GTX1080+Cuda8.0+Cudnnv5+caffe+faster-rcnn

Ubuntu 前端之家
前端之家收集整理的这篇文章主要介绍了GTX1080+Cuda8.0+Cudnnv5+caffe+faster-rcnn，前端之家小编觉得挺不错的，现在分享给大家，也给大家做个参考。

之前在一个不支持Cuda的电脑上配置了faster-rcnn，走了很多弯路，不过最终demo还是运行出来了。因为cpu运行速度太慢，故在支持GPU的电脑上重新配置。

经过两天坚持不懈，终于在Ubuntu14.04系统上将faster-rcnn 成功配置。过程中踩过无数个坑，遇到很多错误，幸运的是这些错误都解决了，因此撰写该博客记录faster-rcnn的配置过程，以及对配置过程中遇到的错误提供解决办法，避免今后再配置caffe时又踩坑。

电脑配置

  • 系统：Ubuntu14.04
  • GPU:NVIDIA GTX1080

安装caffe过程 参考博客：http://blog.csdn.net/xuzhongxiong/article/details/52717285 和http://blog.csdn.net/u012177034/article/details/52102676

1.安装相关依赖项

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







2.安装NVIDIA驱动


（1）查询NVIDIA驱动



首先去官网(http://www.nvidia.com/Download/index.aspx?lang=en-us)查看适合自己显卡的驱动：

 

图1.显卡驱动查询 

例如本人电脑的显卡驱动如下图： 

 

图2.显卡驱动版本




（2）安装驱动


安装之前先卸载已经存在的驱动版本：


sudo apt-get remove --purge nvidia*



若电脑是集成显卡（NVIDIA独立显卡忽略此步骤），需要在安装之前禁止一项：


sudo service lightdm stop




 
 

  
  


 
 


执行以下指令安装驱动：


sudo add-apt-repository ppa:xorg-edgers/ppa 
sudo apt-get update 
sudo apt-get install nvidia-367 #注意在这里指定自己的驱动版本！





安装完成之后输入以下指令进行验证：


sudonvidia-smi


若列出了GPU的信息列表则表示驱动安装成功。



3.安装CUDA


CUDA是NVIDIA的编程语言平台，想使用GPU就必须要使用cuda。


（1）下载CUDA


首先在官网上(https://developer.nvidia.com/cuda-downloads)下载CUDA：

 

图3.CUDA下载


（2）安装CUDA


下载完成后执行以下命令：


sudo sh cuda_8.0.27_linux.run





注意：执行后会有一系列提示让你确认，但是注意，有个让你选择是否安装nvidia361驱动时，一定要选择否：


InstallNVIDIA AcceleratedGraphicsDriver for Linux-x86_64361.62?


因为前面我们已经安装了更加新的nvidia367，所以这里不要选择安装。其余的都直接默认或者选择是即可。 

可能出现的错误： 

当出现“unsupport complier”错误时，说明gcc版本太高，需要降低gcc版本。解决办法如下： 

以gcc4.9与g++4.9为例 

安装低版本gcc与g++：


apt-get install gcc-4.9g++-4.9


之后进入/usr/bin:



先删除和gcc5.0关联的gcc:
再建个软连接



   
   

    
    


   
   






（3）环境变量配置



打开~/.bashrc文件：



将以下内容写入到~/.bashrc尾部：







（4）测试CUDA的sammples





如果现实一些关于GPU的信息，则说明安装成功。






4.配置cuDNN
cuDNN是GPU加速计算深层神经网络的库。 首先去官网(https://developer.nvidia.com/rdp/cudnn-download)下载cuDNN,可能需要注册一个账号才能下载。由于本人的显卡是GTX1080，所以下载版本号如下图： 图4.cuDNN下载 下载cuDNN5.1之后进行解压，cd进入cuDNN5.1解压之后的include目录，在命令行进行如下操作：

再将cd进入lib64目录下的动态文件进行复制和链接：


5.安装opencv3.1
使用完上面的命令后，依赖已经安装完毕，但是由于Ubuntu 14.04版本的原因，导致opencv相关的环境不能够正常的work。所以，我重新编译了一个OpenCV，版本为3.1.0。
在解压后的目录中执行：

   
   

    
    
bigtop@bigtop-SdcOS-Hypervisor:~/tools/opencv-3.1.0$  cmake -DBUILD_TIFF=ON


    
    


    
    
然后执行make 和make install

以上是我亲自试过的。。
    
    


    
    
从官网(http://opencv.org/downloads.html)下载OpenCV,并将其解压到你要安装的位置，假设解压到了/home/opencv。
 


    
    安装前准备，创建编译文件夹：
    
    


    
    
    


    
    配置：
    
    
编译：
    
    
以上只是将opencv编译成功，还没将opencv安装，需要运行下面指令进行安装：
    
    


    
    
    

    
    

    
    可能会出现的错误：
    
    

    
    错误内容1：
    
    

    
    
    
说明gcc与g++版本不兼容，解决办法跟gcc版本太高时一样：
    
    
安装低版本gcc与g++：
    
    
之后进入/usr/bin:
    
    
先删除和gcc5.0关联的gcc:
    
    
再建个软连接
    
    
错误内容2：
    
    

    
    
    
    


    
    
这是因为opecv3.0与cuda8.0不兼容导致的。解决办法： 
 修改 ～/opencv/modules/cudalegacy/src/graphcuts.cpp文件内容，如图： 
  
 图5.文件修改


    
    


    
    
 6.配置caffe


    
    
 （1）将终端cd到要安装caffe的位置。
 （2）从github上获取caffe：
 
 注意：若没有安装Git，需要先安装Git：
 
 （3）因为make指令只能make Makefile.config文件，而Makefile.config.example是caffe给出的makefile例子，因此，首先将Makefile.config.example的内容复制到Makefile.config：
 
 （4）打开并修改配置文件：
 
 根据个人情况修改文件：
 a.若使用cudnn，则
 
 b.若使用的opencv版本是3的，则
 


    
    

    
    
c.若要使用Python来编写layer，则

    
    
 

    
    
1配置python layers

    
    


    
    
2安装几个依赖


    
    
     
     
    
      
      
  • 安装依赖库：
    $ sudo apt-getinstall python-numpypython-scipy-matplotlib-sklearn-skimage-h5py-protobuf-leveldb-networkx-nose-pandas-gflagsCython ipython
    install protobuf-c-compilerprotobuf-compiler
    • 
      
      
  • 编译：

    添加~/caffe/python到$PYTHONPATH：
    # 添加： export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH
    $source/etc/profile# 使之生效
    测试是否可以引用： cd caffe/python
    • 
      
      
    • 
     
     

    
    
    
    
在此过程中，可能会出现各种和python相关的包缺失问题，这里记录下，以便查询：

    
    
A》将caffe-fast-rcnn/python目录下的requirements下的依赖都装一遍：

    
    

    
    
 
     
 
       
     
 
     
bigtop@bigtop-SdcOS-Hypervisor:~/py-faster-rcnn/caffe-fast-rcnn/python$ cat requirements.txt 
Cython>=0.19.2
numpy>=1.7.1
scipy>=0.13.2
scikit-image>=0.9.3
matplotlib>=1.3.1
ipython>=3.0.0
h5py>=2.2.0
leveldb>=0.191
networkx>=1.8.1
nose>=1.3.0
pandas>=0.12.0
python-dateutil>=1.4,<2
protobuf>=2.5.0
python-gflags>=2.0
pyyaml>=3.10
Pillow>=2.3.0
six>=1.1.0
 
     
 
       
     
 
    

    
    
执行如下命令：

    
    
 
     
for req in $(cat requirements.txt); do pip install $req; done
 
    

    
    
这里有一个小技巧，因为pip这个工具对应的网络非常的烂：

    
    

    
    
这个时候，可以将其改为国内的镜像网站，速度将提升几个数量级，方法如下：

    
    
新建~/.pip/pip.confg文件，内容如下：

    
    
 
     
[global]
index-url = http://pypi.douban.com/simple
 
     
trusted-host = pypi.douban.com
 
    

    
    
或者在安装一个软件包的时候使用-i选项：

    
    

    
    
在我安装requirements.txt中涉及的依赖包的过程中，发现matplotlib始终没有安装成功，最后采用apt-get的方式进行了安装，如下：

    
    
 
     
sudo apt-get install python-matplotlib
 
    

    
    

    
    
将
#WITH_PYTHON_LAYER := 1 
修改为 
WITH_PYTHON_LAYER := 1

    
    

    
    
d.重要的一项:
将# Whatever else you find you need goes here.下面的

    
    
     
     
     
     

    
    
这是因为ubuntu14.04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.
（5）修改makefile文件
打开makefile文件，做如下修改：

    
    
      
      @H_301_563@1
      
      @H_301_563@2
      
      @H_301_563@3
      
      @H_301_563@4
     
     
     
     

    
    
（6）编辑/usr/local/cuda/include/host_config.h
将其中的第115行注释掉：

    
    
      
      @H_301_563@1
      
      @H_301_563@2
      
      @H_301_563@3
      
      @H_301_563@4
     
     

    
    
（7）编译

    
    
      
      @H_301_563@1
     
     
     
     

    
    
编译过程中可能会出现如下错误：
错误内容1：

    
    
      
      @H_301_563@1
     
     

    
    
解决办法：
step1:在Makefile.config文件的第85行，添加/usr/include/hdf5/serial/ 到 INCLUDE_DIRS，也就是把下面第一行代码改为第二行代码。

    
    
      
      @H_301_563@1
      
      @H_301_563@2
      
      @H_301_563@3
      
      @H_301_563@4
     
     

    
    
stept2:在Makefile文件的第173行，把 hdf5_hl 和hdf5修改为hdf5_serial_hl 和 hdf5_serial，也就是把下面第一行代码改为第二行代码。

    
    
      
      @H_301_563@1
      
      @H_301_563@2
      
      @H_301_563@3
      
      @H_301_563@4
     
     

    
    
错误内容2：

    
    
      
      @H_301_563@1
     
     

    
    
解决办法是将一些文件复制到/usr/local/lib文件夹下：

    
    
      
      @H_301_563@1
      
      @H_301_563@2
      
      @H_301_563@3
      
      @H_301_563@4
     
     
     
     

      
      
     
     

     
     

    
    
（8）测试

    
    

    
    

 
图6.caffe测试结果 
到此caffe配置完毕！

    
    
MNIST数据集测试

    
    
配置caffe完成后，我们可以利用MNIST数据集对caffe进行测试，过程如下： 
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

    
    
训练的时候可以看到损失与精度数值，如下图： 
 
图7.MNIST数据集训练 
可以看到最终训练精度是0.9914。

    
    

    
    


    
    
faster-rcnn提出论文： 《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》


    
    
faster-rcnn 的算法详解可看这篇博文（清晰易懂，良心博文！）：http://blog.csdn.net/shenxiaolu1984/article/details/51152614

    
    
faster-rcnn Python版本源码地址：https://github.com/rbgirshick/py-faster-rcnn

    
    
这篇文章主要介绍搭建用faster-rcnn进行目标检测所需的环境。参考博客地址：http://blog.csdn.net/u011070171/article/details/52399317

    
    
1.配置caffe所需的环境

    
    
 上面已经配置完caffe环境：依赖库 修改Ｍakeconfig，opencv3.1，python

    
    
    
    
2.下载faster-rcnn python版本源码

    
    
 
     
 
      
 
       
 
      
 
     
 
     
     
      
  1. gitclone--recursivehttps://github.com/rbgirshick/py-faster-rcnn.git
    2.  
     
 
    

    
    


    
    
3. 进入/py-faster-rcnn/lib 进行编译

    
    
 
     
 
      
 
       
 
      
 
     
 
     
     
      
  1. cdpy-faster-rcnn/lib
    2.  
      
  2. make
    3.  
     
 
    

    
    


    
    
4.编译/py-faster-rcnn/caffe-fast-rcnn

    
    
 
     
 
      
 
       
 
      
 
     
 
     
     
      
  1. cdpy-faster-rcnn/caffe-fast-rcnn
    2.  
     
 
    

    
    
 
     
 
      
 
       
 
      
 
     
 
     
     
      
  1. cpMakefile.config.exampleMakefile.config
    2.  
     
 
    

    
    
更改Makefile.config文件：

    
    
 
     
 
      
 
       
 
      
 
     
 
     
     
      
  1. #InyourMakefile.config,makesuretohavethislineuncommented
    2.  
      
  2. WITH_PYTHON_LAYER:=1
    3.  
      
  3. #Unrelatedly,it'salsorecommendedthatyouuseCUDNN
    4.  
      
  4. USE_CUDNN:=1
    5.  
     
 
    

    
    
进行编译：

    
    
 
     
 
      
 
       
 
      
 
     
 
     
     
      
  1. make-j8&&makepycaffe
    2.  
     
 
    

    
    
因为这个版本所用的cudnn为旧版本的，可能与新环境的cudnn不兼容，导致出现如下错误：

    
    
 
     
 
      
 
       
 
      
 
     
 
     
     
      
  1. Infileincludedfrom./include/caffe/util/cudnn.hpp:5:0,
    2.  
      
  2. from./include/caffe/util/device_alternate.hpp:40,
    3.  
      
  3. from./include/caffe/common.hpp:19,
    4.  
      
  4. from./include/caffe/util/db.hpp:6,
    5.  
      
  5. fromsrc/caffe/util/db.cpp:1:
    6.  
      
  6. /usr/local/cuda/include/cudnn.h:803:27:note:declaredhere
    7.  
      
  7. cudnnStatus_tCUDNNWINAPIcudnnSetPooling2dDescriptor(
    8.  
      
  8. ^
    9.  
      
  9. make:***[.build_release/src/caffe/util/db.o]Error1
    10.  
      
  10. make:***Waitingforunfinishedjobs....
    11.  
     
 
    

    
    
 

    
    
解决办法：

    
    
 1).将/py-faster-rcnn/caffe-fast-rcnn/include/caffe/util/cudnn.hpp 换成最新版的caffe里的cudnn的实现，即相应的cudnn.hpp.

    
    
 2).将/py-faster-rcnn/caffe-fast-rcnn/src/caffe/layer里的，所有以cudnn开头的文件，例如cudnn_lrn_layer.cu，cudnn_pooling_layer.cpp，cudnn_sigmoid_layer.cu。
 都替换成最新版的caffe里的相应的同名文件。
    
    
5.运行faster-rcnn里的demo

    
    
 
     
 
      
 
     
 
     
     
      
  1. cdpy-faster-rcnn/tools
    2.  
      
  2. ./tools/demo.py
    3.  
     
 
    

    
    


    
    
如果还有问题

    
    faster rcnn 代码默认是使用的cudnn v4,但是为了体验最新的v5,或者使用GTX1080,我们编译faster rcnn的时候就会报错：
    
    
 
     @H_301_1006@
       In file included from ./include/caffe/util/cudnn.hpp:5:0,
 
     @H_301_1006@
               from ./include/caffe/util/device_alternate.hpp:40, 
     @H_301_1006@
               from ./include/caffe/common.hpp:19, 
     @H_301_1006@
               from src/caffe/data_reader.cpp:6: 
      
     @H_301_1006@
       /usr/local/cuda/include/cudnn.h:799:27: note: declared here 
      
     @H_301_1006@ 
      
cudnnStatus_t CUDNNWINAPI cudnnSetPooling2dDescriptor(
 
      
    
    
    
 
     
 
      
    

    
    
为此提供2种解决方案：

    
    
 
     
（1）取自github @manipopopo
 
    

    
    
 
     @H_301_1006@ 
      
cd caffe-fast-rcnn Gitremote add caffe https://github.com/BVLC/caffe.git git fetch caffe git merge caffe/masterRemove self_.attr("phase") = static_cast<int>(this->phase_); from include/caffe/layers/python_layer.hpp after merging.
 
     
 
    
    
    
 
     （2）手动修改文件，参考了卜居大神的博客http://blog.csdn.net/kkk584520/article/details/51163564 
     
方案1简单方便，但是当我们编译的是其他人修改过得源码，可能就会出错。方案2 步骤如下：
 
      
    

    
    
 
     @H_301_1006@ 
      
1. 用最新caffe源码的以下文件替换掉faster rcnn 的对应文件
 
     
 
    
    
    
 
     @H_301_1006@ 
      @H_301_1006@ 
        
       
include/caffe/layers/cudnn_relu_layer.hpp,src/caffe/layers/cudnn_relu_layer.cpp,src/caffe/layers/cudnn_relu_layer.cu
 
      
 
      
     @H_301_1006@ 
      @H_301_1006@ 
        
       
include/caffe/layers/cudnn_sigmoid_layer.hpp,src/caffe/layers/cudnn_sigmoid_layer.cpp,src/caffe/layers/cudnn_sigmoid_layer.cu
 
       
      
     @H_301_1006@ 
      @H_301_1006@ 
        
       
include/caffe/layers/cudnn_tanh_layer.hpp,src/caffe/layers/cudnn_tanh_layer.cpp,src/caffe/layers/cudnn_tanh_layer.cu
 
       
      
    
    
    
 
     @H_301_1006@ 
      
2. 用caffe源码中的这个文件替换掉faster rcnn 对应文件
 
     
 
    
    
    
 
     @H_301_1006@ 
      @H_301_1006@ 
       
include/caffe/util/cudnn.hpp
 
      
 
      
    
    
    
 
     @H_301_1006@ 
       
      
3. 将 faster rcnn 中的src/caffe/layers/cudnn_conv_layer.cu 文件中的所有
 
     
 
    
    
    
 
     @H_301_1006@ 
      @H_301_1006@ 
       
cudnnConvolutionBackwardData_v3 函数名替换为cudnnConvolutionBackwardData
 
       
cudnnConvolutionBackwardFilter_v3函数名替换为cudnnConvolutionBackwardFilter
 
        
       
问题二：opencv环境和caffe-fast-rcnn默认的Makefile配置有点小问题，cv::imread(cv:: String const&,int)找不到：
 
       
 
       
解决方案：
 
       
 
       
 
        
       
在一切都正常的情况下，对caffe-fast-rcnn进行make和make pycaffe的结果如下：
 
       
 
       
编译好caffe-fast-rcnn后，在py-faster-rcnn/lib中执行make命令：
 
       
 
        
 
          
        
 
        
bigtop@bigtop-SdcOS-Hypervisor:~/py-faster-rcnn/lib$ make
python setup.py build_ext --inplace
running build_ext
skipping 'utils/bBox.c' Cython extension (up-to-date)
skipping 'nms/cpu_nms.c' Cython extension (up-to-date)
skipping 'pycocotools/_mask.c' Cython extension (up-to-date)
rm -rf build
bigtop@bigtop-SdcOS-Hypervisor:~/py-faster-rcnn/lib$
 
        
 
          
        
 
       
 
       问题三： 
       
No module named skimage.io:
 
       
问题四： 
       
下面这个问题是因为缺少，easydict,使用 sudo pip install easydict可以解决：
 
       
 
        
 
          
        
 
        
bigtop@bigtop-SdcOS-Hypervisor:~/py-faster-rcnn/tools$ python demo.py  --cpu
Traceback (most recent call last):
  File "demo.py",line 17,in <module>
    from fast_rcnn.config import cfg
  File "/home/bigtop/py-faster-rcnn/tools/../lib/fast_rcnn/config.py",line 23,in <module>
    from easydict import EasyDict as edict
ImportError: No module named easydict
bigtop@bigtop-SdcOS-Hypervisor:~/py-faster-rcnn/tools$ sudo pip install  easydict
Downloading/unpacking easydict
  Downloading easydict-1.6.zip
  Running setup.py (path:/tmp/pip_build_root/easydict/setup.py) egg_info for package easydict

Installing collected packages: easydict
  Running setup.py install for easydict

  Could not find .egg-info directory in install record for easydict
Successfully installed easydict
Cleaning up...

sudo pip install  easydict
 
        
 
          
        
 
       
问题五： 
       
这个问题是因为scipy安装出现问题，将其删掉：rm -fr /tmp/pip_build_root/scipy/，然后重新安装可以解决：
 
       
 
        
 
          
        
 
        
d --compile Failed with error code 1 in /tmp/pip_build_root/scipy
Traceback (most recent call last):
  File "/usr/bin/pip",line 9,in <module>
    load_entry_point('pip==1.5.4','console_scripts','pip')()
  File "/usr/lib/python2.7/dist-packages/pip/__init__.py",line 235,in main
    return command.main(cmd_args)
  File "/usr/lib/python2.7/dist-packages/pip/basecommand.py",line 161,in main
    text = '\n'.join(complete_log)
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe2 in position 98: ordinal not in range(128)
 
       
问题六： 
       
报下面这个错误，是因为caffe的环境都没有准备好，很有可能是没有执行make pycaffe:
 
       
 
        
 
          
        
 
        
Traceback (most recent call last):
  File "detector.py",line 29,in <module>
    import caffe
  File "/python/caffe/__init__.py",line 1,in <module>
    from .pycaffe import Net
  File "/caffe/pycaffe.py",line 6,in <module>
    from ._caffe import CaffeNet
ImportError: No module named _caffe
 
       
问题七： 
       
error: undefined reference to `TIFFIsTiled@LIBTIFF_4.0'
 
       
 
        
error: undefined reference to `TIFFIsTiled@LIBTIFF_4.0'
 
       
 
       
这个就是上文中提到的，使用ubuntu自带的opencv库会出现的问题，解决办法就是重新编译opencv。
问题八： 
       
ImportError:Nomodulenamedyaml
 
        
        
       
problem: I got the "ImportError: No module named yaml " error when I attemptedto install NLTK toolkit to my ubuntu system.
 
       
solution:
 
       
yaml library for python seems to not be installed on your system.
 
       
On ubuntu system just do a :
 
       
sudo apt-get install python-yaml
 
       
On windows
 
       
easy_installpython-yaml
 
       
easy_install rosinstall
  
      
 
      
    
    
   
   


            
cd/usr/binsudorm
 gcc

sudorm g++sudoln-sgcc-4.9gcc

sudoln-sg++-4.9g++sudovim ~/.bashrcexportPATH=/usr/local/cuda-8.0/bin${</span><span class="hljs-constant">PATH</span><span class="hljs-symbol">:+</span><span class="hljs-symbol">:</span><span class="hljs-variable">${PATH}}
 exportLD_LIBRARY_PATH=/cuda8.0/lib64${</span><span class="hljs-constant">LD_LIBRARY_PATH</span><span class="hljs-symbol">:+</span><span class="hljs-symbol">:</span><span class="hljs-variable">${LD_LIBRARY_PATH}}cd/usr/local/cuda-8.0/samples/1_Utilities/deviceQuerymakesudo ./deviceQuerysudo cp cudnn.h /usr/local/cuda/include/#复制头文件sudocp
 lib* /usr/local/cuda/lib64/#复制动态链接库

cd/usr/local/cuda/lib64/sudorm -rf libcudnn.so libcudnn.so.5#删除原有动态文件

sudoln-slibcudnn.so.5.0.5libcudnn.so.#生成软衔接

5libcudnn.so#生成软链接cd~/opencv
 mkdir build
 cdbuildcmake -DCMAKE_BUILD_TYPE=Release-DCMAKE_INSTALL_PREFIX=/usr/local ..make-j8 #-j8表示并行计算，根据自己电脑的配置进行设置，配置比较低的电脑可以将数字改小或不使用，直接输make。sudomake installgcc-4.9:errortryingtoexec'cc1plus': execvp:
没有那个文件或目录sudoapt-get install gcc-4.9g++-4.9cd/usr/binsudorm gcc
sudorm g++sudoln-sgcc-4.9gcc
sudoln-sg++-4.9g++modules/cudalegacy/src/graphcuts.cpp:120:54:error:
‘NppiGraphcutState’ hasnotbeen declared
typedef NppStatus (*init_func_t)(NppiSize oSize,
NppiGraphcutState** ppState,Npp8u* pDeviceMem);gitclonehttps://github.com/BVLC/caffe.gitsudoapt-get install gitsudocpMakefile.config.exampleMakefile.configsudogedit Makefile.config#打开Makefile.config文件将
 #USE_CUDNN := 1
 修改成：
 USE_CUDNN :=1将
 #OPENCV_VERSION := 3
 修改为：
 OPENCV_VERSION :=3#In your Makefile.config,make sure to have this line uncommented
WITH_PYTHON_LAYER := 1
# Unrelatedly,it's also recommended that you use CUDNN
USE_CUDNN := 1cython,python-opencv,easydictsudo apt-get install python-opencv
sudo pip install cython easydict$cd ~/caffe
$make pycaffe$sudogedit /etc/profile$ python
Python2.7.6(default,Jun222015,17:58:13)
[GCC4.8.2] on linux2
Type"help","copyright",0)">"credits"or"license"formore information.
>>>importcaffe
>>>INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib 
修改为： 
INCLUDE_DIRS local/include /usr/include/hdf5/serial
LIBRARY_DIRS local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial将：
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)将
#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
改为
//#-- unsupported GNU version! gcc versions later than 4.9 are not supported!make all -j8 #-j根据自己电脑配置决定"fatal error: hdf5.h: 没有那个文件或目录"将：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
替换为：
INCLUDE_DIRS include /usr/include/hdf5/serial/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"libcudart.so.8.0 cannot open shared object file: No such file or directory"#注意自己CUDA的版本号！
sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.0 && sudo ldconfig
sudo 8.0/lib64/libcublas.0 /usr/local/lib/libcublas8.0/lib64/libcurand.0 /usr/local/lib/libcurand.0 && sudo ldconfigsudo make runtest

      

      
                 
              

            

          

          
          
          

            

              




            

          


          

            

              

                  
    
猜你在找的Ubuntu相关文章



                                    
学linux,从Ubuntu开始

                                
1.安装过程出现0x00000000指令引用的0x00000000内存该内存不能为written 如果你安装的是in...

                                
                                
                            



                                    
ubuntu16.04获取root权限并用root用户登录

                                
写在全面：如果根据以下教程涉及到只读文件需要更改文件权限才能需修改文件内容，参考我的...

                                
                                
                            



                                    
ubuntu18.04获取root权限并用root用户登录

                                
写在前面：以下步骤中需要在终端输入命令，电脑端查看博客的朋友可以直接复制粘贴到终端，...

                                
                                
                            



                                    
ubuntu16.04和18.04更换国内源

                                
ubuntu16.04和18.04更换国内源 写在前面：安装好ubuntu双系统后，默认的软件更新源是国外的...

                                
                                
                            



                                    
ubuntu双系统启动时卡死解决办法

                                
ubuntu双系统启动时卡死解决办法（在ubuntu16.04和18.04测试无误） 问题描述： 在安装完ub...

                                
                                
                            







                                    
Ubuntu安装ssh

                                

                                
                                
                            



                                    
Ubuntu报“xxx is not in the sudoers file.This incident will be reported” 错误解决方法

                                

                                
                                
                            



                                    
ubuntu-make | Ubuntu Linux一键安装开发环境

                                
-- 作者 谢恩铭 转载请注明出处 内容简介 什么是ubuntu-make 安装最新版ubuntu-make 用ubu...

                                
                                
                            



                                    
Ubuntu 17.04（Zesty Zapus）正式发布，可以下载使用了

                                
今天，2017 年 4 月 13 日，Canonical 官方发布了 Ubuntu 17.04（Zesty Zapus）的最终版。...

                                
                                
                            



                                    
Ubuntu 为钱而放弃 Unity ？ Linux 社区的反应

                                
（点击上方公众号，可快速关注） 编译：伯乐在线/黄小非 如有好文章投稿，请点击 → 这里...

                                
                                
                            







            

          

        

        
        
        
        

          
          

            

              

                
                
LinuxWindowsCentOSUbuntuNginxWebServiceScalaMemcacheApacheRedisDockerBashAzureTomcatLNMPShell数据结构服务器运维网络安全

                

              

            

          

          
         
          

            

              
 



              

            

          

          
          
          
          

            

              

                
                
              

            

          

          


          
          

            

              

                
                
xebugnodemondocker-copydcoselasticsearcwindows-contdocker-windodocker-awsamazon-cloudenvoyproxyhashicorp-vaswisscomdevkafka-pythonzscalerphoton-osdocker-swarmkamongoogle-cloudconcoursewso2-ampersistent-vapi-managerprocess-manamanjarojenkins-workhypriotremoteapikeystonejsbitcoindbitcoin-test