顯驅動后steam里好多游戲都可以流暢運行！）

　　　　

 

　　　　你也可以進一步確認一下，進終端輸入nvidia-smi后出現以下信息表示安裝成功。

 

四.安裝CUDA8.0和cudnn v5.1

　　　　去NVIDIA開發者官網下載最新的CUDA安裝包。如圖

 

　　　　此時我下載的是cuda_8.0.44_linux.run

　　　　版本選擇16.04，因為Mint18是基於Ubuntu16.04的。然后選runfile那個。

　　　　執行命令：

　　　　sudo sh cuda_8.0.44_linux.run  --override

　　　　啟動安裝程序，按住空格到最后，老長了，相信你不會看的，輸入accept接受條款。

　　　　Q1: You are attempting to install on an unsupported configuration. Do you wish to continue? 咋不支持了，配置低還是怎么...那也不能不裝啊，輸入y

　　　　Q2: Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48?                          別裝，剛才裝過了。再裝裝出問題來...害怕，輸入n

　　　　Q3: Install the CUDA 8.0 Toolkit?     y

　　　　Q4: Enter Toolit Location        回車就行默認安裝路徑：/usr/local/cuda-8.0

　　　　Q5: Do you want to install a symbolic link at /usr/local/cuda?          y

　　　　Q6: Install the CUDA 8.0 Samples?          y

　　　　Q7：Enter CUDA Samples Location       還是回車，默認路徑：/home/用戶名

　　　　裝完CUDA8.0后，需要將cudnn相關頭文件和so文件放入cuda8.0相應的目錄中：

　　　　先解壓cudnn

　　　　然后，我是直接圖形界面移動的，命令的話：

cd /home/用戶名/Softwares/deeplearning_softwares/cudnn;
cd cuda/include/  
sudo cp cudnn.h /usr/local/cuda/include/   
cd ../lib64   
sudo cp lib* /usr/local/cuda/lib64/   
sudo chmod a+r /usr/local/cuda/include/cudnn.h  /usr/local/cuda/lib64/libcudnn*

　　　　建立軟連接，終端輸入：

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  

　　　　設置環境變量，終端輸入：

sudo gedit /etc/profile 

　　　　打開文件后在末尾加入(要是沒裝gedit就裝一個，用啥打開都行)

　　　　PATH=/usr/local/cuda/bin:$PATH

　　　　export PATH

　　　　保存后，創建鏈接文件

sudo vim /etc/ld.so.conf.d/cuda.conf  

　　　　按i進入插入模式，增加下面一行

　　　　/usr/local/cuda/lib64

　　　　ESC退出，輸入 :wq 保存退出

　　　　終端輸入：

sudo ldconfig

　　　　使鏈接生效。

　　　　cuda Samples測試

　　　　打開CUDA 8.0 Samples默認安裝路徑，終端輸入

cd /home/用戶名/Workspace/CUDA_Samples/NVIDIA_CUDA-8.0_Samples  
sudo make all -j4

　　　　（看起來缺了什么文件，我暫時不知道...）

 

　　　　我處理器4線程的所以寫j4,為了能效率高點，你8線程的也可以j8，雙線程的就直接make all吧...

　　　　如果出現了“unsupported GNU version! gcc versions later than 5.3 are not supported!”的錯誤，這是由於GCC版本過高，在終端輸入

　　　　　　　　cd /usr/local/cuda-8.0/include  

　　　　　　　　sudo cp host_config.h host_config.h.bak  

　　　　　　　　sudo gedit host_config.h  

　　　　　　　　ctrl+f尋找有“5.3”的地方，只有一處，如下  

　　　　　　　　# if __GNUC__ > 5 || (__GNUC__ == 5 && __GNUC_MINOR__ > 3)  

　　　　　　　　#error -- unsupported GNU version! gcc versions later than 5.3 are not supported!  

　　　　　　　　將兩個5改成6，即  

　　　　　　　　#if __GNUC__ > 6 || (__GNUC__ == 6 && __GNUC_MINOR__ > 3)  

　　　　　　　　保存退出，繼續在終端輸入  

　　　　　　　　cd /home/clark/Workspace/CUDA_Samples/NVIDIA_CUDA-8.0_Samples   

　　　　　　　　sudo make all -j4 （4核）  

　　　　完成后繼續向終端輸入 

cd bin/x86_64/linux/release
./deviceQuery

　　　　出現如下圖所示，表示成功安裝cuda

五.安裝OpenCV 3.2

　　　　從OpenCV官網中下載opencv3.2.0版本到本地。解壓到 /home/用戶名/Compile/opencv-3.2.0/

　　　　先安裝OpenCV的依賴

sudo apt-get -qq remove ffmpeg x264 libx264-dev  
sudo apt-get -y install build-essential cmake pkg-config libtiff4-dev libjpeg-dev libjasper-dev libavcodec-dev   
sudo apt-get -y install libavformat-dev libswscale-dev libdc1394-22-dev libxine-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev  
sudo apt-get -y install libv4l-dev libtbb-dev libgtk2.0-dev libfaac-dev libmp3lame-dev unzip  
sudo apt-get -y install libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev ibvorbis-dev libxvidcore-dev x264 v4l-utils ffmpeg  

　　　　在本地編譯安裝OpenCV3.2.0

cd /home/用戶名/Compile/opencv-3.2.0/
mkdir build  
cd build
cmake -D CMAKE_BUILD_TYPE=Release ..  
make -j4  
sudo make install

　　　　默認安裝， 頭文件會在/usr/local/include中， so文件在/usr/local/lib中。

六.安裝Caffe

　　　　先安裝Caffe的依賴

sudo apt-get install build-essential #必要的編譯工具依賴  
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  
sudo apt-get install libatlas-base-dev  
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

　　　　安裝pip和easy_install

sudo apt-get install python-pip  
sudo apt-get install python-setuptools 

　　　　從github上下載caffe源碼（默認下載位置是你當前命令行所在的位置，默認為/home）

sudo apt-get install git  
git clone https://github.com/BVLC/caffe.git  

　　　　下載完放到/home/用戶名/Compile/caffe/python

　　　　安裝Python的依賴

cd /home/用戶名/Compile/caffe/python  
sudo su  
for req in $(cat "requirements.txt"); do pip install -i https://pypi.tuna.tsinghua.edu.cn/simple $req; done  
exit

　　　　caffe的依賴安裝完畢后，開始編譯caffe源碼

cd /home/cty/Compile/caffe-master/  
cp Makefile.config.example Makefile.config

　　　　把example的內容抄到config文件后，我們打開Makefile.config這個文件修改它的內容。

　　　　　　USE_CUDNN := 1                  #取消該句注釋    
　　　　　　OPENCV_VERSION := 3         #取消該句注釋  
　　　　　　PYTHON_INCLUDE := /usr/include/python2.7 /usr/lib/python2.7/dist-packages/numpy/core/include    
　　　　　　WITH_PYTHON_LAYER := 1   #取消注釋    
　　　　　　INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/local/include/opencv /usr/local/include/opencv2 /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

　　　　終端輸入：

cd /usr/lib/x86_64-linux-gnu  
sudo ln libhdf5_serial.so.10.1.0 libhdf5.so  
sudo ln libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so  
sudo ldconfig

　　　　然后

cd /home/用戶名/Compile/caffe/
make all -j4

　　　　出現了錯誤如圖

　　　　原因是我們沒有安裝protobuf.git

　　　　所以我們先

make clean

　　　　然后去github下載安裝protobuf.git，放在哪你知道的

git clone https://github.com/google/protobuf.git

　　　　然后

cd /home/cty/Compile/protobuf
chmod +x autogen.sh
./autogen.sh

　　　　然后又出錯了，autoreconf:not found

　　　　好我們再安裝automake工具

sudo apt-get install autoconf automake libtool

 

　　　　這回我們可以回到make all -j4了

cd /home/用戶名/Compile/caffe
make all -j4

　　　　然后

make runtest -j4
make pycaffe -j4

　　　　又出錯，爆炸，喝咖啡那么難嗎，我可能看的是“假教程”,用的是假"Linux",輸入的是"假命令”...

　　　　fatal error: numpy/arrayobject.h：沒有那個文件或目錄，原因沒裝python-numpy

sudo apt-get install python-numpy

之后再make pycaffe -j4就好了

然后

make distribute

接下來

cd /home/用戶名/Compile/caffe/python
python
>>> import caffe

沒報錯，說明caffe裝好了。

七.測試例子：

先下載mnist數據集

cd /home/用戶名/Compile/caffe/data/mnist/  

./get_mnist.sh

不建議你用這個命令下載，因為網絡問題，根本下不下來...

所以我們到這個網站http://yann.lecun.com/exdb/mnist/

去下載這四個文件

train-images-idx3-ubyte.gz:  training set images (9912422 bytes) 
train-labels-idx1-ubyte.gz:  training set labels (28881 bytes) 
t10k-images-idx3-ubyte.gz:   test set images (1648877 bytes) 
t10k-labels-idx1-ubyte.gz:   test set labels (4542 bytes)

速度慢的話回Windows用迅雷吧...

然后解壓他們。

解壓后的四個文件放到/home/用戶名/Compile/caffe/data/mnist/

然后把這四個文件每個文件名字中的.改成-

要不一會兒又打不開找不到文件了...

接下來，mnist數據格式轉換

cd /home/用戶名/Compile/caffe
./examples/mnist/create_mnist.sh

此時在/caffe/examples/mnist/目錄下生成mnist_test_lmdb和mnist_train_lmdb兩個LMDB格式的訓練集和測試集

開始訓練mnist

cd /home/用戶名/Compile/caffe  
./examples/mnist/train_lenet.sh

　　　　本篇結束。

 

本人接觸Linux的時間不長，作為小白，文中內容難免出錯，如果您發現本文內容有誤，請評論指出，我會盡快修改並深表感激。

同時，感謝以下文章的作者或轉載者，是他們教會了我整個的安裝過程。

 

參考：

微星GS73VR 6RF + Linux Mint 18 + GTX1060 + CUDA8.0 + OpenCV3.0.0 + Caffe安裝筆記

ubuntu16.04+gtx1060+cuda8.0+caffe安裝、測試經歷

linuxmint 安裝nvidia 顯卡驅動

Ubuntu 14.04 安裝 Nvidia 私有驅動並進行雙顯卡切換

喝一杯咖啡真難——我的caffe在ubuntu14.04下安裝配置，改錯，換包記錄

編譯 pycaffe時報錯：fatal error: numpy/arrayobject.h沒有那個文件或目錄