Ubuntu16.04+cuda9.0+matlab+opencv3.3+caffe服务器配置(附遇到的错误和解决方法)

1.具体安装前需要的依赖包:

ubuntu dependency:

sudo apt-get install --assume-yes libopencv-dev build-essential cmake git libgtk2.0-dev pkg-config python-dev python-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev libtbb-dev libqt4-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip

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 libblas-dev

sudo apt install libatlas-base-dev

opencv dependency:

sudo apt-get install build-essential cmake git

sudo apt-get install ffmpeg libopencv-dev libgtk-3-dev python-numpy python3-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libv4l-dev libtbb-dev qtbase5-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip

2. 安装Nvidia 显卡驱动:

安装文件:NVIDIA-Linux-x86_64-384.98.run (与Titan Xp 显卡配套)

命令: sudo sh NVIDIA-Linux-x86_64-384.98.run

检验方法:nvidia-smi 出现显卡信息

3. 安装Cuda 9.0:

安装deb文:cuda-repo-ubuntu1604-9-0-local-rc_9.0.103-1_amd64.deb(与Nvidia驱动配套)

命令: sudo dpkg -i cuda-repo-ubuntu1604-9-0-local-rc_9.0.103-1_amd64.deb

sudo apt-key add /var/cuda.../7fa2af80.pub

sudo apt-get update

sudo apt-get install cuda

声明环境变量:

sudo gedit ~/.bashrc

添加: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 }}

检验方法:

cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery

make

sudo ./deviceQuery 出现GPU信息

4.安装cuDNN:

安装文件:cuDNN v7.0.5

命令:进入include

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

进入lib64

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

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 #生成软链接(注意这里要和自己下载的cudnn版本对应,可以在/usr/local/cuda/lib64下查看自己libcudnn的版本)

sudo ln -s libcudnn.so.7 libcudnn.so

5.安装opencv:

安装文件:opencv 3.3.0

为解决与cuda9.0不兼容的问题,用以下方法解决:

问题:CMake Error: The following variables are used in this project, but they are set to NOTFOUND.

Please set them or make sure they are set and tested correctly in the CMake files:

CUDA_nppi_LIBRARY (ADVANCED)

linked by target "opencv_cudev" in directory D:/Cproject/opencv/opencv/sources/modules/cudev

...

解决方案:http://blog.csdn.net/u014613745/article/details/78310916

1).找到FindCUDA.cmake文件

找到行

find_cuda_helper_libs(nppi)

改为

find_cuda_helper_libs(nppial)

find_cuda_helper_libs(nppicc)

find_cuda_helper_libs(nppicom)

find_cuda_helper_libs(nppidei)

find_cuda_helper_libs(nppif)

find_cuda_helper_libs(nppig)

find_cuda_helper_libs(nppim)

find_cuda_helper_libs(nppist)

find_cuda_helper_libs(nppisu)

find_cuda_helper_libs(nppitc)

2).找到行

set(CUDA_npp_LIBRARY "\({CUDA_nppc_LIBRARY};\){CUDA_nppi_LIBRARY};\({CUDA_npps_LIBRARY}") 改为 set(CUDA_npp_LIBRARY "\){CUDA_nppc_LIBRARY};\({CUDA_nppial_LIBRARY};\){CUDA_nppicc_LIBRARY};\({CUDA_nppicom_LIBRARY};\){CUDA_nppidei_LIBRARY};\({CUDA_nppif_LIBRARY};\){CUDA_nppig_LIBRARY};\({CUDA_nppim_LIBRARY};\){CUDA_nppist_LIBRARY};\({CUDA_nppisu_LIBRARY};\){CUDA_nppitc_LIBRARY};${CUDA_npps_LIBRARY}")

3).找到行

unset(CUDA_nppi_LIBRARY CACHE)

改为

unset(CUDA_nppial_LIBRARY CACHE)

unset(CUDA_nppicc_LIBRARY CACHE)

unset(CUDA_nppicom_LIBRARY CACHE)

unset(CUDA_nppidei_LIBRARY CACHE)

unset(CUDA_nppif_LIBRARY CACHE)

unset(CUDA_nppig_LIBRARY CACHE)

unset(CUDA_nppim_LIBRARY CACHE)

unset(CUDA_nppist_LIBRARY CACHE)

unset(CUDA_nppisu_LIBRARY CACHE)

unset(CUDA_nppitc_LIBRARY CACHE)

4).找到文件OpenCVDetectCUDA.cmake

修改以下几行

...

set(__cuda_arch_ptx "")

if(CUDA_GENERATION STREQUAL "Fermi")

set(__cuda_arch_bin "2.0")

elseif(CUDA_GENERATION STREQUAL "Kepler")

set(__cuda_arch_bin "3.0 3.5 3.7")

...

改为

...

set(__cuda_arch_ptx "")

if(CUDA_GENERATION STREQUAL "Kepler")

set(__cuda_arch_bin "3.0 3.5 3.7")

elseif(CUDA_GENERATION STREQUAL "Maxwell")

set(__cuda_arch_bin "5.0 5.2")

...

问题:ippicv下载不下来,无法继续编译

解决方法:把ippicv_2017u2_lnx_intel64_20170418.tgz在github上的opencv 3rdparty中下载下来;查看/3rdparty/ippicv/ippicv.cmake文件,将下载下来的.tagz文件重新命名成“对应的hash码-ippicv_linux_20170418.tgz”; 将重命名的文件保存至opencv3.3.0/.cache/ippicv下。

问题:

5).cuda9中有一个单独的halffloat(cuda_fp16.h)头文件,也应该被包括在opencv的目录里,将头文件cuda_fp16.h添加至 opencv\modules\cudev\include\opencv2\cudev\common.hpp,即在common.hpp中添加

include

随后进入opencv,进行编译:

mkdir build

cd build

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D CUDA_GENERATION=Kepler ..

sudo make

sudo make install

测试;

6. matlab安装:

安装文件:R2016a.iso文件

mkdir ~/matlab_iso

sudo mount -o loop R2016a_glnxa64.iso ~/matlab_iso

cd ~/matlab_iso

sudo ./install

不使用Internet激活,秘钥:09806-07443-53955-64350-21751-41297

安装路径:/usr/local/MATLAB/R2016a

安装完成后将libmwservices.so复制到/usr/local/MATLAB/R2014a/bin/glnxa64中:

sudo cp libmwservices.so /usr/local/MATLAB/R2016a/bin/glnxa64/libmwservices.so

7.多gpu编程,安装nccl

git clone https://github.com/NVIDIA/nccl.git

cd nccl

sudo make install -j4

8. 安装caffe

安装文件:github下载caffe-master

命令:

cd caffe-master

sudo cp Makefile.config.example Makefile.config

sudo gedit Makefile.config

(1)修改Makefile.config文件

若使用cudnn,则将# USE_CUDNN := 1 修改成: USE_CUDNN := 1

若使用的opencv版本是3的,则将# OPENCV_VERSION := 3 修改为: OPENCV_VERSION := 3

若要使用python来编写layer,则需要将# WITH_PYTHON_LAYER := 1 修改为 WITH_PYTHON_LAYER := 1

取消对行 USE_NCCL := 1 的注释。这可以启用在多个 GPU 上运行 Caffe 所需的 NCCL。

将# Whatever else you find you need goes here.下面的 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 //这是因为ubuntu16.04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

删除MakeFile.config 中关于compute_20 compute_21的内容来兼容CUDA>=9.0

若使用MATLAB接口的话,则要MATLAB_DIR换成你自己的MATLAB安装路径

MATLAB_DIR := /usr/local

MATLAB_DIR := /usr/local/MATLAB/R2016a

(2)打开makefile文件



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

最后:

sudo make all -j8

sudo make test

sudo make runtest

sudo make pycaffe

sudo make matcaffe

出现问题:NVCC src/caffe/test/test_im2col_kernel.cu

nvcc fatal:Unsupported gpu architecture 'compute_20'

解决方案:删除MakeFile.config 中关于compute_20 compute_21的内容来兼容CUDA>=9.0

注意:安装caffe前,确认/usr/local/cuda-9.0 下有bin目录

9.安装ssh远程服务

sudo apt-get install openssh-server

打开"终端窗口",输入"sudo ps -e |grep ssh"-->回车-->有sshd,说明ssh服务已经启动,如果没有启动,输入"sudo service ssh start"-->回车-->ssh服务就会启动

打开"终端窗口",输入"sudo gedit /etc/ssh/sshd_config"-->回车-->把配置文件中的"PermitRootLogin without-password"加一个"#"号,把它注释掉-->再增加一句"PermitRootLogin yes"-->保存,修改成功。

注:蓝色字体为命令行命令

Ubuntu16.04+cuda9.0+matlab+opencv3.3+caffe服务器配置(问题汇总)的更多相关文章

  1. Ubuntu16.04 + cuda9.0 +cudnn7.1(转载)

    转载一个详细可用的ubuntu16.04+cuda9.0+cudnn7.1教程. 0 - 参考材料 https://blog.csdn.net/Umi_you/article/details/8026 ...

  2. y7000笔记本 darknet-yolo安装与测试(Ubuntu16.04+Cuda9.0+Cudnn7.1)

    https://zhuanlan.zhihu.com/p/41096599 1.先查看是否安装有以下组件,若有先考虑彻底删除再安装(安装严格按照下面顺序进行) 查看nvidia 版本 nvidia-s ...

  3. Ubuntu16.04 + CUDA9.0 + cuDNN7.3 + Tensorflow-gpu-1.12 + Jupyter Notebook 深度学习环境配置

    目录 一.Ubuntu16.04 LTS系统的安装 二.设置软件源的国内镜像 1. 设置方法 2.关于ubuntu镜像的小知识 三.Nvidia显卡驱动的安装 1. 首先查看显卡型号和推荐的显卡驱动 ...

  4. Ubuntu16.04 + cuda9.0 + cudnn7.1.4 + tensorflow安装

    安装前的准备 UEFI 启动GPT分区 Win10和Ubuntu16.04双系统安装 ubuntu16.04 NVIDIA 驱动安装 ubuntu16.04 NVIDIA CUDA8.0 以及cuDN ...

  5. Ubuntu16.04+cuda9.0安装教程

    1.安装NVIDIA驱动 首先去官网(http://www.nvidia.cn/Download/index.aspx?lang=cn)查找适配自己电脑GPU的驱动,我的电脑驱动版本如下: 执行如下语 ...

  6. ubuntu tensorflow install(Ubuntu16.04+CUDA9.0+cuDNN7.5+Python3.6+TensorFlow1.5)

    在网上找了很多案例,踩了许多坑,感觉比较全面的是下面介绍的 http://www.cnblogs.com/xuliangxing/p/7575586.html 先说说我的步骤: 首先安装了Anacod ...

  7. ubuntu16.04 + cuda9.0(deb版)+Cudnn7.1

    https://blog.csdn.net/Umi_you/article/details/80268983

  8. Ubuntu16.04+Cuda8.0+1080ti+caffe+免OpenCV3.2.0+faster-rCNN教程

    一.事先声明:1.Ubuntu版本:Ubuntu使用的是16.04.而不是16.04.1或16.04.2,这三个是有区别的.笔者曾有过这样的经历,Git上一个SLAM地图构建程序在Ubuntu14.0 ...

  9. ubuntu18.04+ cuda9.0+opencv3.1+caffe-ssd安装

    详细Ubuntu18.04,CUDA9.0,OpenCV3.1,Tensorflow完全配置指南 问题1:使用Cmake编译opencv源码 CMake Error: The following va ...

随机推荐

  1. useradd和adduser

    1.Ubuntu中,adduser是一个脚本,而useradd是一个二进制程序,前者对后者进行了封装,更加智能. 2.Centos中,adduser和useradd完全相同,adduser是一个符号链 ...

  2. nodejs cluster模块初探

    大家都知道nodejs是一个单进程单线程的服务器引擎,不管有多么的强大硬件,只能利用到单个CPU进行计算.所以,为了使用多核cpu来提高性能 就有了cluster,让node可以利用多核CPU实现并行 ...

  3. 覆盖equals()时总要覆盖hashCode()

    覆写如下: public class User{ private Integer id; private String userName; private String passWord; publi ...

  4. JavaScript 基本语法 -- 数据类型 & 变量

    JavaScript都有哪些数据类型呢? 在JavaScript里面,数据类型分为两类:原始类型(primitive type)和对象类型(object type) 1. 原始类型(我的理解,不可分割 ...

  5. zalenium 应用

    zalenium是一个Selenium Grid扩展,用Docker容器动态扩展你的本地网格.它使用docker-selenium在本地运行Firefox和Chrome中的测试,如果需要不同的浏览器, ...

  6. CentOS7安装WDCP3

    CentOS7安装WDCP3.2面板教程 到此WDCP安装完毕

  7. CF 208E. Blood Cousins [dsu on tree 倍增]

    题意:给出一个森林,求和一个点有相同k级祖先的点有多少 倍增求父亲然后和上题一样还不用哈希了... #include <iostream> #include <cstdio> ...

  8. HTML标签的命名/CSS标准化命名大全

    在一个内容较多的HTML页面中,需要设计许多不同的框架,再为这些不同的框架及内容进行分类,给予相应的名称,从而使得网页结构更加清晰,也为工作提供了方便.许多新手朋友在设计一个HTML文件时,可能只会依 ...

  9. Win10无法使用小娜搜索本地应用问题的解决方案

    小娜介绍 win10的Cortana小娜是一个功能非常强大的语音和搜索助手,用户可以通过小娜助手搜索任意的文件和应用软件,不过有用户发现win10的小娜搜索不到已安装的本地软件,那么win10小娜助手 ...

  10. u-boot核心初始化

    异常向量表:异常:因为内部或者外部的一些事件,导致处理器停下正在处理的工作,转而去处理这些发生的事件.ARM Architecture Reference Manual p54页.7种异常的类型:Re ...