ubuntu16.0 caffe安装

1、安装深度学习所需要的依赖

　　执行下面的命令

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 libgflags-dev libgoogle-glog-dev liblmdb-dev 
sudo apt-get install git cmake build-essential
sudo apt-get install -y libatlas-base-dev

 2、配置环境变量

　　同样使用 gedit 命令打开配置文件：

sudo gedit ~/.bashrc

　　打开后在文件最后加入以下两行内容： 

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

2、显卡驱动程序安装，

　　由于新版本Ubuntus（> = 14.04）已内置驱动管理程序，可以通过驱动管理程序来安装显卡驱动：“系统设置” - >“软件和更新“ - >”附加驱动“。如果列表中没有相关的选项，请添加源后重试：

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update

　　打开驱动管理，如下，选择version 410.78....安装

　　

3、安装cuda

　　从英伟达官网下载cuda10.0, 安装过程中注意不要选择安装CUDA中集成的显卡驱动和OpenGL！ （当询问时选择 ”N“ ）：

chmod +x cuda_10.0.130_410.48_linux.run
sudo ./cuda_10.0.130_410.48_linux.run

　　当安装完成后，请不要忘记在 “.bashrc” 或者 “.zshrc”（在“~/”目录下，您需要使用Ctrl+H来查看隐藏文件）中配置系统环境变量：

export PATH=/usr/local/cuda-10.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH

使该配置生效：

source ~/.bashrc

 安装完成后可用 nvcc -V 命令验证是否安装成功，若出现以下信息则表示安装成功：

✗ nvcc -V   
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Sat_Aug_25_21:08:01_CDT_2018
Cuda compilation tools, release 10.0, V10.0.130

4、安装cuDNN

　　4.1 使用deb包安装

sudo dpkg -i ./libcudnn7_7.5.1.10-1+cuda10.0_amd64.deb
sudo dpkg -i ./libcudnn7-dev_7.5.1.10-1+cuda10.0_amd64.deb
sudo dpkg -i ./libcudnn7-doc_7.5.1.10-1+cuda10.0_amd64.deb

　　4.2 压缩包安装：cudnn-10.0-linux-x64-v7.5.1.10.tgz

　　解压该压缩包，得到一个 cudnn 文件夹，该文件夹下include 和 lib64 两个文件夹，命令行进入 cudn/include 路径下，然后进行以下操作：

sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件

　　然后命令行进入 cudn/lib64 路径下，运行以下命令：

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
 
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
 
sudo chmod a+r /usr/local/cuda/include/cudnn.h
 
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

　　在终端输入命令：　

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

　　如果出现下图所示版本信息，说明安装成功。  

#define CUDNN_MAJOR 7
#define CUDNN_MINOR 5
#define CUDNN_PATCHLEVEL 1
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

#include "driver_types.h"

5、opencv安装

　　由于装了ros系统，自动装了oepncv不需要编译安装。

6、安装OpenBLAS

　　1、先下载git，然后安装OpenBLAS

mkdir ~/git
cd ~/git
git clone https://github.com/xianyi/OpenBLAS.git
cd OpenBLAS 
sudo apt-get install gfortran
make FC=gfortran -j $(($(nproc) + 1))
sudo make PREFIX=/usr/local install

　　2、添加lib库的变量路径

echo 'export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH' >> ~/.bashrc

7、安装caffe

　　安装的路径下 clone caffe代码 ：

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

　　完成后进入caffe-master，进入 caffe ，将 Makefile.config.example 文件复制一份并更名为 Makefile.config ，执行下列命令完成复制操作 ：

sudo cp Makefile.config.example Makefile.config

　　复制一份的原因是编译 caffe 时需要的是 Makefile.config 文件，而Makefile.config.example 只是caffe 给出的配置文件例子，不能用来编译 caffe。

　　然后修改 Makefile.config 文件，在 caffe 目录下打开该文件：

sudo gedit Makefile.config

　　修改 Makefile.config 文件内容：

　　7.1 应用 cudnn

将
#USE_CUDNN := 1
修改成： 
USE_CUDNN := 1

　　7.2 应用 opencv 版本

将
#OPENCV_VERSION := 3 
修改为： 
OPENCV_VERSION := 3

　　7.3 使用 python 接口

将
#WITH_PYTHON_LAYER := 1 
修改为 
WITH_PYTHON_LAYER := 1

　　7.4 修改 python 路径

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

　　7.5 如果安装了OpenBLAS，修改BLAS参数

sed -i 's/BLAS := atlas/BLAS := open/' Makefile.config

　　7.6 修改 caffe 目录下的 Makefile 文件

将：
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

　　再修改

将：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改为：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

　　7.7 编译

　　在 caffe 目录下执行 ：

sudo make all -j4
sudo make distribute  (安装caffe编译生成的库到caffe/distribute，可用于开发)

       7.8 编译成功后可运行测试：

sudo make runtest -j4

表示编译安装成功

8、安装 pycaffe notebook 接口环境

　成功安装 caffe 之后，就可以通过 caffe 去做训练数据集或者预测各种相关的事了，只不过需要在命令行下通过 caffe 命令进行操作，而这一步 pycaffe 的安装以及 notebook 环境配置只是为了更方便的去使用 caffe ，实际上大多数都是通过 python 来操作 caffe 的，而 notebook 使用浏览器作为界面，可以更方便的编写和执行 python 代码。

首先编译 pycaffe :

cd caffe
 
sudo make pycaffe -j4

配置notebook环境

首先要安装python接口依赖库，在caffe根目录的python文件夹下，有一个requirements.txt的清单文件，上面列出了需要的依赖库，按照这个清单安装就可以了。

在安装scipy库的时候，需要fortran编译器（gfortran)，如果没有这个编译器就会报错，因此，我们可以先安装一下。

首先进入 caffe

/python 目录下，执行安装代码：

sudo apt-get install gfortran
for req in $(cat requirements.txt); do sudo pip install $req; done

安装完成以后执行：

sudo pip install -r requirements.txt

就会看到，安装成功的，都会显示Requirement already satisfied, 没有安装成功的，会继续安装。

然后安装 jupyter ：

sudo pip install jupyter

安装完成后运行 notebook :

 jupyter notebook
 
或

ipython notebook

就会在浏览器中打开notebook。

9、安装过程遇到的坑

　　8.1、编译时，提示如下错误

　　

nvcc fatal : Unsupported gpu architecture 'compute_20'
nvcc fatal : Unsupported gpu architecture 'compute_20'
Makefile:605: recipe for target '.build_release/cuda/src/caffe/util/math_functions.o' failed

　　原因是cuda版本不兼容，在Makefile.config 中 CUDA_ARCH 设置没有去掉不兼容的arch，根据提示：

# CUDA architecture setting: going with all of them.  
# For CUDA < 6.0, comment the *_50 through *_61 lines for compatibility.  
# For CUDA < 8.0, comment the *_60 and *_61 lines for compatibility.  
# For CUDA >= 9.0, comment the *_20 and *_21 lines for compatibility.  
CUDA_ARCH := -gencode arch=compute_20,code=sm_20   
                -gencode arch=compute_20,code=sm_21   
                -gencode arch=compute_30,code=sm_30   
                -gencode arch=compute_35,code=sm_35   
                -gencode arch=compute_50,code=sm_50   
                -gencode arch=compute_52,code=sm_52   
                -gencode arch=compute_60,code=sm_60   
                -gencode arch=compute_61,code=sm_61   
                -gencode arch=compute_61,code=compute_61 

　　电脑cuda为10.0，所以需要删除

-gencode arch=compute_20,code=sm_20   
-gencode arch=compute_20,code=sm_21  
　　之后编译成功

　　8.2、cuda库找不到

.build_release/tools/caffe
.build_release/tools/caffe: error while loading shared libraries: libcudart.so.10.0: cannot open shared object file: No such file or directory
Makefile:543: recipe for target 'runtest' failed
make: *** [runtest] Error 127

　　解决方法：

　　将相应的库文件复制到/usr/lib，终端运行如下命令：

sudo cp /usr/local/cuda-10.0/lib64/libcudart.so.10.0 /usr/local/lib/libcudart.so.10.0 && sudo ldconfig

sudo cp /usr/local/cuda-10.0/lib64/libcublas.so.10.0 /usr/local/lib/libcublas.so.10.0 && sudo ldconfig

sudo cp /usr/local/cuda-10.0/lib64/libcurand.so.10.0 /usr/local/lib/libcurand.so.10.0 && sudo ldconfig

　　ps. ldconfig命令是一个动态链接库管理命令，是为了让动态链接库为系统共享

　　

　　8.4 编译 pycaffe时报错：fatal error: numpy/arrayobject.h没有那个文件或目录

python/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: 没有那个文件或目录

　　python2已经安装了numpy，但还是报这个错误

　　进入python2

import numpy as np
np.get_include()

　　得到：

/usr/local/lib/python2.7/dist-packages/numpy/core/include

在Makefile.config找到PYTHON_INCLUDE，发现有点不同：

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

要加一个local，变成： 

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

再make pycaffe就ok了 

　8.5 import caffe时

ImportError:No module named skimage.io

解决办法：

可能是我们没有安装所谓的skimage.io模块，所以可以用以下的命令来安装：

pip install scikit-image

关掉终端，重新进入再编译

或者：

sudo pip install scikit-image

另一种方法：

sudo apt-get install python-skimage

　　8.6 导入 caffe 时出现错误：

File "<stdin>", line 1, in <module>   ImportError: No module named caffe

解决方法：

zsh则

sudo echo export PYTHON=/home/.../caffe/python:$PYTHONPATH >> ~/.zshrc

source ~/.zshrc

　　在python2中导入caffe

　　8.7 python3使用caffe

raceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/home/wyl/caffe/python/caffe/__init__.py", line 1, in <module>
    from .pycaffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, RMSPropSolver, AdaDeltaSolver, AdamSolver, NCCL, Timer
  File "/home/wyl/caffe/python/caffe/pycaffe.py", line 13, in <module>
    from ._caffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, 
ImportError: dynamic module does not define module export function (PyInit__caffe)

 报这个错，说明当前我的python版本太高，可以看到我用的是3.6版本，降低python版本。

具体降低python版本，用python虚拟环境搭建中的虚拟python环境方法。

命令是：mkvirtualenv -p /usr/bin/python2 环境名称

export PYTHON=/home/.../caffe/python:$PYTHONPATH

8.8 编译是找不到opencv库

connot find -lopencv_imgcodecs .......

或者

.build_release/lib/libcaffe.so: undefined reference to `cv::imread(cv::String const&, int)'
.build_release/lib/libcaffe.so: undefined reference to `cv::imencode(cv::String const&, cv::_InputArray const&, std::vector<unsigned char, std::allocator<unsigned char> >&, std::vector<int, std::allocator<int> > const&)' ....

解决方法

先修改Makefile.config文件中

1、修改USE_OPENCV := 1

# uncomment to disable IO dependencies and corresponding data layers
USE_OPENCV := 1

2、OPENCV_VERSION := 3 注释掉（实际测试中不注释掉也能编译）

# Uncomment if you're using OpenCV 3
OPENCV_VERSION := 3

3、打开USE_PKG_CONFIG

# Uncomment to use `pkg-config` to specify OpenCV library paths.
# (Usually not necessary -- OpenCV libraries are normally installed in one of the above $LIBRARY_DIRS.)
USE_PKG_CONFIG := 1

然后在caffe根目录下，找到Makefile文件，打开文件

因为lib文件opencv_imgcodecs在Makefile文件中未添加，修改如下：

LIBRARIES += glog gflags protobuf leveldb snappy 
    lmdb boost_system hdf5_hl hdf5 m 
    opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs

此外，还有一些Makefile文件这么写，也是可行的：

ifeq ($(USE_OPENCV), 1)
    LIBRARIES += opencv_core opencv_highgui opencv_imgproc 

    ifeq ($(OPENCV_VERSION), 3)
        LIBRARIES += opencv_imgcodecs
    endif

endif

再在caffe目录下，sudo make all -j8一下，问题解决