ubuntu16.04 安装配置matlab+python +cuda8.0+cudnn+opencv3.1的caffe环境
http://www.cnblogs.com/LaplaceAkuir/p/6262632.html
网络上有很多ubuntu上caffe配置环境的帖子，本人照着其中的许多进行了参考，都出现了或多或少的错误，很多地方也有差异。
于是自己整理了下自己的安装过程，成功进行了测试，跑通了faster-rcnn。配置环境时间为2017.1.4 系统ubuntu16.04
一：显卡驱动的安装：
由于要使用GPU，所以先要查看自己显卡所匹配的显卡驱动，网址：http://www.nvidia.com/Download/index.aspx%3Flang=en-us
选择电脑匹配的显卡驱动，本人电脑显卡为GTX760，选择如下图所示
输入以下命令执行安装驱动：
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-375 //此处为上图的驱动版本
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev
安装完成后，重启电脑后输入
出现你的电脑gpu列表，如下所示，表示驱动安装成功。
二：安装配置CUDA8.0
cuda官方下载地址：https://developer.nvidia.com/cuda-downloads，选择如下:
下载完成后，解压到当前目录，切换到该目录输入：
sh cuda_8.0.44_linux.run --override
安装过程中，出现很多选择的选项，先一直按S滑到百分百，然后根据提示输入，分别如下：
1 输入accept接受条款
2 输入n不安装nvidia图像驱动，之前已经安装过了//此处一定要选择n
3 输入y安装cuda 8.0工具
4 回车确认cuda默认安装路径：/usr/local/cuda-8.0
5 输入y用sudo权限运行安装，输入密码
6 输入y或者n安装或者不安装指向/usr/local/cuda的符号链接
7 输入y安装CUDA 8.0 Samples，以便后面测试
8 回车确认CUDA 8.0 Samples默认安装路径：
最重要的是确定此处不要再选择安装驱动。
添加环境路径：
sudo vim ~/.bashrc //末尾添加
export CUDA_HOME=/usr/local/cuda-8.0
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-8.0/bin:$PATH
添加完成后source ~/.bashrc 使之生效。
测试cuda的例子，并得到如下输出：
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
make -j4
sudo ./deviceQuery
表明cuda安装成功。
三：Cudnnv5的安装
从官网下载最新的cudnn，网址：https://developer.nvidia.com/rdp/cudnn-download，如下图选择适当的cudnn版本
本人下载放在Download目录下,进入该目录并解压，建立软连接，如下所示：
cd ./Download/
tar -xvzf cudnn-8.0-linux-x64-v5.1.tgz
sudo cp ./cuda/include/cudnn.h /usr/local/cuda/include
sudo cp ./cuda/lib64/lib* /usr/local/cuda/lib64
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
sudo ldconfig
四：matlab的安装与配置
本人使用的matlab版本位：R2014b_glnxa64_withcrack.iso
1、挂载iso（需新建matlab_iso文件夹）：
mkdir matlab_iso //主目录
sudo mount -o loop R2014b_glnxa64_withcrack.iso ~/matlab_iso
2、开始安装：
cd ~/matlab_iso
sudo ./install
3、选择不联网安装
4、密钥输入，29797-39064-48306-32452
5、激活：选择”license.lic”文件进行激活（在crack文件夹下面）
6、将libmwservices.so复制到/usr/local/MATLAB/R2014b/bin/glnxa64中：
sudo cp libmwservices.so /usr/local/MATLAB/R2014b/bin/glnxa64/libmwservices.so
启动matlab后出现问题，可以参考这个帖子http://blog.csdn.net/csd_ct/article/details/51837894。只需要将/sys/os/glnxa64/下的libstdc++.so.6 重命名位libstdc++.so.6.old.
五：Opencv3.1的安装
opencv3.1的下载，网址链接：@L_502_9@
安装必要项：
1 sudo apt-get update
2 sudo apt-get install -y build-essential cmake git pkg-config
3 sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler
4 sudo apt-get install -y libatlas-base-dev
5 sudo apt-get install -y --no-install-recommends libboost-all-dev
6 sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev
7 sudo apt-get install -y python-pip
8 sudo apt-get install -y python-dev
9 sudo apt-get install -y python-numpy python-scipy
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
解压opencv并进入该目录：
cd opencv-3.1.0
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
期间可能会卡在ippcv的下载中，Ctrl + c中断后，可以到ippicv_linux_20151201.tgz下载。将下载的文件替换掉OpenCV-3.1.0/3rdparty/ippicv/downloads/linux-8b449a536a2157bcad08a2b9f266828b下的同名文件。
make -j4
sudo make install
make过程中，出现了graphcuts.cpp的错误，进行如下修改：
sudo vim ../modules/cudalegacy/src/graphcuts.cpp
将45行的#if !defined (HAVE_CUDA) ||defined (CUDA_DISABLER)修改为#if !defined (HAVE_CUDA) ||defined (CUDA_DISABLER) || (CUDART_VERSION >=8000)
编译完成后注意需要运行sudo make install执行安装
六：Caffe编译
1 cd ~
2 git clone https://github.com/BVLC/caffe.git //从github上git caffe
如果没有安装git，可以先使用sudo apt-get install git执行安装。
1 cd caffe
2 sudo cp Makefile.config.example Makefile.config
3 sudo vim Makefile.config
此时会修改caffe的编译配置，需要修改如下地方:
1 # USE_CUDNN := 1 修改成： USE_CUDNN := 1
2 # OPENCV_VERSION := 3 修改为： OPENCV_VERSION := 3
3 # WITH_PYTHON_LAYER := 1 修改为 WITH_PYTHON_LAYER:=1
4 #USE_OPENCV := 0 修改成 USE_OPENCV :=1
5 #USE_LEVELDB := 0 修改为 USE_LEVELDB:=1
6 #USE_LMDB := 0 修改位 USE_LMDB :=1
7 //修改matlab目录
8 将MATLAB_DIR := /usr/local/matlab2014b/
9 //最终要的修改 # Whatever else you find you need goes here.下面的
10 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
11 LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
12 修改为：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
13 LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial //这是因为ubuntu16.04的文件包含位置发生了变化，尤其是需要用到的hdf5的位置，所以需要更改这一路径
修改Makefile文件：
sudo vim Makefile
将
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
编辑/usr/local/cuda/include/host_config.h 将119行的
error -- unsupported GNU version! gcc versions later than 5 are not supported! 修改为 #error -- unsupported GNU version! gcc versions later than 5 are not supported!，即添加了注释，使之无效
进行编译：
make all -j8
make runtest -j8
i have a problem:%%%%%%%%%%%%%%%%%%%%%%%%%
.build_release/lib/libcaffe.so：对‘cv::imencode(std::__cxx11::basic_string<char,std::char_traits<char>,std::allocator<char> > const&,cv::_InputArray const&,std::vector<unsigned char,std::allocator<unsigned char> >&,std::vector<int,std::allocator<int> > const&)’未定义的引用
.build_release/lib/libcaffe.so：对‘cv::imread(std::__cxx11::basic_string<char,int)’未定义的引用
collect2: error: ld returned 1 exit status
Makefile:619: recipe for target '.build_release/tools/upgrade_net_proto_text.bin' Failed
make: *** [.build_release/tools/upgrade_net_proto_text.bin] Error 1
make: *** 正在等待未完成的任务....
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@
solution:
CXX/LD -o .build_release/tools/convert_imageset.bin
.build_release/lib/libcaffe.so: undefined reference to cv::imread(cv::String const&,int)' .build_release/lib/libcaffe.so: undefined reference tocv::imencode(cv::String const&,std::vector >&,std::vector > const&)'
.build_release/lib/libcaffe.so: undefined reference to `cv::imdecode(cv::_InputArray const&,int)'
collect2: error: ld returned 1 exit status
make: *** [.build_release/tools/convert_imageset.bin] Error 1
solution:
add "opencv_imgcodecs" in Makefile.(LIBRARIES += glog gflags protobuf leveldb snappy \
lmdb boost_system hdf5_hl hdf5 m \
opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs)
If you input "make all",the problem is the same again.But if you delete all the file in build(rm -rf ./build/*) before "make all"(I use make clean ),you will success.I just success
@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@
此时正确情况如下图所示：
编译matcaffe：
执行 make matcaffe -j4
显示MEX completed successfully，表示编译matcaffe成功，
执行make mattest -j4 即运行matcaffe的测试程序，结果如下图：
编译pycaffe
sudo make pycaffe -j4 sudo make distribute -j4
运行make pytest -j4进行测试，出现如下图：
(cd python
for req in $(cat requirements.txt); do sudo pip install -i https://pypi.tuna.tsinghua.edu.cn/simple $req; done
###### if you pycaffe have porblem,you can use the command!##############
)
表明pycaffe编译成功 在～/.bashrc 末尾添加export PYTHONPATH=/home/zf/caffe/python:$PYTHONPATH //自己对照自己路径。
(export PYTHONPATH=~/caffe/python:$PYTHONPATH ####ZOUYU'S PATH###)
ADD THIS COMMAND FOR THE SOURCE UPDATE:
source ~/.bashrc
打开python导入caffe 可以成功，如下：
七：mnist集测试：
cd ~/caffe ./data/mnist/get_mnist.sh ./examples/mnist/create_mnist.sh ./examples/mnist/train_lenet.sh
结果如下图，正确率为99.08%
八：faster-rcnn配置与测试：
mkdir ~/caffetest cd caffetest git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git //下载rcnn源码
cd py-faster-rcnn cd lib make cd ../caffe-fast-rcnn //用之前编译的caffe替换rcnn的Makefile.config
sudo cp ~/caffe/Makefile.config ./caffe-fastr-rcnn/
sudo make -j4 && make pycaffe cd ../
sudo ./data/script/fetch_faster_rcnn_models.sh
此过程中若出现cudnn错误，可以做如下方式进行解决：
cd caffe-fast-rcnn Git remote add caffe https://github.com/BVLC/caffe.git
git fetch caffe //需要github账号
git stash save git merge caffe/master
将caffe-fast-rcnn/include/caffe/layers/python_layer.hpp的29行self_.attr("phase") = static_cast<int>(this->phase_);注释掉
一切编译成功后，执行demo,两种demo为不同的模型框架，
cd ~/caffetest ./tool/demo.py ./tool/demo.py --net zf
若出现Check Failed：error == cudaSuccess（8 vs 0） invalid device function,则将py-faster-rcnn/lib/setup.py的第135行，将arch改为与你显卡相匹配的数值，（比如我的GTX760，计算能力是3.0，就将sm_35改成了sm_30）然后删除utils/bBox.c，nms/cpu_nms.c，nms/gpu_nms.cpp重新编译即可
最终结果部分图片如下：
九：总结与体会
之前花费了时间断断续续的进行caffe的安装与配置，但是总会出现大大小小的问题，但是最后才发现是第一步驱动的问题，很多博客说到的编译器问题，在我这次安装过程中都没有出现。
据说是现在cuda8.0后对此进行了修复。最终能够完全成功，也是非常令人高兴的，也说明了，做一个事情，还是得老老实实专心的做下去。写这篇博客，一是为了纪念一下这一路安装的心酸，也
是想方便以后的人，希望对他们能有帮助，少走一点弯路。加油～
安装过程中用到的安装软件，笔者会稍后上传到网盘，需要的可以联系笔者。笔者QQ：476833883。
