caffe opencv ubuntu(opencv cuda加速)

大家好，caffe opencv ubuntu相信很多的网友都不是很明白，包括opencv cuda加速也是一样，不过没有关系，接下来就来为大家分享关于caffe opencv ubuntu和opencv cuda加速的一些知识点，大家可以关注收藏，免得下次来找不到哦，下面我们开始吧！

Ubuntu16.04无法安装CUDA吗

Ubuntu 16.04安装 CUDA7.5

作者：autocyz

在介绍Ubuntu 16.04安装 CUDA7.5开始前，先辨析几个概念GPU、NVIDIA、NVIDIA驱动、CUDA、cudnn等，这些概念对于一个新手来说肯定是很晕的，正如我当初一样，所以我这里就稍微介绍一下这几个概念：

GPU:Graphics Processing Units，也就是我们常说的显卡。现在的笔记本或者台式机都会有显卡，但是能够让我们用来做并行计算的真正的GPU就只有NVIDIA出产的GPU了。

NVIDIA：GPU生产厂商，在运算GPU处于垄断地位。

NVIDIA驱动：就是NVIDIA生产的GPU想在电脑上正常使用所需的驱动。

CUDA：Compute Unified Device Architecture，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并-行计算架构，该架构使GPU能够解决复杂的计算问题。我们想使用GPU进行深度学习运算的时候，必须要用到这个运算平台。

cudnn:CuDNN是NVIDIA专门针对Deep Learning框架设计的一套GPU计算加速方案，目前支持的DL库包括Caffe，ConvNet, Torch7等.

Ubuntu 16.04安装cuda7.5

部分参照：

在安装之前，先说一下本人工作站的设备配置（主要是GPU的）：

设备上一共有三块GPU，一快是专门用来做显示的NVS310

两块用来做运算的GeForce GTX TITIAN X

第一步：选择最新的nvidia驱动（很重要！！！）

先打开计算机中的“软件和更新”，查看“附加驱动”，选择nvidia的驱动为最新的驱动。更新完之后最好重启一下。

我曾经遇到一些错误，就是因为我的NVIDIA驱动太老了，而cuda7.5则依赖于比较新的驱动。

第二步：下载cuda

去官网下载，选择Linux——ubuntu——15.04（我安装的时候还只支持到15.04，没有支持16.04版本的）——runfile(local)

第三步：安装PPA软件管理包工具

什么是 PPA？

PPA，表示 Personal Package Archives，也就是个人软件包集。

有很多软件因为种种原因，不能进入官方的 Ubuntu软件仓库。为了方便 Ubuntu用户使用，launchpad.NET提供了 ppa，允许用户建立自己的软件仓库，自由的上传软件。PPA也被用来对一些打算进入 Ubuntu官方仓库的软件，或者某些软件的新版本进行测试。PPA上的软件极其丰富，如果 Ubuntu官方仓库中缺少您需要的某款软件，可以去 PPA上找找看。

我们安装的cuda可能在Ubuntu仓库中木有，所以用PPA来下载。

sudo add-apt-repository ppa:xorg-edgers/ppa

sudo apt-get update

第四步：执行cuda的.run文件

cd到下载的.run文件夹执行：

sudo./cuda_7.5.18_linux.run--override

第五步：选择安装选项

选择安装选项：（注意：应为之前已经安装过NVIDIA Display Driver的驱动了（如第一步），所以这里选择不安装NVIDIA Accelerated Graphics Driver for Linux-x86_64 352.39。如果选择安装会出现错误，并且导致安装CUDA失败。

Do you accept the previously read EULA?(accept/decline/quit): accept

You are attempting to install on an unsupported configuration. Do you wish to continue?((y)es/(n)o) [ default is no ]: y

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 352.39?((y)es/(n)o/(q)uit): n

Install the CUDA 7.5 Toolkit?((y)es/(n)o/(q)uit): y

Enter Toolkit Location [ default is/usr/local/cuda-7.5 ]:

Do you want to install a symbolic link at/usr/local/cuda?((y)es/(n)o/(q)uit): y

Install the CUDA 7.5 Samples?((y)es/(n)o/(q)uit): y

Enter CUDA Samples Location [ default is/home/kinghorn ]:/usr/local/cuda-7.5

Installing the CUDA Toolkit in/usr/local/cuda-7.5...

Finished copying samples.

===========

= Summary=

===========

Driver: Not Selected

Toolkit: Installed in/usr/local/cuda-7.5

Samples: Installed in/usr/local/cuda-7.5

第六步：添加cuda到环境变量里面

sudo nano/etc/profile.d/cuda.sh

export PATH=$PATH:/usr/local/cuda/bin

sudo nano/etc/ld.so.conf.d/cuda.conf

/usr/local/cuda/lib64

source/etc/ld.so.conf.d/cuda.confcd/usr/local/cuda-7.5/samples/1_Utilities/deviceQuery

make

sudo./deviceQuery

sudo ldconfig

第七步：将GCC降级或者采用暴力的方式让cuda7.5支持高版本GCC。

由于cuda7.5不支持gcc4.9以上的版本，而ubuntu16.04默认的是gcc5，这会造成安装的失败，解决方法有两种，

1、对gcc进行降级，让系统采用低版本的GCC，但是这种方式有一定的问题，因为Ubuntu16.04很多系统文件默认是使用gcc5编译的，因此如果用降级的方法安装完cuda后，在后期安装caffe的时候，可能会报类似于undefined的错误，这是因为你的gcc版本低，其所需的系统文件找不到。.

sudo apt-get install g++-4.9

sudo update-alternatives--install/usr/bin/gcc gcc/usr/bin/gcc-4.9 20

sudo update-alternatives--install/usr/bin/gcc gcc/usr/bin/gcc-5 10

sudo update-alternatives--install/usr/bin/g++ g++/usr/bin/g++-4.9 20

sudo update-alternatives--install/usr/bin/g++ g++/usr/bin/g++-5 10

sudo update-alternatives--install/usr/bin/cc cc/usr/bin/gcc 30

sudo update-alternatives--set cc/usr/bin/gcc

sudo update-alternatives--install/usr/bin/c++ c++/usr/bin/g++ 30

sudo update-alternatives--set c++/usr/bin/g++

2、这种方式有点类似于黑箱方式，即强制让他不报错。编辑/usr/local/cuda/include/host_config.h，将其中的第115行注释掉：

将

#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!

改为

//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!

上面就是设置gcc版本优先级的。20和10就代表你所使用的gcc、g++的版本优先级。

第八步：测试是否安装成功

执行如下指令，正常情况下会出现设备中所有的GPU，并把每个GPU的信息打印出来。

nvidia-smi

如果没有出现错误之类的话，就说明安装成功了。

第九步：测试cuda的Samples

cd/usr/local/cuda-7.5/samples/1_Utilities/deviceQuery

make

sudo./deviceQuery

如果显示的是一些关于GPU的信息，则说明安装成功了。

Ubuntu 14.04安装配置CUDA

Ubuntu 12.04配置NVIDIA CUDA5.5实录

Ubuntu安装Theano+CUDA

关于Ubuntu 12.04下 CUDA5.5的安装请参看如下链接 Ubuntu 12.04安装 CUDA-5.5

Caffe配置简明教程( Ubuntu 14.04/ CUDA 7.5/ cuDNN 5.1/ OpenCV 3.1)

在Ubuntu 14.04上配置CUDA+Caffe+cuDNN+Anaconda+DIGITS

Ubuntu16.04下CUDA8.0+Caffe安装配置过程

Ubuntu 14.04下CUDA8.0+ cuDNN v5+ Caffe安装配置

Ubuntu 16.04+Nvidia GTX 1080+CUDA8.0深度学习环境配置

更多Ubuntu相关信息见Ubuntu专题页面

如何在linux系统下安装深度学习的caffe框架

Caffe需要预先安装一些依赖项，首先是CUDA驱动。不论是CentOS还是Ubuntu都预装了开源的nouveau显卡驱动（SUSE没有这种问题），如果不禁用，则CUDA驱动不能正确安装。以Ubuntu为例，介绍一下这里的处理方法，当然也有其他处理方法。

#sudovi/etc/modprobe.d/blacklist.conf

#增加一行：blacklistnouveau

sudoapt-get--purgeremovexserver-xorg-video-nouveau#把官方驱动彻底卸载：

sudoapt-get--purgeremovenvidia-*#清除之前安装的任何NVIDIA驱动

sudoservicelightdmstop#进命令行，关闭Xserver

sudokillallXorg

然后下载并安装NVIDIA CUDA驱动包，接着安装安装BLAS、OpenCV、Boost这三个库。BLAS数学库可以是ATLAS, MKL,或 OpenBLAS，OpenCV要求2.4以上版本，Boost要求1.55版本以上。可选安装Python MATLAB Caffe库，还有numpy，pandas之类的Python类库。安装MATLAB，以确保mex在path路径中，这些就够你折腾一个星期了，完事以后就可以编译安装了：

cpMakefile.config.exampleMakefile.config

#AdjustMakefile.config(forexample,ifusingAnacondaPython,orifcuDNNisdesired)

makeall

maketest

makeruntest

哦对了，Caffe显卡要求：Titan Xs, K80s, GTX 980s, K40s, K20s, Titans, and GTX 770s

st-gcn环境搭建

搭建ST-GCN环境的步骤如下：

一、硬件与系统准备

推荐使用基于Ubuntu 16.04的系统，可从浙大官网下载稳定版本的镜像。通过U盘启动制作Ubuntu系统盘，完成格式化后使用深度制作工具进行系统安装。在桌面计算机中使用磁盘管理工具创建Ubuntu分区，一般100GB空间足矣。通过BIOS设置将U盘设置为启动优先项，然后开始安装Ubuntu系统。

二、安装Python3

在Ubuntu系统中，将Python3设置为默认版本，使用pip进行包管理无需额外命令。在终端中通过快捷键或命令行操作完成Python3的安装。

三、软件源配置

使用国内服务器作为Ubuntu软件源，推荐使用阿里云提供的服务，无需额外配置。如果使用官方镜像，可能需要更新软件源以获取最新软件包。

四、安装显卡驱动

使用NVIDIA显卡的用户，需安装对应版本的驱动程序。通过三种方法之一：官方PPA源安装、下载并编译安装、添加官方PPA源后安装。

五、安装CUDA和cuDNN

检查NVIDIA显卡型号和系统内核版本，确保CUDA版本与驱动匹配。下载CUDA和cuDNN，按步骤安装，确保安装成功并验证。

六、安装Python3的pip虚拟环境

在Python3环境下安装pip，所有pip命令都将在Python3环境中执行。创建虚拟环境管理目录，将虚拟环境添加到环境变量中，并创建Python3虚拟环境。

七、安装torch和torchvision

使用国内源安装torch和torchvision，可永久修改pip安装源。查看Python版本与对应torch版本的关系，确保兼容性。

八、安装cmake

使用cmake配置编译参数，安装cmake和cmake-gui，确保cmake操作顺利进行。

九、安装opencv

可以选择通过apt-get安装opencv-python或从源码构建。构建时注意解压、更新依赖、下载ippicv，确保opencv功能齐全。

十、安装caffe

从openpose提供的链接下载caffe源码，解压后修改Makefile配置参数，编译安装。

十一、安装openpose

在caffe目录下连接openpose，下载源码，配置编译参数，确保兼容性和接口接入，测试安装成功。

十二、安装ffmpeg

下载ffmpeg源码，安装依赖环境，配置并编译安装。推荐使用smplayer作为视频播放软件。

完成上述步骤后，环境搭建就已基本完成。评估官方模型，训练自己的模型，进行样本示例展示。安装视频播放软件，如smplayer，用于观看可视化效果。欢迎指出错误与建议，祝您搭建成功！