Ubuntu18.04安装Tensorflow-gpu-1.9.0+Cuda10.0(GPU)+cuDNN7.4.1+Opencv-3.4.0+Matlab+Caffe

PS: 装完全部的软件心太累了，安装步骤公开，软件包我另外附加链接，原谅我收了1个金币，因为真的不容易。

#########################################################

1 安装Anaconda3，便于后期软件管理和caffe的配置。

bash Anaconda3-5.2.0-Linux-x86_64.sh

根据提示按下“Eenter”键-> 输入“yes” ->根据提示输入位置“/home/...” -> 自动安装 - > yes (这一步是写.Bashrc的 ,选no也可以自己添加路径 sudo emacs ~/.bashrc -> 在末尾添加 export PATH=/home/lisa/anaconda3/bin:$PATH ) -> no

重启终端输入：python查看是否安装成功。

如果此时的python2.x版本，想将python3.x版本设为默认，可以在终端下输入：

sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100

sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150

再打开python的版本就是3.x的了。

############################################################

2 安装NVIDIA显卡（建议直接看链接）

详细的步骤我的这篇博客里也有。

首先禁用nouveau显卡。重启系统，在选择系统的界面安键盘“e”，将倒数第二行的quiet splash -- 改为 quiet splash acpi=off
进入Ubuntu系统后输入lsmod | grep nouveau ,没有任何输出就是禁用成功。

ubuntu-drivers devices

终端输入与上述代码查看电脑驱动信息，如果有老版本的驱动先卸载：

sudo apt-get remove --purge nvidia*

输入下方代码安装推荐的驱动(建议此种)：

sudo ubuntu-drivers autoinstall

或者只安装其中一个驱动：

sudo apt install nvidia-410

安装完成后在终端输入“reboot” 重启电脑。

3 安装CUDA10.0

3.1 GCC降级(建议跳过此步，因为cuda10现在要求gcc>7,如果降级了需要在/usr/local/cuda/include/crt/host_config.h中将关于GUC的部分注释掉。)

sudo apt-get install gcc-4.8
sudo apt-get install g++-4.8

查看是否安装成功，路径是否正确：

cd /usr/bin
ls -l gcc*

此时的链接应该在gcc-7上，需要改为链接到gcc-4.8上：

sudo mv gcc gcc.bak #备份
sudo ln -s gcc-4.8 gcc #重新链接


sudo mv g++ g++.bak
sudo ln -s g++-4.8 g++

查看版本号：

gcc -v g++ -v

3.2 安装cuda,及补丁

去官网查看自己系统对应的cuda，这是我的版本。新出了对应18.04的cuda，建议下载deb版本的，因为不用禁用自带的驱动。下载就好了，下边也有如何安装的代码：

$  sudo apt-key add /var/cuda-repo-10-0-local-10.0.130-410.48/7fa2af80.pub
ok

$  sudo dpkg -i cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb

$  sudo apt-get update

$  sudo apt-get install cuda

自动安装就可以了，显示两个done就说明成功了。然后配置路径：

sudo ~/.bashrc

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

4 安装cuDNN7.4.1

下载cuDNN, 进入cuDNN官网注册下载，我下载的是第一个for linux的，等会贴连接。

cuDNN的官方安装方式网址，网址里讲的很详细。不过也可以看我的：

首先解压安装包，然后将所需文件copy至CUDA，并改变文件访问权限：

$ tar -xzvf cudnn-10.0-linux-x64-v7.4.1.5.tgz

$ 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 /usr/local/cuda/lib64/libcudnn*

到这里cuDNN就安装完成了。

查看CUDA和CUDNN是否安装成功及相应的版本号：

cat  /usr/local/cuda/version.txt

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


nvcc -V

5 安装Tensorflow-gpu

注意了，由于本人不喜欢用虚拟环境，所以所有的软件都是直接装载到本机上的，结合自身习惯选择是否建立虚拟环境。

我是用Anaconda安装的可以看注释代码，后边的版本号根据自己的需要进行更改.如果你是使用pip3装的1.9.0版本的，如果想装其他版本的直接修改版本号就可以了。1.12.0版本装的时候会遇到一些其他的问题比较烦。。

sudo pip3 install tensorflow-gpu==1.9.0

#如果你用的Anaconda，可以使用下边的代码完成安装，也可使用其他版本的
conda install tensorflow-gpu==1.9.0

它是自动配置的，提示的时候选择 y 就可以了。

6 安装Opencv-3.4.0

下载opencv，这是官网，我下载的是Opencv-3.4.0, 官网的安装步骤很详细，但是依赖包的书写不太通用，从源代码安装的话建议安装下边的依赖包。如果你只是想在python下使用opencv，不关联到caffe上，可以选择6.2的安装方式。

6.1 基于源代码安装

首先安装相关依赖：

sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

#我用的python3，所以注意相应安装包的版本
sudo apt-get install python3-dev python3-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff5-dev  libtiff-dev libdc1394-22-dev         # 处理图像所需的包
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev liblapacke-dev  
sudo apt-get install libxvidcore-dev libx264-dev         # 处理视频所需的包
sudo apt-get install libatlas-base-dev gfortran          # 优化opencv功能
sudo apt-get install ffmpeg

解压安装包，完成相应安装：

unzip opencv-3.4.0.zip

cd opencv-3.4.0

mkdir build

cd build

cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..

make 

sudo make install

6.2 基于conda或python的快速安装

#如果你刚开始安装使用的是Anaconda,使用下边的代码完成opencv2的安装
$ conda install -c https://conda.binstar.org/menpo opencv

#这个代码是opencv3的，与上边的二选一安装就好.用conda 安装的opencv3.4是不能cv2.imshow()的，它编译的时候这个选项没开，所有要可视化的python包尽量pip。
$ conda install -c https://conda.binstar.org/menpo opencv3

#如果你没有使用Anaconada，直接使用下边的代码快速安装python-opencv
$ sudo apt-get install python-opencv

7 安装Matlab2015b

下载安装包Matlab_Linux，完成相应安装,可以参考这个链接：

$ sudo mount -o loop R2015b_glnxa64.iso ~/Ｍatlab_Linux

$ cd Matlab_Linux    #这个是已经解压好的文件，不是原来的镜像文件

$ sudo ./install

# 选择使用文件安装密钥，密钥： 09806-07443-53955-64350-21751-41297
# 安装目录根据自己喜好自行调整，我是按照默认的路径 /usr/local/MATLAB/R2015b 进行安装的。

进入matlab安装目录下，完成激活:

$ cd /usr/local/MATLAB/R2015b/bin

$ sudo ./matlab

# 选择第二个不使用联网激活。浏览下载好激活文件中的license_standalone.lic文件，激活完成。
# 该激活文件在Matlab_2015b_Linux64_Crack.rar 中，需要先解压

$ unrar x Matlab_2015b_Linux64_Crack.rar

激活完成后，复制激活文件中Matlab_2015b_Linux64_Crack/R2015b/bin/glnxa64下三个文件到MATLAB的bin下的glnxa64，如果复制不了，请直接使用cp命令复制。

sudo cp -r Matlab_2015b_Linux64_Crack/R2015b/bin/glnxa64/. /usr/local/MATLAB/R2015b/bin/glnxa64

到这里Matlab就安装完成了，进入安装目录下的bin文件，打开软件：

$ cd /usr/local/MATLAB/R2015b/bin

$ sudo ./matlab

创建快捷方式：

$ sudo emacs /usr/share/applications/Matlab2015b.desktop

# 输入

[Desktop Entry]
Encoding=UTF-8 
Name=Matlab_2015b 
Exec=/usr/local/MATLAB/R2015b/bin/matlab   #/bin前边是软件安装目录的路径
Icon=/usr/local/MATLAB/R2015b/toolbox/shared/dastudio/resources/MatlabIcon.png #/toolbox前边也是软件安装目录的路径，和上一条语句一样。
Terminal=true     #软件打开时是否启动终端
Type=Application 
Name[zh_CN]=Matlab

注意每行后边不要有空格，不然无法启动快捷方式，保存退出。

通过文件进入 /usr/share/applications ，找到matlab的图标右键复制到桌面，双击打开，选择“ Trust and Launch”。

如果遇到matlab启动报错java.lang.runtime.Exception***************问题，请给你的matlab安装文件夹执行权限：

sudo chmod -R a+rw Ｍatlab_Linux

# 或者使用下边的代码解除权限

sudo chmod -R 777 Ｍatlab_Linux

这个时候双击图标就能完成MATLAB的使用了。

8 安装Caffe

进入Caffe官网

Documentation -> Installation instructions -> Ubuntu installation ,这里是官网Ubuntu的安装方式，18.04的安装真的要方便很多。

建议先升级一下

sudo apt update
sudo apt upgrade

# 源代码安装的话要附加源链接，我直接选择第一种GPU的安装方式。
$ sudo apt install caffe-cuda

# 这是CPU的
$ sudo apt install caffe-cpu

我的安装后提示：

/sbin/ldconfig.real: /usr/local/cuda-10.0/targets/x86_64-linux/lib/libcudnn.so.7 is not a symbolic link

就是其中的一个链接出了问题，对应作出修改：

sudo ln -sf /usr/local/cuda-10.0/targets/x86_64-linux/lib/libcudnn.so.7.4.1 /usr/local/cuda-10.0/targets/x86_64-linux/lib/libcudnn.so.7

经过上述步骤，然后下载caffe源码安装包，然后点击caffe官网里的compilation，有后续的安装步骤。注意解压后的安装包复制Makefile.config.example文件为Makefile.config，然后在Makefile.config中修改自己需要的项，可以参考这篇。注意python的路径。

重新安装就可以成功了。

到这里全部的安装就结束了！！！耗费了三个星期，都是泪啊～～

Ubuntu18.04安装Tensorflow-gpu-1.9.0+Cuda10.0(GPU)+cuDNN7.4.1+Opencv-3.4.0+Matlab+Caffe

猜你喜欢