ubuntu14.04中tensorflow和caffe的配置

１：python2.7+cuda8.0+cudnn6.0+tensorflow1.4.0

python2.7依赖库安装：

sudo pip install imutils
sudo apt-get install build-essential python-dev python-numpy python-setuptools python-scipy libatlas-dev libatlas3-base 
sudo apt-get install python-matplotlib  

sudo apt-get install build-essential python-dev python-setuptools python-numpy python-scipy libatlas-dev libatlas3gf-base
pip install --user --install-option="--prefix=" -U scikit-learn

cuda8.0，和cudnn6.0和上文一样的配置方法，这里就不在多说了，之所以用tensorflow1.4.0一方面是因为调试一本书的代码需要，另一方面则是cuda8.0仅仅支持1.4版本以下的，如果再高则需要cuda9.0版本了．

tensorflow1.4.0安装很简单，直接输入：

sudo pip install --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.4.0rc1-cp27-none-linux_x86_64.whl

安装过程可能出现安装SSE4.1, SSE4.2, AVX, AVX2, FMA,等等之类的提示，由于安装的GPU版本的tensorflow，因此忽略这个问题，因为安装SSE4.1, SSE4.2, AVX, AVX2, FMA, 仅仅提升CPU的运算速度（大概有3倍）．

就可以了．终端输入：

python
import tensorflow as tf

出现下面界面，表示安装成功

２：ubuntu14.04+opencv3.1+cuda8.0+python2.7+cudnn5.1+caffee

由于依赖的cudnn版本不一致，因此使用的时候记得切换cudnn版本，当然你也可以安装成相同版本的，免得麻烦．不过由于我的调试需要，暂时就这样了．

（１）依赖项安装

General dependencies：
sudo apt-get install build-essential 

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

BLAS：
sudo apt-get install libatlas-base-dev

pycaffe：
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
sudo apt-get install protobuf-c-compiler protobuf-compiler

（２）opencv3.1＋contrib安装

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

git clone https://github.com/Itseez/opencv.git

git clone https://github.com/Itseez/opencv_contrib.git

mkdir build

cd build

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib/modules/ -D CUDA_ARCH_BIN=6.1 -D CUDA_GENERATION=Auto ..

opencv和contrb的路径自己设置，这个应该很简单吧，CUDA运算能力必须和自己的GPU匹配,否则会报错．cudnn就不多说了

python是系统自带的2.7.6版本．

３：caffe安装

（１）：下载：https://github.com/BVLC/caffe

（２）：cp Makefile.config.example Makefile.config

（３）：修改配置文件Makefile.config，我取消了这两处的注释

USE_CUDNN := 1
OPENCV_VERSION := 3

具体参见博客：https://blog.csdn.net/qq_26293147/article/details/67632528

（４）如果编译出现找不到cuda库的一些问题，解决如下：

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

sudo cp -P /usr/local/cuda-8.0/lib64/libcudnn* /usr/local/lib && sudo ldconfig

（５）编译

make all -j16
make test -j16
make runtest -j16
make pycaffe

（６）测试

1.将终端定位到Caffe根目录
cd ~/caffe
		 
2.下载MNIST数据库并解压缩
./data/mnist/get_mnist.sh

3.将其转换成Lmdb数据库格式
./examples/mnist/create_mnist.sh
		 
4.训练网络
./examples/mnist/train_lenet.sh

正常运行则安装成功．

（７）使用python导入caffe

添加环境变量　
export PYTHONPATH=~/lib/caffe:$PYTHONPATH 

还是找不到caffe模块的话,写个路径脚本吧mycaffe.py
#!/usr/bin/python
"""
caffe path
"""
caffe_root = '~/lib/caffe/'
import sys
sys.path.insert(0, caffe_root + 'python')
import caffe

（８）测试结果如下：

祝大家都能成功安装，踏上深度学习之路，哈哈！

ubuntu14.04中tensorflow和caffe的配置

猜你喜欢