[转]caffe在ubuntu14.04下安装配置，改错，换包记录

喝一杯咖啡真难——我的caffe在ubuntu14.04下安装配置，改错，换包记录

2015-05-30
转载地址：http://blog.csdn.net/wingfox117/article/details/46278001
 

目录(?)[+]

 

        由于课题换成了关于分类的方向，所以跟着世界最火的潮流走，咱们只能做DML。伯克利的 caffe可能是比较流行的框架之一，它运算速度快，可以使用Python，matlab进行使用，更可以使用CUDA进行运算（当然这也是它难以安装的内容之一）。

先看caffe的主页的介绍，当然不翻墙不让看：https://docs.google.com/presentation/d/1UeKXVgRvvxg9OUdh_UiC5G71UMscNPlvArsWER41PsU/edit#slide=id.p

国内墙了google，只好使用百度查，十分感谢下列或者转发，或者是原创的几位博主。

http://www.haodaima.NET/art/2823705

http://www.cnblogs.com/platero/p/3993877.html

http://www.tuicool.com/articles/EzANjy7

http://94it.Net/a/jingxuanboke/2015/0321/492734.html

http://blog.csdn.net/liuxiabing150/article/details/42503389

http://blog.csdn.net/kuaitoukid/article/details/40395617

当然，我可能运气比较背，或者是我的Linux用的不熟，或者make命令问题，或者包问题，楼上各位的问题我基本都碰到了，另外他们没碰到的问题我也碰到了（比如qt包没有，比如OpenCV的安装脚本不适合我的，反正是各种不适应啊 ），终于在一周左右的时间内解决了各种问题，成功运行了caffe的mnist例程。

当然routine的内容我能用别人的还是复用了，当然他们没遇到的错误，只好我自己来写，本来是个懒人，但是这次不记录还是说不过去了。原谅我当时没有记录出错的代码给大家搜索，因为当时心情真的不佳啊，呵呵。

我的基本步骤也按照以下几个步骤：

第一部分 Linux安装

第二部分 nVidia驱动和CUDA Toolkit的安装和调试

第三部分  MKL的安装

第四部分 Opencv的安装
第五部分 Caffe的安装和测试
第六部分 Python安装和调试
第七部分 Matlab安装和调试   

第一部分 Linux安装

这个就不多讲了，找个u盘，找个ubuntu14.04的iso，找到winiso工具把iso烧制到u盘上，在你windows下划分一个不低于80G的区，删除了这个分区，看别人的教程装吧，这个没有什么特别的。

第二部分 nVidia驱动和CUDA Toolkit的安装和调试

首先你想用cuda必须有一块独显，而且必须是nvidia家的，不然就跳过这个步骤，当然我的是，so to be continue

2.1 安装build-essentials

sudo apt-get install build-essential

2.2   删除默认显示驱动
Nouveau是一个开源的显卡驱动，Ubuntu 14.04 默认安装了，但是它会影响nVidia驱动的安装，所以只有请他回老家了，sorry！

1. 将nouveau添加到黑名单，防止它启动

$ cd /etc/modprobe.d $ sudo vi nvidia-graphics-drivers.conf  写入：blacklist nouveau
保存并退出: wq! 检查：$ cat nvidia-graphics-drivers.conf   2. 对于：/etc/default/grub，添加到末尾。 $ sudo vi /etc/default/grub 末尾写入：rdblacklist=nouveau nouveau.modeset=0 保存并退出: wq! 检查：$ cat /etc/default/grub   3. 官网提供的操作：
$ sudo mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r)-nouveau.img
然后重新生成initrd文件
$ sudo dracut /boot/initramfs-$(uname -r).img $(uname -r) $ sudo update-initramfs -u  
上面那条是nVidia官方提供的命令，不知道为什么在我这里会提示dracut是不存在的命令，也许是版本问题，或者少了什么包，不过无所谓，第二条命令也可以搞定，应该是一样的功能。

2.3  安装cuda，因为这个.run文件包含了驱动，所以我们可以不用分开安装了，直接大锅炒。

1. 首先在BIOS设置里选择用Intel显卡来显示或作为主要显示设备

然后【点击此链接】 下载CUDA 6.5.

2. 进入Ubuntu， 按 ctrl+alt+F1 进入tty， 登录tty后输入如下命令

sudo service lightdm stop

该命令会关闭lightdm。如果你使用 gdm或者其他的desktop manager, 请在安装NVIDIA驱动前关闭他。

3. 在纯命令行里边运行你下载的cuda6.5的run文件。

或者需要你用 sudo chmod +x这个文件，从而获得运行权限。

然后就是一路的 空格 到 100% yes 路径 yes之类，这个文件包含以下三个需要安装的内容：

1 CUDA安装包:

2 NVIDIA驱动:

3 SAMPLE包:

安装完以后在你个人的环境里设置

sudo gedit /home/yuername/.ba*

默认安装路径的话，就加入：

       PATH=/usr/local/cuda-6.5/bin:$PATH
       export PATH
       保存后更新链接
       sudo ldconfig
       而后保存你cuda的设置

在 /etc/ld.so.conf.d/加入文件 cuda.conf, 内容如下

       /usr/local/cuda-6.5/lib64

执行下列命令使之立刻生效

       sudo ldconfig

可选-》安装CUDA SAMPLE

首先安装下列依赖包

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libglu1-mesa-dev

然后用下述命令安装sample文件

sudo ./cuda-samples-linux-6.5.14-18745345.run

完成后编译Sample文件, 整个过程大概10分钟左右

cd /usr/local/cuda-6.5/samples
sudo make

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

sudo ./deviceQuery

如果出现下列显卡信息， 则驱动及显卡安装成功：

复制代码
./deviceQuery Starting...

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce GTX 670"
  CUDA Driver Version / Runtime Version          6.5 / 6.5
  CUDA Capability Major/Minor version number:    3.0
  Total amount of global memory:                 4095 MBytes (4294246400 bytes)
  ( 7) Multiprocessors, (192) CUDA Cores/MP:     1344 CUDA Cores
  GPU Clock rate:                                1098 MHz (1.10 GHz)
  Memory Clock rate:                             3105 Mhz
  Memory Bus Width:                              256-bit
  L2 Cache Size:                                 524288 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
  Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers
  Maximum Layered 2D Texture Size, (num) layers  2D=(16384, 16384), 2048 layers
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       49152 bytes
  Total number of registers available per block: 65536
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  2048
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             512 bytes
  Concurrent copy and kernel execution:          Yes with 1 copy engine(s)
  Run time limit on kernels:                     Yes
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      Yes
  Device PCI Bus ID / PCI location ID:           1 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 6.5, CUDA Runtime Version = 6.5, NumDevs = 1, Device0 = GeForce GTX 610
Result = PASS
 


到这一步，你以为cuda装完了？no，no，no


还有呢



2.4 cuda补全安装计划


装好所谓的cuda安装包以后，在终端输入


nvcc -V


不出意外的话应该会提示，nvcc没有安装，其实就是，nvidia-cuda-toolkit的编译器没有安装完整，总之，根据提示继续就好了


$ sudo apt-get install nvidia-cuda-toolkit
楼上有人写过这个问题，说一杯咖啡在手就搞定，可是我……
发现居然没装成功，为什么？包的依赖关系形成了死锁，我擦，擦，擦啊！
一堆乱搜后发现这个博客
http://blog.csdn.net/wishchin/article/details/44833635
解决了这类的问题


先安装一个aptitude, 即在终端输入：


sudo apt-get install aptitude
安装完之后，使用此工具安装nvidia-cuda-toolkit可用。即在终端输入：


sudo aptitude install nvidia-cuda-toolkit


卸载了依赖的包，把剩余的东西安装上去了。



第三部分  MKL的安装



首先下载并安装英特尔® 数学内核库 Linux* 版MKL，下载链接是：https://software.intel.com/en-us/intel-education-offerings，不收费的只好下载Student版的，先申请，然后会立马收到一个邮件（里面有安装序列号），打开照着下载就行了。


（如果没有可以安装OpenBLAS代替）解压安装包，下面有一个install_GUI.sh文件， 执行该文件，会出现图形安装界面，根据说明一步一步执行即可。


注意： 安装完成后需要添加library路径




sudo gedit /etc/ld.so.conf.d/intel_mkl.conf




在文件中添加内容




/opt/intel/lib
/opt/intel/mkl/lib/intel64




注意把路径替换成自己的安装路径。 编辑完后执行（这里我手贱了一次，改了默认的地址，怎么都链接不到，不知道为何，老实点还是按照默认的来吧，所以把你的ubuntu的/目录设置大一点空间为好）




sudo ldconfig






安装这个很随意，问题不大，但注意要默认路径较好。




第四部分 Opencv的安装



这个尽量不要手动安装， Github上有人已经写好了完整的安装脚本：https://github.com/jayrambhia/Install-OpenCV


下载该脚本，进入Ubuntu/2.4 目录, 给所有shell脚本加上可执行权限




chmod +x *.sh




然后安装最新版本 （当前为2.4.9）




sudo ./opencv2_4_9.sh




脚本会自动安装依赖项，下载安装包，编译并安装OpenCV。整个过程大概20小时左右。


NO，NO，NO


所以我先换到windows下载了opencv2.9的文件包，拉到了github的下载的make文件的目录下然后注释了他的这几行脚本


#wget -O OpenCV-2.4.9.zip http://sourceforge.net/projects/opencvlibrary/files/opencv-unix/2.4.9/opencv-2.4.9.zip/download
#echo "Installing OpenCV 2.4.9"
#unzip opencv-2.4.9.zip


注意，中途可能会报错1


找不到qt！！！！


这个问题根本就没人说，我擦呀……仔细看他的make脚本有 with_qt=on


没qt，好吧下载qt去！这里我下了完整的qt包


下载地址如下：


http://www.qt.io/download-open-source/


安装之后记得设置qt的环境





sudo gedit /etc/ld.so.conf.d/qt5.conf





在文件中添加内容




/opt/Qt5.4.1/5.4/gcc_64/lib



不然编译还是找不到qt


保存后继续


sudo ldconfig
然后编译又遇见了错误2






opencv-2.4.9/modules/gpu/src/nvidia/core/NCVPixelOperations.hpp(51): error: a storage class is not allowed in an explicit specialization




解决方法在此：http://code.opencv.org/issues/3814  下载 NCVPixelOperations.hpp 替换掉opencv2.4.9内的文件， 重新build。我看到作者也给出了这个修改意见。




第五部分 Caffe的安装和测试



1.首先安装依赖项Ubuntu14.04用户执行




sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler




其他版本用户参考官方说明：http://caffe.berkeleyvision.org/installation.html



2.google的依赖



1. Google Logging Library（glog），下载地址：https://code.google.com/p/google-glog/，然后解压安装：


$ tar zxvf glog-0.3.3.tar.gz
$ ./ configure


$ make
$ sudo make install




3.然后 从github上下载好caffe库： https://github.com/BVLC/caffe ，解压


然后进入目录


sudo cp makefile.config.example makefile.config

修改


CUDA_DIR := /usr/local/cuda-6.5（你自己的目录）


BLAS := mkl


然后make all


发现错误 make: protoc：命令未找到 
make: *** [.build_release/src/caffe/proto/caffe.pb.h] 错误 127



那就下载protobuf吧，在github下载，解压 https://github.com/google/protobuf ：


运行






[ruby] view plain copy

 








    

  1. <code><span style="font-family:宋体; font-size:14px"><span class="variable">$ </span>.<span class="regexp">/autogen.sh</span></span></code>  
    2. 




然后他又依赖与gtest 我擦了又是google的东西……下载要科学 csdn上居然有人上传了，不错！



再次运行，提示错误


./autogen.sh: 40: ./autogen.sh: autoreconf: not found 


原因是没安装 automake 工具


运行命令安装：sudo apt-get install autoconf automake libtool


再一次./autogen.sh，成功！然后依次运行以下命令


$ ./configure
$ make
$ make check
$ make install

然后继续make all


./include/caffe/common.hpp:5:27: fatal error: gflags/gflags.h: 没有那个文件或目录。



安装gflags



这里继续安装gflags： https://github.com/schuhschuh/gflags/archive/master.zip 下载。解压


cd gflags-master
mkdir build && cd build
export CXXFLAGS="-fPIC" && cmake .. && make VERBOSE=1
make 
sudo make install

按好之后，接着make all


继续错误，没有安装lmdb



安装lmdb



接着make，提示错误lmdb没装


Git clone git://gitorious.org/mdb/mdb.git 


cd mdb/libraries/liblmdb 


make && make install 



之后继续make all

等待了15分钟左右之后，激动人心的场面出现了，done了……

之后你 继续 


make test


make runtest


等done了之后，继续下载测试mnist数据集合


1. 数据预处理


可以用下载好的数据集，也可以重新下载，我网速快，这里就偷懒直接下载了，具体操作如下：


新版的caffe只能在他的caffe-master主目录下操作，不然会报错
sudo sh ./data/mnist/get_mnist.sh

2. 重建LDB文件，就是处理二进制数据集为Caffe识别的数据集，以后所有的数据，包括jpe文件都要处理成这个格式



sudo sh ./examples/mnist/create_mnist.sh


生成mnist-train-leveldb/ 和 mnist-test-leveldb/文件夹，这里包含了LDB格式的数据集

3. 训练mnist
sudo sh ./examples/mnist/train_lenet.sh


等待数秒之后会发现迭代了1000次，以及输出的数据等。




第六部分 Python安装和调试



1. 安装caffe必须的一些依赖项：
$ sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython 


 


2. 配置路径，编辑Makefile.config


PYTHON_INCLUDE := /usr/include/python2.7 
                                    /usr/lib/python2.7/dist-packages/numpy/core/include
PYTHON_LIB := /usr/local/lib


INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib

3. 这里非常重要的是，为了确保支持Caffe Notebook里的程序，需要使用到IDE环境，并且支持iPython输出。 










4 编译Python wrapper




    make pycaffe 





第七部分 Matlab安装和调试  


1. Caffe提供了MATLAB接口， 有需要用MATLAB的同学可以额外安装MATLAB。 安装教程请自行搜索。 


2. 安装完成后添加图标 http://www.linuxidc.com/Linux/2011-01/31632.htm




     sudo vi /usr/share/applications/Matlab.desktop




3.编译Matlab wrapper


    执行如下命令




    make matcaffe

至此，所有的安装步骤告一段落，大家可以下载咖啡自带的demo，跑一跑玩了。

本文基本是参照caffe的官方安装文档：http://caffe.berkeleyvision.org/installation.html 以及各位博友提供的参考步骤进行。
如有雷同纯属参考，如有错误之处，望各位不吝赐教。3ks







        

	      

	    

	  

	  

	    
      
        【推广】
        免费学中医，健康全家人
      
	  

    

    

          原文地址：https://www.cnblogs.com/Crysaty/p/6283373.html