Linux下深度学习常用工具的安装

.Matlab 2015 64bit 的安装

(一)安装包下载

百度网盘: [https://pan.baidu.com/s/1gf9IeCN], 密码: 4gj3

(二)Vmware 使用Windows共享目录

更改虚拟机设置时需要将系统关机，挂起状态不可以设置，Linux共享目录位于/mnt/hgfs

(三) 挂载镜像文件

在Terminal中输入如下命令：

   cd /mnt/hgfs/
　　sudo mount -o loop 迅雷下载/R2015b_glnxa64.iso /media/matlab/

(四)执行安装

　　在Terminal中输入如下命令：

　　cd /media
　　mkdir matlab
　　sudo ./install

　　

　 

　　

(五)破解

　　将crack文件夹下的libmwservices.so copy到 /usr/local/MATLAB/R2014A/bin/glnxa64

　　在Terminal中输入如下命令：

　　cd /usr/local/MATLAB/R2015b/bin/
　　sudo ./matlab

　　

　　

　　cd /mnt/hgfs/ 迅雷下载/Matlab\ 2015b\ Linux64\ Crack/R2015b/bin/
　　sudo cp -r glnxa64 /usr/local/MATLAB/R2015b/bin/

  (五)运行测试

　　运行测试是否成功破解

　　在Terminal中输入如下命令：

　　cd /usr/local/MATLAB/R2015b/bin/
 　 sudo ./matlab

 2.caffe 安装

(一)配置apt-get源为国内服务器，备份原配置文件，更新地址为清华镜像或阿里镜像

　　在Terminal中输入如下命令：

　　cd /etc/apt
　　sudo cp sources.list sources.list.bak
　　vi sources.list　　

　　# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释
　　deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse
　　# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse
　　deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
　　# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
　　deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
　　# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
　　deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted universe multiverse
　　# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted universe multiverse

　　# 预发布软件源，不建议启用
　　# deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse
　　# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse

(二)依赖包安装

　　在Terminal中输入如下命令：

　　sudo apt-get update
　　sudo apt-get install git
　　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 python-dev
 　 sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

(三)caffe源码下载　　

　　git clone https://github.com/bvlc/caffe.git
　　cd caffe/
　　mv Makefile.config.example Makefile.config

  (四)执行编译

　　修改Makefile.config，打开CPU_ONLY选项，保存；

　　即第6行修改为

　# CPU-only switch (uncomment to build without GPU support).
　　 CPU_ONLY := 1

　　   第85行修改为

　　 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/

　    修改Makefile文件173行

　　 LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

　　执行编译

　　make –j4
　　make test -j4
　　make runtest -j4

　　当返回PASSED结果时即为编译成功

　 #GPU编译错误： undefined reference to `cv::imread(cv::String const&, int)，即找不到OpenCVC动态链接库
　　sudo gedit Makefile , 修改为
　　LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial opencv_core opencv_highgui opencv_imgproc  

3.TensorFlow安装

(一)获取并安装python-pip，python-dev

　　sudo apt-get install python-pip python-dev

　(二)下载TensorFlow

　　https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl

　(三)安装TensorFlow

　　pip install tensorflow-0.8.0-cp27-none-linux_x86_64.whl

　　 出现Successfully installed numpy-1.14.3 protobuf-3.0.0b2 tensorflow-0.8.0即说明已经安装成功

　　  注意:如果同时安装了python2和python3，使用pip安装时可能会报错，例如上述安装包tensorflow-0.8.0-cp27-none-linux_x86_64.whl代表python2.7版本的，因此需要使用pip2 install

　　  如何测试：

　　  在Linux Shell中输入python进入交互模式

　　import tensorflow as tf
　　hello = tf.constant("Hello World, TensorFlow!")
　　sess = tf.Session()
　　print(sess.run(hello))

　　根据运行结果  Hello World,TensorFlow!  即可判断成功安装

4.Matconvnet的编译

　(一)打开Matlab

　cd /usr/local/MATLAB/R2015b/bin/
　sudo ./matlab

　(二)定位到Matconvnet目录，执行编译

 　 cd /usr/local/MATLAB/R2015b/bin/
　　vl_setupnn
　　vl_compilenn('verbose',1) 

  　 问题1  gcc,g++版本不匹配

　　#Warning: You are using gcc version '5.4.0-6ubuntu1~16.04.9)'.
　　#The version of gcc is not supported. The version currently
　　#supported with MEX is '4.7.x'.　　

　　sudo apt-get  install gcc-4.7
　　sudo apt-get  install g++-4.7
　　cd /usr/bin/
　　sudo rm gcc
　　sudo ln -s gcc-4.7 gcc
　　gcc -v
　　sudo rm g++
　　sudo ln -s g++-4.7 g++
　　g++ -v 

5.CUDA和CUDNN的安装(虚拟机不能使用CUDA)

　CUDA是NVIDIA的编程语言平台，想使用GPU就必须要使用cuda，CUDNN是GPU加速计算深层神经网络的库。

　以安装Cuda-9.2为例，具体版本请根据实际需求选择

　

　　在NVIDIA官网选择驱动下载（https://developer.nvidia.com/compute/cuda/9.2/Prod/local_installers/cuda-repo-ubuntu1604-9-2-local_9.2.88-1_amd64），如出现网络打不开可将链接复制到迅雷下载

　　执行如下操作：

　　sudo dpkg -i cuda-repo-ubuntu1604-9-2-local_9.2.88-1_amd64.deb
　　sudo apt-key add /var/cuda-repo-9-2-local/7fa2af80.pub
　　sudo apt-get update
　　sudo apt-get install cuda
　　nvidia-smi　　

　　问题1  由于虚拟机不支持对主机显卡的调用，安装cuda后可能会导致重启后无法进入图形界面

　　　　　通过执行 sudo apt-get purge nvidia-*  删除原Nvidia显卡驱动，执行reboot即可

　问题２ 最新版TensorFlow-GPU版本不支持Cuda-9.2（python中执行import tensorflow提示Tensorflow：ImportError：libcusolver.so.9.0）
　　　　 请安装cuda-9.0

　　CUDN的安装

　　①下载 https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.1.4/prod/9.2_20180516/cudnn-9.2-linux-x64-v7.1

　　②解压文件，并拷贝到usr/local/cuda/目录

　　#使用如下语句在当前目录解压，解压后生成include和lib64文件夹
　　tar -zxvf cudnn-9.2-linux-x64-v7.1.tgz
　　#将lib文件和对应头文件拷贝到/usr/local目录
　　cd cuda/lib64/
　　sudo cp lib* /usr/local/cuda/lib64/
　　cd ../
　　sudo cp include/cudnn.h /usr/local/cuda/include/

　　③更新软连接

　　cd /usr/local/cuda/lib64
　　sudo rm -rf libcudnn.so libcudnn.so.7
　　sudo ln -s libcudnn.so.7.1.4 libcudnn.so.7
　　sudo ln -s libcudnn.so.7 libcudnn.so

　　④添加环境变量

　　sudo gedit /etc/profile

　　　在打开的文件中加入如下两句话

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

　　　保存后，使环境变量立即生效

　　source /etc/profile

　　⑤安装cudnn example

　　cd /usr/local/cuda/samples
　　sudo make all -j4

　　　全部编译完成后，进入 samples/bin/x86_64/linux/release, 运行deviceQuery

　　cd bin/x86_64/linux/release
　　./deviceQuery 

　6.OpenCV的安装和使用

　　①.依赖库安装

　　sudo apt-get install cmake
　　sudo apt-get install build-essential
　　sudo apt-get install libgtk2.0-dev
　　sudo apt-get install libavcodec-dev
　　sudo apt-get install libavformat-dev
　　sudo apt-get install libjpeg.dev
　　sudo apt-get install libtiff4.dev
　　sudo apt-get install libswscale-dev
　　sudo apt-get install libjasper-dev

　　②.从官网(https://github.com/opencv/opencv/tree/3.4.1)下载源码，编译安装

　　cp -r opencv-2.4.13.6.zip /home/shine/Downloads/
　　cd /home/shine/Downloads/
　　unzip opencv-2.4.13.6.zip
　　cd opencv-2.4.13.6/
　　mkdir build
　　cd build/

　　③.创建build目录并在该目录下生成Makefile文件，指定安装路径为/usr/local/（参考 https://stackoverflow.com/questions/45518317/in-source-builds-are-not-allowed-in-cmake）　　

　　cmake .. -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local
　　sudo make -j4
　　sudo make install -j4
　　make clean

　　如需安装opencv_contribute(扩展包中的很多代码并没有通过大量的稳定性测试，但是其基本功能还是可以运行的)，对命令进行修改(需自行下载opencv_contrib)，例如本例中保存路径为~/Downloads

　　＃如下命令指定安装路径以及扩展包的路径，请根据实际修改
　　cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local  -D OPENCV_EXTRA_MODULES_PATH=~/Downloads/opencv_contrib-master/modules ..
　　sudo make -j4
　　sudo make install -j4
　　make clean
　　＃若出现No package 'gstreamer-video-1.0' found，请参考http://answers.opencv.org/question/95734/cmake-not-picking-gstreamer-on-ubuntu/　　＃若出现Unknown CMake command "ocv_append_source_files_cxx_compiler_options，请参考https://blog.csdn.net/qq_40155090/article/details/79977423
　　＃配置过程中可能出现face_landmark_model.dat下载过慢导致的失败，请使用VPN下载https://raw.githubusercontent.com/opencv/opencv_3rdparty/8afa57abc8229d611c4937165d20e2a2d9fc5a12/face_landmark_model.dat后放置于/opencv-3.4.1/.cache/data目录
　　＃配置成功后的截图如下所示，May you succeed, congruations and enjoy　　
　　
　　#执行sudo make -j4进行编译时可能会遇到各种奇怪的问题(例如hdf5.cpp编译失败),因此需要确保opencv-master与opencv-contribute为一个版本,建议都使用github上的版本

　　#编译时出现~Download/opencv_contrib-master/modules/xfeatures2d/src/boostdesc.cpp:653:37: fatal error: boostdesc_bgm.i: No such file or directory compilation terminated.
　　#参考 https://github.com/opencv/opencv_contrib/issues/1301
　　　　　http://answers.opencv.org/question/113942/cmake-failing-with-hash-mismatch/　　#如果问题仍然没有解决,尝试下载上述缺少的文件放在~/Downloads/opencv_contrib-master/modules/xfeatures2d/src目录下即可
　　
　　#编译时出现opencv2/xfeatures2d/cuda.hpp: No such file or directory
　　#参考https://github.com/opencv/opencv_contrib/issues/1131,执行cmake -DBUILD_opencv_xfeatures2d=OFF ..
　
　　#编译时出现opencv2/sfm/conditioning.hpp: No such file or directory
　　#执行了sudo make clean;sudo make -j4;后问题解决了(无法解释)

　　如何查看OpenCV版本

　  pkg-config --modversion opencv

　　④.添加库路径

　　sudo vi /etc/ld.so.conf.d/opencv.conf , 输入/usr/local/lib , :wq保存并退出

　　⑤.添加环境变量

　　sudo vi /etc/profile
　　#在末尾输入
　　export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig:$PKG_CONFIG_PATH
　　export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib
　　#更新环境变量：
　　source /etc/profile
　　sudo vi /etc/bash.bashrc

　　#在末尾输入
　　export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
　　export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib
　　#更新环境变量
　　source /etc/profile

　　⑥.更新系统库配置

　　sudo ldconfig

　　⑦.查看是否安装成功

　　pkg-config --cflags opencv　　
　　pkg-config --libs opencv

　　⑧.执行测试程序，定位到sample目录，执行build_all

　　cd /home/shine/Downloads/opencv-2.4.13.6/samples/c
　　./build_all.sh
　　./find_obj

　　若执行build_all编译时出现如下错误

　　compiling contours.c
　　/usr/bin/ld: /usr/lib/gcc/x86_64-linux-gnu/5/../../../x86_64-linux-gnu/crti.o: unrecognized relocation (0x2a) in section `.init'
　　/usr/bin/ld: final link failed: Bad value
　　collect2: error: ld returned 1 exit status

　　可能是没有安装binutils，执行

　　sudo apt-get install binutils
　　./build_all.sh
　　./find_obj

　7.Jupyter

　　①安装

　　sudo pip3 install --upgrade pip
　　sudo pip3 install jupyter
　　sudo pip install matplotlib

　　以上命令使用python3为基础，因此运行jupyter会调用python3，若要使用python2请使用
　　sudo pip install jupyter

　　②测试使用　　

　　jupyter notebook

　　随后在浏览器界面即可使用 http://localhost:8888/notebooks 进行登陆

　　

　　8.shadowsocks

 　　sudo apt-get update
　　 sudo apt-get install python-pip
　　 sudo pip install shadowsocks
　　 sudo gedit /etc/shadowsocks.json 

　　 配置shadowsocks，粘贴如下内容

 　{"server":"xx.xx.xx.xx",
　　　"server_port":xxxx,
　　　"local_address": "127.0.0.1",
　　　"local_port":1080,
　　　"password":"xxxxxxxx",
　　　"timeout":300,
　　　"method":"aes-256-cfb",
　　　"fast_open": true,
　　　"workers": 1
　　} 

　　sudo sslocal -c /etc/shadowsocks.json -d start
　　sudo gedit /etc/rc.local

　　配置开机启动

　　在exit0上一行加上/usr/local/bin/sslocal -c /etc/shadowsocks.json -d start

　　①火狐浏览器使用

　　打开Add-ons，搜索FoxyProxy Standard，点击Add To Firefox,添加完成后点击右上角图表进入Options，即如下图所示

　　

　　点击左上角Add，其中Title可随便定义，IP以及Port同上shadowsocks配置，默认为127.0.0.1,1080

　　

　　②谷歌浏览器使用

　　从github上下载最新的插件SwitchyOmega-Chromium-2.5.15.crx，将其拖到chrome中即可完成安装，同理完成上述配置，点击Apply Changes

　　

　　可通过右上角选择Direct或proxy选择时候走代理通道

　9.Linux下载工具aria2

　　推荐这个工具主要在于Linux下没有比较好的绿色百度网盘下载器，由于百度对非会员进行速度限制(默认50Kb/s)，并强制大文件通过百度云管家下载，具体操作如下

　　# aria2安装
　　sudo apt-get install aria2
　　# 安装浏览器插件，推荐chrome，从github下载zip文件，打开chrome://extensions/，将文件夹中的BaiduExporter.crx拖到浏览器即可
　　# https://codeload.github.com/acgotaku/BaiduExporter/zip/master
　　# 将需要下载的文件保存到个人网盘，在界面中选择导出下载，选择其中的文本导出，将窗口中命令复制到命令行中运行即可

　　

#博主测试使用aria2下载速度应该在500kb/s左右
＃如果希望达到更快的速度,请参考 https://github.com/proxyee-down-org/proxyee-down
#使用proxyee-down下载同时将分段数调到最大(windows版本请自行百度)

　10.sourceinsight

　　sourceinsight是windows下常用的代码浏览工具，虽然使用ｖｉｍ+ctags也能达到类似的效果，但习惯上还是更倾向于使用sourceinsight

　　sourceinsight没有linux的发行版本，因此要在ubuntu上运行需要安装wine，具体操作方式如下(需要自行下载sourceinsight安装包，3.5版本激活码SI3US-205035-36448):　　

　　sudo apt-get install wine
　　wine　Si3583Setup.exe　　

　　参考文献：

　　1.https://www.nvidia.cn/object/caffe-installation-cn.html （如何在 NVIDIA GPU 上下载并安装CAFFE）