Dell-1080Ti 深度学习Win 10 + Ubuntu 16.04.02 双系统安装+anaconda2+tensorflow+opencv3.2+caffe

电脑基本参数：Dell 台式机，cpui7,GPU 1080Ti,系统win10，SSD 512G HDD： 2T

目的：双系统，Win10 安装在固态硬盘；Ubuntu安装在机械硬盘；并在Ubuntu安装深度学习算法库

一、安装Ubuntu 16.04.02

1. 这里注意很多Dell电脑的硬盘模式为RAID需要修改为ACHI模式，才能安装Ubuntu系统，否则进入Ubuntu系统安装时会发现无法找到任何磁盘，所以首先解决问题是：

如何在不重装Win10的条件下，将SATA模式由RAID改为ACHI模式：

（首先确定你的电脑硬盘是否是RAID模式。如果是则需要进行以下操作点击打开链接，否则略过下面步骤）

2. 安装Ubuntu时会遇到黑屏问题，此时应重启在GRUB界面，首先将鼠标移动到try ubuntu或者install Ubuntu，然后点击e，找到quiet splash 在后面加入nomodeset，变成quiet splash nomodeset 这样可以解决黑屏问题，进入具体的Ubuntu安装步骤。

（很多台式机、笔记本有不同的问题，主要是显卡问题，例如我的上一个笔记本进行上面的修改就不好使，显示屏会一直闪，具体可以参考上一篇文章点击打开链接）

安装好Ubuntu后，重启进入GRUB，修改quiet splash为quiet splash nomodeset,更新grub文件。

二、安装好系统后，禁用系统默认的集成驱动，Ubuntu系统集成的显卡驱动程序是nouveau，它是第三方为NVIDIA开发的开源驱动，我们需要先将其屏蔽才能安装NVIDIA官方驱动。

将驱动添加到黑名单blacklist.conf中，但是由于该文件的属性不允许修改。所以需要先修改文件属性。

查看属性

$sudo ls -lh /etc/modprobe.d/blacklist.conf

修改属性

$sudo chmod 666 /etc/modprobe.d/blacklist.conf

用gedit打开

$sudo gedit /etc/modprobe.d/blacklist.conf

在该文件后添加以下几行：

blacklist vga16fb
blacklist nouveau
blacklist rivatv
blacklist rivafb
blacklist nvidiafb

三、安装nvidia显卡驱动

$sudo add-apt-repository ppa:graphics-drivers/ppa

$sudo apt-get update && sudo apt-get install nvidia-381

安装NVIDIA-381.22后电脑仍然时默认的375.66，重启后变为NVIDIA-381.22，但是执行

$ nvidia-settings

** Message: PRIME: No offloading required. Abort

** Message: PRIME: is it supported? no

怀疑是因为不支持prime，prime是软件选择独显还是集显，猜测不影响使用；但是我有强迫症，换了几个版本的显卡驱动仍然不好使，后来参考某些网友回答，做了以下几步：

（参考他人：手动安装，涉及到nvidia显卡的步骤不要用重启，用关机）;

1. 先卸载已经安装的nvidia驱动：sudo apt-get purge nvidia-*

2. 关机

3. ctrl+alt+F1 进入tty1控制台，关闭当前图形环境：sudo service lightdm stop

4. sudo sh nvidia版本号，我安装的试驱动最新版本384.47,里面选的都是yes

5. sudo dervice lightdm start

6. ctrl+alt+F7退出tty1控制台

7. 关机，开机后，输入nvidia-settings 没有错误了，但是如果需要prime功能，则要安装sudo apt install nvidia-prime（不需要不用装）

（P.S. 中间出现tty1中文乱码问题，安装了fbterm，并且建了video账户，但是执行sudo fbterm 出现错误stdin isn't a interactive tty!，按照一些人的说法下载了aptitude，然后执行 sudo aptitide install fbterm，并没有解决问题，后来发现可以先进入tty1中，关闭图形环境，再用fbterm就好使了，注意每次顺序是先进入控制台tty1--关闭图形环境--进入fbterm--退出fbterm--打开图形环境--退出tty1，现在发现貌似aptitude和fbterm暂时用不到，也不会用）

（最近我又换成381.22了，具体经历请参考点击打开链接，所以直接执行该部分前两句命令即可）

四、安装CUDA8.0

1. 去cuda官网下载cuda8.0 runfile文件

2. 在下载目录下执行sudo shcuda_8.0.61_375.26_linux.run

3. 接下来一定注意不选择安装cuda自带的显卡驱动，具体过程可以参考点击打开链接

4. 安装完毕后，再声明一下环境变量，并将其写入到 ~/.bashrc 的尾部:

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

测试：参考链接点击打开链接

五：安装Cudnn5.1

1. 下载Cudnn5.1

2. 进入下载目录

tar -zxf cudnn-8.0-linux-x64-v5.1.solitairetheme8

sudo cp ./cuda/include/cudnn.h /usr/local/cuda/include

sudo cp ./cuda/lib64/lib* /usr/local/cuda/lib64

#-------------下面这三步可以不做，每个人文件不同-----------------------------

sudo rm -rf libcudnn.so libcudnn.so.5

sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5

sudo ln -s libcudnn.so.5 libcudnn.so

#----------------------------------------------------------------------------------------

六、安装Theano

conda install theano

sudo gedit ~/.theanorc

在里面写入

[global]

floatX=float32

device=gpu

[cuda]

root=/usr/local/cuda-8.0

[nvcc]

fastmath = True

optimizer_including=cudnn //cudnn 加速

参数设置参考点击打开链接

七、安装Tensorflow

1. 首先新建一个conda环境，命名为tensorflow

conda create -n tensorflow python=2.7

安装新的包?-->y

然后激活该环境并在该环境下安装tensorflow

source activate tensorflow

pip install tensorflow-gpu

source deactivate

八、安装Open CV3.2

1. 下载opencv3.2: https://sourceforge.net/projects/opencvlibrary/?source=typ_redirect

2. unzip opencv-3.2.0.zip

如果没安装unzip的话，可以通过如下命令安装：

sudo apt-get install unzip

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

4. 在你的OpenCV目录下

mkdir build

cd build

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON -D BUILD_TIFF=ON -D WITH_OPENGL=ON ..

更具体的配置，如使用CUDA，请参考点击打开链接）
5. 然后执行

make -j8

sudo make install -j8

其中 -j8是8线程并行运算

6、测试是否安装成功

1 root@VB:# python
2 >>>import cv2  
3 >>>cv2.__version__
4 '3.2.0'

　　显示出版本号，则表示opencv安装成功。

《注意》：如果打开python后，import cv2时，提示：

1 >>> import cv2
2 Traceback (most recent call last):
3   File "<stdin>",line 1,in <module>
4 ImportError: No module named cv2

则需要安装python-opencv模块，在命令窗口中键入:pip install opencv-python

安装成功后，即可导入cv2，此时能够正确导入cv2，且正确显示版本号：

1 >>> import cv2
2 >>> cv2.__version__
3 '3.2.0'

九、安装caffe

1. 安装caffe依赖项：

sudo apt-get install libprotobuf-dev protobuf-compiler libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev
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

2. 配置环境变量

sudo gedit ~/.bashrc 在最后加入：

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

3.从github上获取caffe：

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

4. 进入caffe目录，并复制出所需的Makefile.config文件

sudo cp Makefile.config.example Makefile.config
5. 修改Makefile.config文件

sudo gedit Makefile.config

#USE_CUDNN := 1 修改成： USE_CUDNN := 1
#OPENCV_VERSION := 3 修改为： OPENCV_VERSION := 3

因为使用了 Anaconda2 所以注释掉原来的PYTHON_INCLUDE，使用ANACONDA的配置

# PYTHON_INCLUDE := /usr/include/python2.7 \
# /usr/lib/python2.7/dist-packages/numpy/core/include
# Anaconda Python distribution is quite popular. Include path:
# Verify anaconda location,sometimes it's in root.
ANACONDA_HOME := /home/XXX/anaconda2（这里是anaconda路径，XXX是你的用户名）

PYTHON_INCLUDE := $(ANACONDA_HOME)/include \
$(ANACONDA_HOME)/include/python2.7 \
$(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \
#PYTHON_LIB := /usr/lib
PYTHON_LIB := $(ANACONDA_HOME)/lib

#WITH_PYTHON_LAYER := 1
修改为
WITH_PYTHON_LAYER := 1

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

6. 然后修改makefile文件
415行

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

然后再大概181行的地方做修改
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
替换为
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5 opencv_core opencv_imgproc opencv_imgcodecs opencv_highgui

7. 编辑/usr/local/cuda/include/host_config.h （119行）

#error-- unsupported GNU version! gcc versions later than 5 are not supported!
改为
//#error-- unsupported GNU version! gcc versions later than 5 are not supported!
更改完文件，保存。

8. 编译caffe

mkdir build
cd build
cmake ..
sudo make all -j8
sudo make test -j8
sudo make runtest -j8

出现错误：

/lib/libstdc++.so.6: version `GLIBCXX_3.4.21' not found

解决办法：

conda install libgcc

出现错误：

No module named google.protobuf.internal

解决办法：

conda install protobuf

通过上述步骤应该就会成功了，caffe我在一个笔记本一个台式机安装，遇到的问题不同，具体问题具体可以解决就好。

如果编译caffe或者运行runtest出现很多错误，如XXX未定义的引用，或者Thisfilewasgeneratedbyanolderversionofprotocwhichis...主要可能是系统安装protobuf和Ubuntu安装的冲突或者他们是用不同版本的g++编译的，我的解决办法是卸载了anaconda中和系统中所有protobuf以及libproto*,手动安装protobuf，并对caffe重新编译，链接可以参考点击打开链接或者点击打开链接

原文链接：https://www.f2er.com/ubuntu/352419.html

Dell-1080Ti 深度学习Win 10 + Ubuntu 16.04.02 双系统安装+anaconda2+tensorflow+opencv3.2+caffe

猜你在找的Ubuntu相关文章