Ubuntu16.04安裝深度學習框架caffe詳細步驟講解

這次安裝是帶有GPU的安裝，若是沒有GPU只安裝CPU，可參考個人另外一篇文章，搞深度學習還得有顯卡吃硬件，要不等着吐血吧。

一、安裝環境：ubuntu16.04+caffe-master+cuda8.0+cudnnv5.1 ,安裝環境所需的安裝包我已打包上傳，下載地址.http://www.roselady.vip/a/cangjingge/boke/ai/2018/0322/709.html

二、安裝caffe依賴包

1 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler 2   3 sudo apt-get install --no-install-recommends libboost-all-dev 4   5 sudo apt-get install libatlas-base-dev 6   7 sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

三、ubuntu16.04最好是安裝cuda8.0不要安最新，聽官網的沒錯。下載cuda8.0,https://developer.nvidia.com/cuda-downloads

四、卸載之前的舊驅動準備換最新的

1 sudo apt-get --purge remove nvidia-\*

五、禁止集成的nouveau驅動，必須禁止的不然沒可能安裝成功的。

1 sudo vi /etc/modprobe.d/blacklist-nouveau.conf

1	<span style="font-size:16px;">blacklist-nouveau.conf文件可能並不存在不過不要緊，向裏面寫入下面一句話，一個字都不能錯

2

</span>

1 blacklist nouveau option nouveau modeset=0

保存退出後運行此命令，不能報錯，報錯了確定就沒禁止成功

1 sudo update-initramfs -u

配置環境變量，直接用就行，反正是臨時的

1 export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH 2   3 export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH

六、安裝顯卡驅動，不然可能會報內核之類的錯誤

只需一條命令

1 sudo apt-get install nvidia-

有人問上面那條命令沒寫完啊，其實就是寫這麼多，而後猛擊tab鍵兩次（也能夠輕點），下面就會出來許多版本的驅動，固然是安裝一個版本最高的，例如

 

1 sudo apt-get install nvidia-352

 

七、經過 Ctrl + Alt + F1 進入文本模式，輸入賬號密碼登陸，經過 Ctrl + Alt + F7 可返回圖形化模式，在文本模式登陸後
     首先關閉桌面服務

1 sudo service lightdm stop

八、開始安裝cuda，直接運行命令，出現0%後一直安回車直到100%，全選 yes便可

1 ./cuda_8.0.61_375.26_linux.run --no-opengl-libs

九、其實這樣還不算，toolkit工具尚未安裝成功，可能用nvcc –V測試

1 sudo apt install nvidia-cuda-toolkit

十、驗證 CUDA 8.0 是否安裝成功，輸入下面命令

1 cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery 2   3 sudo make 4   5 ./deviceQuery

若是顯示下面信息說明安裝成功了。若是不行reboot重啓一下

01 ./deviceQuery Starting... 02   03  CUDA Device Query (Runtime API) version (CUDART static linking) 04   05 Detected 1 CUDA Capable device(s) 06   07 Device 0: "GeForce GTX 650" 08   CUDA Driver Version / Runtime Version          9.1 / 8.0 09   CUDA Capability Major/Minor version number:    3.0 10   Total amount of global memory:                 978 MBytes (1025638400 bytes) 11   ( 2) Multiprocessors, (192) CUDA Cores/MP:     384 CUDA Cores 12   GPU Max Clock rate:                            1058 MHz (1.06 GHz) 13   Memory Clock rate:                             2500 Mhz 14   Memory Bus Width:                              128-bit 15   L2 Cache Size:                                 262144 bytes 16   Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096) 17   Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers 18   Maximum Layered 2D Texture Size, (num) layers  2D=(16384, 16384), 2048 layers 19   Total amount of constant memory:               65536 bytes 20   Total amount of shared memory per block:       49152 bytes 21   Total number of registers available per block: 65536 22   Warp size:                                     32 23   Maximum number of threads per multiprocessor:  2048 24   Maximum number of threads per block:           1024 25   Max dimension size of a thread block (x,y,z): (1024, 1024, 64) 26   Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535) 27   Maximum memory pitch:                          2147483647 bytes 28   Texture alignment:                             512 bytes 29   Concurrent copy and kernel execution:          Yes with 1 copy engine(s) 30   Run time limit on kernels:                     Yes 31   Integrated GPU sharing Host Memory:            No 32   Support host page-locked memory mapping:       Yes 33   Alignment requirement for Surfaces:            Yes 34   Device has ECC support:                        Disabled 35   Device supports Unified Addressing (UVA):      Yes 36   Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0

十一、安裝CUDNN加速
登陸官網：https://developer.nvidia.com/rdp/cudnn-download ，下載對應 cuda 版本且 linux 系統的 cudnn 壓縮包，注意官網下載 cudnn 須要註冊賬號並登陸，我是從國內下載的v5.1版本，下載地址，使用下面命令進行解壓 

1 cp cudnn-8.0-linux-x64-v5.1.solitairetheme8 cudnn-8.0-linux-x64-v5.1.tgz 2   3 tar xvf cudnn-8.0-linux-x64-v5.1.tgz

十二、cuda和cudnn進行合併，按下面命令操做進入解壓後的cuda目錄

查看源碼打印代碼幫助 1 sudo cp include/cudnn.h /usr/local/cuda/include/ #複製頭文件 2   3 sudo cp lib64/lib* /usr/local/cuda/lib64/ #複製動態連接庫 4 cd /usr/local/cuda/lib64/  sudo rm -rf libcudnn.so libcudnn.so.5 #刪除原有動態文件 5 sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成軟銜接 6 sudo ln -s libcudnn.so.5 libcudnn.so #生成軟連接

1三、到這基本也就完事了，下載caffe,解壓，創建編譯文件夾build-x64,進入後執行下面命令便可,大功告成

1 cmake .. 2   3 make -j4