本文参考文章链接：1. https://blog.csdn.net/balixiaxuetian/article/details/79154013
2.https://blog.csdn.net/jonms/article/details/79318566
第一步：安装依赖包
- 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
- sudo apt-get install git cmake build-essential
- sudo apt-get install git cmake build-essential
- Reading package lists... Done
- Building dependency tree
- Reading state information... Done
- build-essential is already the newest version (12.1ubuntu2).
- cmake is already the newest version (3.5.1-1ubuntu3).
- git is already the newest version (1:2.7.4-0ubuntu1.3).
- 0 upgraded, 0 newly installed, 0 to remove and 126 not upgraded.
- sudo apt-get update
第二步：安装显卡驱动
1、检查自己的计算机是否具备CUDA安装条件
1）检查GPU是否支持CUDA
Windows下，可以通过NVIDIA GeForce Experience查看自己的GPU型号，或者通过百度、谷歌等搜索引擎来获取与自己PC相关的GPU信息。
Linux下，可以在终端下键入
$ lspci | grep -i nvidia- 1
显示出你的NVIDIA GPU版本信息 
然后去CUDA的官网查看自己的GPU版本是否在CUDA的支持列表中
2）验证自己的Linux版本是否支持 CUDA(Ubuntu 16.04和Ubuntu17.04都支持)
$ uname -m && cat /etc/*release- 1
3）验证是否安装了gcc
$ gcc --version- 1
如果没有，可以在终端键入
$ sudo apt-get install gcc- 1
4）验证系统是否安装了kernel header和 package development
$ uname -r
$ sudo apt-get install linux-headers-$(uname -r)- 1
- 2
满足要求后，便可进行下面的正式安装过程。
2、CUDA提供两种安装方式：package manager安装和runfile安装。
这里我选择runfile安装，采用runfile安装，CUDA自带的驱动可能无法定位内核信息，所以我们先安装NVIIDA驱动。
3、安装NVIDIA驱动程序(如果事先有装但失败的，先卸载)
$ sudo apt remove --purge nvidia*- 1
1）禁用nouveau驱动
终端中运行：
$ lsmod | grep nouveau- 1
如果有输出，则代表nouveau正在运行， 需要我们手动禁掉nouveau。
在Ubuntu16.04中，我们可以通过以下操作禁用nouveau：
a.在/etc/modprobe.d中创建文件blacklist-nouveau.conf
$ sudo vim /etc/modprobe.d/blacklist-nouveau.conf- 1
在文件中输入以下内容：
blacklist nouveau
options nouveau modeset=0
b.执行
$ sudo update-initramfs -u- 1
c.查看nouveau是否已经成功禁用
$ lsmod | grep nouveau- 1
若无内容输出，则禁用成功，若仍有内容输出，请检查上述操作，并重复。
操作无误但仍有输出，则可重启，进入用户登录界面时（不要登录进桌面），按Ctrl+Alt+F1进入字符终端界面，输入用户名和密码进行登录，登录成功后，再次查看
$ lsmod | grep nouveau- 1
这时，我们已经成功禁用了nouveau，无输出
2）关闭图形化界面
$ sudo service lightdm stop- 1
3）安装驱动
NVIDIA驱动安装也有多种方式，runfile文件形式的安装和apt安装
apt安装：
a.添加Graphic Drivers PPA
$ sudo add-apt-repository ppa:graphics-drivers/ppa
$ sudo apt-get update- 1
- 2
b.寻找合适的驱动版本
$ ubuntu-drivers devices- 1
如上图，显示GTX 960M显卡建议的驱动版本是390
c.安装nvidia driver
$ sudo apt-get install nvidia-390- 1
d.安装完成后，重启
$ sudo reboot- 1
e.这时，执行下面的命令，查看驱动的安装状态
$ sudo nvidia-smi
$ sudo nvidia-settings- 1
- 2
runfile文件安装：
runfile文件的安装先要安装gcc-multilib
$ sudo apt install gcc-multilib- 1
接着，以NVIDIA-Linux-x86_64-390.25.run为例
$ sudo sh NVIDIA-Linux-x86_64-390.25.run- 1
刚开始运行时，会有报错(预处理脚本错误，会问继续还是退出)，不管错误继续，然后就是一路安装，重启即可。测试是否安装成功如上图所示
虽然CUDA 9.1 安装包里说需要安装384.00版本之后的驱动，但是亲测384.98和384.111都是不支持CUDA 9.1的，这也在NVIDIA官方论坛里得到了NVIDIA工程师的肯定，巨坑！所以假如亲们无法安装CUDA 9.1安装包里自带的387版本的驱动，那么就放弃CUDA 9.1，转而下载安装CUDA 9.0。CUDA 9.0是支持384.xx版本的驱动的，配置方法完全相同，此博客同样适用，只是路径中若出现cuda-9.1的地方改成cuda-9.0即可。CUDA 9.0的下载见“10、补充”。
执行此命令约1分钟后会出现安装协议要你看，刚开始是0%，此时长按回车键让此百分比增长，直到100%，然后按照提示操作即可，先输入 accept ，然后是否安装显卡驱动选择no,因为前面已经装过了，我实际安装先装的cuda，后装的nvidia驱动，其实先后顺序应该无关
- Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 387.26?
- (y)es/(n)o/(q)uit:n
之后会问你是否安装 nvidia-xconfig，选择no。
- do you want to run nvidia-xconfig？
- (y)es/(n)o/(q)uit: n
是否安装 CUDN 9.1 都选择no。也就是我们这次只安装一个显卡驱动，目的是先保证显卡驱动安装成功，否则安装CUDA 9.1很容易失败。
- Install the CUDA 9.1 Samples?
- (y)es/(n)o/(q)uit: n
- Install the CUDA 9.1 Toolkit?
- (y)es/(n)o/(q)uit: n
- reboot
- nvidia-settings
我的电脑显示如下信息：
方法二：直接在线安装（此方法需要联网），适用于CUDA 9.0
注意：再次提醒此方法暂时不适用于CUDA 9.1
首先仍旧是关闭桌面服务并卸载之前的显卡驱动（这两步见方法一），随后加入官方ppa源：
- sudo add-apt-repository ppa:graphics-drivers/ppa
- sudo apt-get update
- sudo apt-get install nvidia-384 nvidia-settings nvidia-prime
- nvidia-settings
第三步：配置环境变量
- sudo gedit ~/.bashrc
- 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
第四步：安装 CUDA 9.1
安装完显卡驱动后，CUDA toolkit和samples可单独安装，直接在终端运行安装，无需进入文本模式：
- sudo sh cuda_9.1.85_387.26_linux.run --no-opengl-libs
- Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 387.26?
- (y)es/(n)o/(q)uit: n
其他的都选择yes或者默认，等待安装完成：
- Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 387.26?
- (y)es/(n)o/(q)uit: n
- Install the CUDA 9.1 Toolkit?
- (y)es/(n)o/(q)uit: y
- Enter Toolkit Location
- [ default is /usr/local/cuda-9.1 ]:
- Do you want to install a symbolic link at /usr/local/cuda?
- (y)es/(n)o/(q)uit: y
- Install the CUDA 9.1 Samples?
- (y)es/(n)o/(q)uit: y
- Enter CUDA Samples Location
- [ default is /home/ccem ]:
- Installing the CUDA Toolkit in /usr/local/cuda-9.1 ...
- Installing the CUDA Samples in /home/ccem ...
- Copying samples to /home/ccem/NVIDIA_CUDA-9.1_Samples now...
- Finished copying samples.
- ===========
- = Summary =
- ===========
- Driver: Not Selected
- Toolkit: Installed in /usr/local/cuda-9.1
- Samples: Installed in /home/ccem
- Please make sure that
- - PATH includes /usr/local/cuda-9.1/bin
- - LD_LIBRARY_PATH includes /usr/local/cuda-9.1/lib64, or, add /usr/local/cuda-9.1/lib64 to /etc/ld.so.conf and run ldconfig as root
- To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-9.1/bin
- Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-9.1/doc/pdf for detailed information on setting up CUDA.
- ***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 9.1 functionality to work.
- To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
- sudo <CudaInstaller>.run -silent -driver
- Logfile is /tmp/cuda_install_36731.log
假如出现：
- Installing the CUDA Toolkit in /usr/local/cuda-9.1 …
- Missing recommended library: libGLU.so
- Missing recommended library: libX11.so
- Missing recommended library: libXi.so
- Missing recommended library: libXmu.so
- sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
安装完成后配置CUDA环境变量，使用 gedit 命令打开配置文件：
- sudo gedit ~/.bashrc
- export PATH=/usr/local/cuda/bin:$PATH #/usr/local/cuda和/usr/local/cuda-9.1是同一个文件夹，前者是后者的镜像
- export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
- source ~/.bashrc
检验CUDA 是否安装成功，输入：
- cd /usr/local/cuda-9.1/samples/1_Utilities/deviceQuery
- sudo make
- ./deviceQuery
会出现你的显卡的详细信息。假如出现：
- ./deviceQuery Starting...
- CUDA Device Query (Runtime API) version (CUDART static linking)
- cudaGetDeviceCount returned 35
- -> CUDA driver version is insufficient for CUDA runtime version
- Result = FAIL
卸载CUDA 9.1 的方法：
- cd /usr/local/cuda/bin
- sudo ./uninstall_cuda_9.1.pl
卸载完成后如果显示：Not removing directory, it is not empty: /usr/local/cuda-9.1 ，假如需要重装CUDA 9.0的话就把这个文件夹删除。在/usr/local/路劲下输入：
- sudo rm -r cuda-9.1
同时按住Alt + ctrl +F7，返回到图形化登录界面，输入密码登录。
如果能够成功登录，则表示不会遇到循环登录的问题，基本说明CUDA的安装成功了
重启电脑，检查Device Node Verification
注意：如果遇到循环登陆进不了系统，不要慌，在文本系统开启ctrl+alt+f1，具体可百度，比较容易https://blog.csdn.net/ssmixi/article/details/73483795
$ sudo reboot
$ ls /dev/nvidia*- 1
- 2
a、若结果显示
/dev/nvidia0 /dev/nvidiactl /dev/nvidia-uvm
- 1
- 2
或显示出类似的信息，应该有三个（包含一个类似/dev/nvidia-nvm的），则安装成功。
b、大多数结果可能会是这样
ls: cannot access/dev/nvidia*: No such file or directory
- 1
- 2
或是这样的，只出现
/dev/nvidia0 /dev/nvidiactl
- 1
- 2
a中的一个或两个，但没有/dev/nvidia-num，即文件显示不全。
第五步：安装cuDNN v7
- sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件
- sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库
- cd /usr/local/cuda/lib64/
- sudo rm -rf libcudnn.so libcudnn.so.7 #删除原有动态文件
- sudo ln -s libcudnn.so.7.0.5 libcudnn.so.7 #生成软衔接
- sudo ln -s libcudnn.so.7 libcudnn.so #生成软链接
注意：第四个要看清自己cudn/lib64文件里那三个文件几点几，这里第三步7.0.5，我的是7.1.2后来才发现，这步没有修改所带来的问题非常严重，我随后会写解决办法。
然后需要将路径/usr/local/cuda/lib64 添加到动态库，分两步：
1）安装vim。输入：
- sudo apt-get install vim-gtk
- sudo vim /etc/ld.so.conf.d/cuda.conf
- /usr/local/cuda/lib64
- :wq #保存退出
终端下接着输入 sudo ldconfig 命令使链接生效。
软链接后可以用sudo ldconfig -v 命令查看是否链接成功：是否有/usr/local/cuda/lib64文件夹，看清到底有没有，没有就错了。ldconfig命令的用途主要是在默认搜寻目录/lib和/usr/lib以及动态库配置文件/etc/ld.so.conf内所列的目录下，搜索出可共享的动态链接库（格式如lib*.so*）,进而创建出动态装入程序(ld.so)所需的连接和缓存文件。
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: NVIDIA (R) Cuda compiler driver
- Copyright (c) 2005-2017 NVIDIA Corporation
- Built on Fri_Nov__3_21:07:56_CDT_2017
- Cuda compilation tools, release 9.1, V9.1.85
第六步：安装 OpenCV 3.3.0
- mkdir build # 创建编译的文件目录
- cd build
- cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
- make -j8 #编译
- sudo make install #安装
- pkg-config --modversion opencv
卸载OpenCV的方法：进入OpenCV解压文件夹中的buid 文件夹：
- cd /home/ccem/opencv-3.4.0/build
- sudo make uninstall
- sudo rm -r /usr/local/include/opencv2 /usr/local/include/opencv /usr/include/opencv /usr/include/opencv2 /usr/local/share/opencv /usr/local/share/OpenCV /usr/share/opencv /usr/share/OpenCV /usr/local/bin/opencv* /usr/local/lib/libopencv
第七步：安装 Caffe
- git clone https://github.com/BVLC/caffe.git
- sudo cp Makefile.config.example Makefile.config
- sudo gedit Makefile.config
修改 Makefile.config 文件内容：
1.应用 cudnn
- 将：
- #USE_CUDNN := 1
- 修改为：
- USE_CUDNN := 1
2.应用 opencv 3 版本
- 将：
- #OPENCV_VERSION := 3
- 修改为：
- OPENCV_VERSION := 3
3.使用 python 接口
- 将：
- #WITH_PYTHON_LAYER := 1
- 修改为
- WITH_PYTHON_LAYER := 1
4.修改 python 路径
- 将：
- 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 := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
此python路径为系统自带python的路径，假如想使用Anaconda的python的话需要在其他地方修改。
5.去掉compute_20
- 找到
- # CUDA architecture setting: going with all of them.
- # For CUDA < 6.0, comment the *_50 through *_61 lines for compatibility.
- # For CUDA < 8.0, comment the *_60 and *_61 lines for compatibility.
- # For CUDA >= 9.0, comment the *_20 and *_21 lines for compatibility.
- CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \
- -gencode arch=compute_20,code=sm_21 \
- -gencode arch=compute_30,code=sm_30 \
- -gencode arch=compute_35,code=sm_35 \
- -gencode arch=compute_50,code=sm_50 \
- -gencode arch=compute_52,code=sm_52 \
- -gencode arch=compute_60,code=sm_60 \
- -gencode arch=compute_61,code=sm_61 \
- -gencode arch=compute_61,code=compute_61
- 直接把标红去掉，注意-gencode arch=compute_30,code=sm_30 \ 前面是用两个tab敲进去的，原文用的空格，我最后才发现，走了好多弯路。所以我采取直接删除方式
由于CUDA 9.x +并不支持compute_20，此处不修改的话编译caffe时会报错：
- nvcc fatal : Unsupported gpu architecture 'compute_20'
然后修改 caffe 目录下的 Makefile 文件（修改的地方找起来比较困难的话可以复制到word里查找）：
- 将：
- NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
- 替换为：
- NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
- 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
- cmake -D CMAKE_BUILD_TYPE=RELEASE -D CUDA_GENERATION=Kepler ..
在 caffe 目录下执行 ：
- make all -j8
安装到
make all -j16
make test -j16
make runtest -j16
时出现问题
Q1 make all -j16 时 报错
AR -o .build_release/lib/libcaffe.a
LD -o .build_release/lib/libcaffe.so.1.0.0
/usr/bin/ld: 找不到 -lcudnn
collect2: error: ld returned 1 exit status
Makefile:573: recipe for target '.build_release/lib/libcaffe.so.1.0.0' failed
make: *** [.build_release/lib/libcaffe.so.1.0.0] Error 1
感觉主要是 /usr/bin/ld: 找不到 -lcudnn 这句话的问题
于是百度
https://stackoverflow.com/questions/43996484/ubuntu-caffe-installation-error-usr-bin-ld-cannot-find-lcudnn
找到解决方案
使用sudo cp的指令将cudnn里提取的文件复制到usr/local/cuda/lib64/ 文件和/usr/local/cuda/include中
但是cp时会出现一个 无法通过符号链接'/usr/local/cuda-8.0/lib64/libcudnn.so.6' 进行操作 的问题尚未解决
但是make all 可以通过了
补充解决方案
安装CUDNN
1、删除原来的cudnn系统路径下的一些文件
sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn* #这里*是通配符，
libcudnn*指的是名字中带有libcudnn的所有文件
2、安装刚才解压的cudnn版本，在终端cd到刚解压的cuda文件夹，然后继续输入下面两个指令，这两个指令相当于把解压后的cuda文件夹下的一些文件拷到系统路径下面
sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64/ #这里*是通配符，lib*指的是名字中带有lib的所有文件
3、在系统路径下建立软链接（解压出来的lib64下面有3个so文件。分别是
libcudnn.so 和 libcudnn.so.5以及 libcudnn.so.5.1.3文件。 并且这3个点so文件大小都一样。其实都是软连接！libcudnn.so链接到libcudnn.so.5，而
libcudnn.so.5.又链接到libcudnn.so.5.1.3。 真正的文件只有
libcudnn.so.5.1.3）
cd /usr/local/cuda/lib64
sudo chmod +r libcudnn.so.5.1.10
sudo ln -sf libcudnn.so.5.1.10 libcudnn.so.5
sudo ln -sf libcudnn.so.5 libcudnn.so
这里面指令要根据自己版本修改数字
Q2 make runtest 的时候一直报错
.build_release/tools/caffe:
error while loading shared libraries: libcudnn.so.6: cannot open shared object file: No such file or directory
Makefile:533: recipe for target 'runtest' failed
make: *** [runtest] Error 127
看错误日志是说没有找到文件,这个文件也是Q1中无法通过符号链接的文件ibcudnn.so.6
于是考虑建立新的链接 参考
http://blog.csdn.net/u013059662/article/details/51854072 的博客
后发现再次make runtest依旧报错
于是再次搜索到
https://stackoverflow.com/questions/43515617/caffe-error-while-loading-shared-libraries-libcudnn-so-5-cannot-open-shared-o
stackoverflow上的提问,虽然没有回答,但是照着作者已经做过的两次尝试反而成功了.(心疼作者)
- sudo make runtest -j8
运行结果如下：
可以看到2123个tests中只有一个失败了：
- BatchReindexLayerTest/3.TestGradient, where TypeParam = caffe::GPUDevice<double>
第八步：用 mnist 手写数据集验证
1）进入caffe文件夹，看看此文件夹里是否有一个build文件夹，没有的话运行：
- make all -j8
- sudo ./data/mnist/get_mnist.sh
- sudo ./examples/mnist/create_mnist.sh
- sudo ./examples/mnist/train_lenet.sh
