ubuntu16.04 安装配置matlab+python +cuda8.0+cudnn+opencv3.1的caffe环境

　　网络上有很多ubuntu上caffe配置环境的帖子，本人照着其中的许多进行了参考，都出现了或多或少的错误，很多地方也有差异。

于是自己整理了下自己的安装过程，成功进行了测试，跑通了faster-rcnn。配置环境时间为2017.1.4 系统ubuntu16.04

一：显卡驱动的安装：

　　由于要使用GPU，所以先要查看自己显卡所匹配的显卡驱动，网址：http://www.nvidia.com/Download/index.aspx?lang=en-us

　　选择电脑匹配的显卡驱动，本人电脑显卡为GTX760，选择如下图所示

 

输入以下命令执行安装驱动：

sudo add-apt-repository ppa:graphics-drivers/ppa  
sudo apt-get update  
sudo apt-get install nvidia-375 //此处为上图的驱动版本
sudo apt-get install mesa-common-dev  
sudo apt-get install freeglut3-dev

安装完成后，重启电脑后输入

nvidia-smi

出现你的电脑gpu列表，如下所示，表示驱动安装成功。

二：安装配置CUDA8.0

　　cuda官方下载地址：https://developer.nvidia.com/cuda-downloads，选择如下:

　　

下载完成后，解压到当前目录，切换到该目录输入：

sh cuda_8.0.44_linux.run --override

安装过程中，出现很多选择的选项，先一直按S滑到百分百，然后根据提示输入，分别如下：

输入accept接受条款
输入n不安装nvidia图像驱动，之前已经安装过了//此处一定要选择n
输入y安装cuda 8.0工具
回车确认cuda默认安装路径：/usr/local/cuda-8.0
输入y用sudo权限运行安装，输入密码
输入y或者n安装或者不安装指向/usr/local/cuda的符号链接
输入y安装CUDA 8.0 Samples，以便后面测试
回车确认CUDA 8.0 Samples默认安装路径：

最重要的是确定此处不要再选择安装驱动。

添加环境路径：

sudo vim ~/.bashrc  //末尾添加
export CUDA_HOME=/usr/local/cuda-8.0    
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH   
export PATH=/usr/local/cuda-8.0/bin:$PATH  

添加完成后source ~/.bashrc 使之生效。

测试cuda的例子，并得到如下输出：

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery  
make -j4 
sudo ./deviceQuery  

表明cuda安装成功。

三：Cudnnv5的安装

　　从官网下载最新的cudnn，网址：https://developer.nvidia.com/rdp/cudnn-download，如下图选择适当的cudnn版本

　　

本人下载放在Download目录下,进入该目录并解压，建立软连接，如下所示：

cd ./Download/
tar -xvzf cudnn-8.0-linux-x64-v5.1.tgz   
sudo cp ./cuda/include/cudnn.h /usr/local/cuda/include 
sudo cp ./cuda/lib64/lib* /usr/local/cuda/lib64

cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
sudo ldconfig

四：matlab的安装与配置

　　本人使用的matlab版本位：R2014b_glnxa64_withcrack.iso

1、挂载iso（需新建matlab_iso文件夹）：
   mkdir matlab_iso //主目录
   sudo mount -o loop R2014b_glnxa64_withcrack.iso  ~/matlab_iso
2、开始安装：
   cd ~/matlab_iso
   sudo ./install
3、选择不联网安装
4、密钥输入，29797-39064-48306-32452
5、激活：选择”license.lic”文件进行激活（在crack文件夹下面）
6、将libmwservices.so复制到/usr/local/MATLAB/R2014b/bin/glnxa64中：
   sudo cp libmwservices.so /usr/local/MATLAB/R2014b/bin/glnxa64/libmwservices.so

启动matlab后出现问题，可以参考这个帖子http://blog.csdn.net/csd_ct/article/details/51837894 。只需要将/sys/os/glnxa64/下的libstdc++.so.6 重命名位libstdc++.so.6.old.

五：Opencv3.1的安装

　　opencv3.1的下载，网址链接：http://opencv.org/downloads.html

　　安装必要项：

sudo apt-get update 
sudo apt-get install -y build-essential cmake git pkg-config 
sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler 
sudo apt-get install -y libatlas-base-dev 
sudo apt-get install -y --no-install-recommends libboost-all-dev 
sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev 
sudo apt-get install -y python-pip 
sudo apt-get install -y python-dev 
sudo apt-get install -y python-numpy python-scipy  

sudo apt-get install build-essential  
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev  
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev  

解压opencv并进入该目录：

cd opencv-3.1.0
mkdir build
cd build 
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..

期间可能会卡在ippcv的下载中，Ctrl + c中断后，可以到 ippicv_linux_20151201.tgz 下载。将下载的文件替换掉 OpenCV-3.1.0/3rdparty/ippicv/downloads/linux-8b449a536a2157bcad08a2b9f266828b下的同名文件。

make -j4     
sudo make install  

make过程中，出现了graphcuts.cpp 的错误，进行如下修改：

sudo vim ../modules/cudalegacy/src/graphcuts.cpp 

将45行的#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)修改为#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) || (CUDART_VERSION >= 8000)

编译完成后注意需要运行sudo make install执行安装

六：Caffe编译

　　

cd ~
git clone https://github.com/BVLC/caffe.git    //从github上git caffe

　　如果没有安装git，可以先使用sudo apt-get install git执行安装。

cd caffe
sudo cp Makefile.config.example Makefile.config 
sudo vim Makefile.config

此时会修改caffe的编译配置，需要修改如下地方:

# USE_CUDNN := 1 修改成： USE_CUDNN := 1 
# OPENCV_VERSION := 3 修改为： OPENCV_VERSION := 3
# WITH_PYTHON_LAYER := 1 修改为 WITH_PYTHON_LAYER:=1
#USE_OPENCV := 0 修改成 USE_OPENCV :=1
#USE_LEVELDB := 0 修改为 USE_LEVELDB:=1
#USE_LMDB := 0 修改位 USE_LMDB :=1
//修改matlab目录
将MATLAB_DIR := /usr/local/MATLAB/R2014b
//最终要的修改 # Whatever else you find you need goes here.下面的
 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 //这是因为ubuntu16.04的文件包含位置发生了变化，尤其是需要用到的hdf5的位置，所以需要更改这一路径  

修改Makefile文件：

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

编辑/usr/local/cuda/include/host_config.h 将119行的

#error -- unsupported GNU version! gcc versions later than 5 are not supported! 修改为 //#error -- unsupported GNU version! gcc versions later than 5 are not supported!，即添加了注释，使之无效

进行编译：

sudo make all -j8  
sudo make runtest -j8  

若编译出现libcudart.so.8.0错误，则执行如下命令

sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.so.8.0
sudo cp /usr/local/cuda-8.0/lib64/libcublas.so.8.0 /usr/local/lib/libcublas.so.8.0
sudo cp /usr/local/cuda-8.0/lib64/libcurand.so.8.0 /usr/local/lib/libcurand.so.8.0
sudo ldconfig

此时正确情况如下图所示：

　　

编译matcaffe：

　　执行 make matcaffe -j4

　　显示MEX completed successfully，表示编译matcaffe成功，

　　执行make mattest -j4 即运行matcaffe的测试程序，结果如下图：

　　

编译pycaffe

sudo make pycaffe -j4
sudo make distribute -j4
cd python
for req in $(cat requirements.txt); do sudo  pip install -i https://pypi.tuna.tsinghua.edu.cn/simple $req; done 
cd ../

　　运行make pytest -j4进行测试，出现如下图：

　　

表明pycaffe编译成功 在～/.bashrc 末尾添加export PYTHONPATH=/home/zf/caffe/python:$PYTHONPATH //自己对照自己路径。

打开python导入caffe 可以成功，如下：

七：mnist集测试：

cd ~/caffe 
./data/mnist/get_mnist.sh  
./examples/mnist/create_mnist.sh  
./examples/mnist/train_lenet.sh  

结果如下图，正确率为99.08%

八：faster-rcnn配置与测试：

　　

mkdir ~/caffetest
cd caffetest
git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git //下载rcnn源码
cd py-faster-rcnn
cd lib
make 
cd ../caffe-fast-rcnn
//用之前编译的caffe替换rcnn的Makefile.config
sudo cp ~/caffe/Makefile.config ./caffe-fastr-rcnn/
sudo make -j4 && make pycaffe
cd ../
sudo ./data/script/fetch_faster_rcnn_models.sh

此过程中若出现cudnn错误，可以做如下方式进行解决：

//在caffe-fast-rcnn目录下 
git remote add caffe https://github.com/BVLC/caffe.git  
git fetch caffe
//可能需要github账号 按照提示输入git config --global user.email ～～～ 和 git config --global user.name ～～～
git stash save
git merge caffe/master 

将caffe-fast-rcnn/include/caffe/layers/python_layer.hpp的29行self_.attr("phase") = static_cast<int>(this->phase_);注释掉

重新编译成功后，执行demo,两种demo为不同的模型框架，

cd ~/caffetest/py-faster-rcnn
./tool/demo.py
./tool/demo.py --net zf

　　若出现Check failed：error == cudaSuccess（8 vs 0） invalid device function,则将py-faster-rcnn/lib/setup.py 的第135行，将arch改为与你显卡相匹配的数值，（比如我的GTX 760，计算能力是3.0，就将sm_35改成了sm_30）然后删除utils/bbox.c，nms/cpu_nms.c ，nms/gpu_nms.cpp 重新编译即可

最终结果部分图片如下：

　　

九：总结与体会

　　之前花费了时间断断续续的进行caffe的安装与配置，但是总会出现大大小小的问题，但是最后才发现是第一步驱动的问题，很多博客说到的编译器问题，在我这次安装过程中都没有出现。

据说是现在cuda8.0后对此进行了修复。最终能够完全成功，也是非常令人高兴的，也说明了，做一个事情，还是得老老实实专心的做下去。写这篇博客，一是为了纪念一下这一路安装的心酸，也

是想方便以后的人，希望对他们能有帮助，少走一点弯路。加油～

　　安装过程中用到的安装软件，笔者会稍后上传到网盘，需要的可以联系笔者。笔者QQ：476833883。