在ubuntu14.04上配置cuda_caffe_cudnn_anaconda_digits

参考网上的很多网站，以这篇为主：http://blog.csdn.net/yhl_leo/article/details/50961542

这篇算是自己对caffe学习的一个总结系列的开头。首先因为caffe的依赖项比较多，配置起来也比较麻烦。这篇算是比较详尽地把caffe的各种相关配置说清楚。转载请注明出处。

推荐ubuntu14.04版本，因为digits的支持比较好。显卡支不支持GPU加速要搞清楚啊，不支持就全用CPU算吧，别浪费时间折腾cuda了。

大家基本要按照官方教程上面来。但是官方教程有的坑没有点出来的，本文也一并列上了。

一、显卡的安装

禁用nouveau驱动，nouveau是ubuntu自带的对nivida的开源驱动，对安装nvidia的官方驱动会有问题，所以先将其禁用。

按Ctrl+Alt+F1 进入tty1控制台，输入

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

在里面写上

blacklist nouveau

options nouveau modeset=0

按esc 输入:wq 保存退出

ps:vim编辑器很好用啊，还不会的小伙伴要抓紧时间学啊。

执行

lspci | grep nouveau

查询pci总线中是否还有nouveau，grep后面接正则表达式过滤。

什么都没有说明禁用成功。

重启后登录时，可能会循环出现填写登录密码，不能进入系统的情况，按Ctrl+Alt+F1，登录，

卸载显卡方法：

sudo apt-get remove --purge nvidia*

安装显卡驱动：

$ sudo add-apt-repository ppa:xorg-edgers/ppa

$ sudo apt-get update

$ sudo apt-get install nvidia-352

执行sudo start lightdm 输入密码能看到桌面就ok啦

ps：显卡驱动挂掉之后很可能你就看不到系统界面了，启动之后显示器一团漆黑，其实系统是在运行的。我的做法是先提前装好了SSH服务，碰到这种情况就通过另一台电脑SSH登陆进去安装驱动。

二、CUDA安装

CUDA官网下载。其实应该先下载好的，如果没来得及用图形界面下载，用wget, curl什么的下载也一样。 据说331的驱动有坑啊，大家不要用那个驱动。下面安装一些依赖项/

sudo service lightdm stop

sudo apt-get install g++

sudo apt-get install git

sudo apt-get install freeglut3-dev

首先在官网上下载安装文件（链接前文已经提供）：

我下载的是deb本地安装文件，下载完成后，按照文档提示的命令安装：

sudo dpkg -i cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb

sudo apt-get update

sudo apt-get install cuda

下载了下方的Installation Guide for Linux，里面有关于环境变量的设置方法：

如果有，则说明安装成功。没有可以按照下面方法卸载：

sudo /usr/local/cuda-7.5/bin/uninstall_cuda_7.5.plsudo /usr/bin/nvidia-uninstall

最后，配置环境变量，我们直接放在系统配置文件profile里面，先打开profile文件

sudo vi /etc/profile

在最后面加入两行代码：

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

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

执行 source /etc/profile 使环境变量生效

至此cuda安装完毕

三、CUDNN安装

CUDNN是给CUDA加速的。cuDNN是GPU加速计算深层神经网络的库。cudnn官网下载。貌似下载要先注册，审核通过还要几天时间。下载好之后解压。

执行如下命令：

sudo tar xvf cudnn-7.0-linux-x64-v4.0-prod.tgz && cd cuda/include && sudo cp *.h /usr/local/include/ && cd ../lib64 && sudo cp lib* /usr/local/lib/ && cd /usr/local/lib && sudo chmod +r libcudnn.so.4.0.7 && sudo ln -sf libcudnn.so.4.0.7 libcudnn.so.4 && sudo ln -sf libcudnn.so.4 libcudnn.so && sudo ldconfig

这样CUDNN就安装完毕了，是不是很简单啊。

四、Anaconda的安装

到https://www.continuum.io/downloads 下载anaconda，推荐使用linux版的python 2.7版本，因为tensorflow中的有些东西不支持python3.5(如cPickle)。

下载成功后，在终端执行（2.7版本）：

# bash Anaconda2-4.1.1-Linux-x86_64.sh

或者3.5 版本：

# bash Anaconda3-4.1.1-Linux-x86_64.sh

在安装的过程中，会问你安装路径，直接回车默认就可以了。有个地方问你是否将anaconda安装路径加入到环境变量（.bashrc)中，这个一定要输入yes

安装成功后，会有当前用户根目录下生成一个anaconda2的文件夹，里面就是安装好的内容。在终端可以输入

conda info 来查询安装信息

输入conda list 可以查询你现在安装了哪些库，常用的python, numpy, scipy名列其中。如果你还有什么包没有安装上，可以运行

conda install ***  来进行安装(***代表包名称），如果某个包版本不是最新的，运行 conda update *** 就可以了。

五、caffe的安装

首先先安装opencv，推荐2.4的版本。opencv1.x是纯C语言编写的，2.x c和c++的包都有，opencv3是只用c++写的。为了别人写的代码也能正常运行，还是推荐装2.x。

opencv2.4安装很简单了，下载下来解压，然后进入目录make, sudo make install就搞定了。

caffe官方下载 基本按照官方安装指南就可以了，l另外一个方法就是命令行下载

下载caffe：

sudo git clone https://github.com/BVLC/caffe.git

如果你没安装Git，请阅读博客：Ubuntu Git安装与使用。

然后编译caffe：先安装依赖：

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 libopenblas-dev liblapack-dev libatlas-base-dev

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

贾扬清大神还说了，大家一定要看清楚啊！

下面开始配置caffe并且开始编译了。

sudo cp Makefile.config.example Makefile.config

# Adjust Makefile.config (for example, if using Anaconda Python, or if cuDNN is desired) make all make test make runtest

配置文件有几点要注意：

# cuDNN acceleration switch (uncomment to build with cuDNN).

USE_CUDNN := 1

# CPU-only switch (uncomment to build without GPU support).

# CPU_ONLY := 1BLAS choice:# atlas for ATLAS (default)

# mkl for MKL

# open for OpenBlasBLAS := atlas

# Custom (MKL/ATLAS/OpenBLAS) include and lib directories.

# Leave commented to accept the defaults for your choice of BLAS

# (which should work)!

# BLAS_INCLUDE := /path/to/your/blas

# BLAS_LIB := /path/to/your/blas

这几个地方根据自己情况选择。

make all没有问题的话，caffe就算成功了啊。

保存后重新编译：  （如果电脑有8个线程的话，就在后面加 -j8 ,可以加快编译速度）

sudo make clean

sudo make all -j8

sudo make test -j8

sudo make runtest -j8

本人编译的时候最后一步的时候，出现这样的错误：

libcudart.so.7.5 cannot open shared object file: No such file or directory

网上有一堆介绍，怎么设置环境变量的（我们分明已经设置过了），可以这样检查是否已经添加环境变量：

$ echo $PATH$ echo $LD_LIBRARY_PATH

可以看到，环境变量已经添加好。

解决方法是这样，将一些文件复制到/usr/local/lib文件夹下：

sudo cp /usr/local/cuda-7.5/lib64/libcudart.so.7.5 /usr/local/lib/libcudart.so.7.5 && sudo ldconfig

sudo cp /usr/local/cuda-7.5/lib64/libcublas.so.7.5 /usr/local/lib/libcublas.so.7.5 && sudo ldconfig

sudo cp /usr/local/cuda-7.5/lib64/libcurand.so.7.5 /usr/local/lib/libcurand.so.7.5 && sudo ldconfig

再次，尝试sudo make runtest命令，出现如下：

至此，caffe安装完成。

将caffe路径导入环境变量，执行命令如下：

sudo vi ~/.bashrc

在最后加上 export PYTHONPATH=/home/***/caffe/python:$PYTHONPATH

export CAFFE_HOME=/home/***/caffe:$CAFFE_HOME

之后执行 sudo ldconfig 来生效

接着在caffe里面执行sudo make pycaffe ，没有错误就OK了，测试caffe是否成功，

在终端输入 python 回车，import caffe 没有错误表示ok，

如果出现No module named google.protobuf.internal

解决办法参考链接：http://www.th7.cn/system/lin/201605/164288.shtml

sudo chmod 777 -R  anaconda2（文件夹） 改变权限 然后
conda install protobuf

就搞定啦～

六、DIGITS安装

参考链接：http://www.cnblogs.com/denny402/p/5136155.html 

一、安装digits 3.0

digits是运行在cuda和caffe基础上的，所以要先配置好cuda+caffe那是毫无疑问的了。还不会配置的，请参考：Caffe学习系列(1)：安装配置ubuntu14.04+cuda7.5+caffe+cudnn

打开一个终端，依次运行下列命令：

cd

sudo -s

进入当前用户根目录，并切换到超级用户（符号由$变成#，不用每句都输sudo)

 

CUDA_REPO_PKG=cuda-repo-ubuntu1404_7.5-18_amd64.deb &&

wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/$CUDA_REPO_PKG &&

sudo dpkg -i $CUDA_REPO_PKG

接着

ML_REPO_PKG=nvidia-machine-learning-repo-ubuntu1404_4.0-2_amd64.deb &&

http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1404/x86_64/$ML_REPO_PKG &&

sudo dpkg -i $ML_REPO_PKG

apt-get update

apt-get install digits