Ubuntu16.04 Caffe 安装步骤(亲测可用)

快来打我* 2022-04-11 15:09 291阅读 0赞

安装流程细分为如下10个步骤，细化步骤粒度更易避免出错：

1、安装 CUDA 9.2  
2、安装 cudnn  
3、安装 opencv3.1  
4、安装 caffe  
5、安装 pycaffe notebook 接口环境

## 0 安装依赖包 ##

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 git cmake build-essential

## 第一步 安装CUDA9.2 ##

可以参考之前的cuda安装博客：https://blog.csdnnet/TH_NUM/article/details/83411686

## 第二步骤安装cudnn ##

登录官网：[https://developer.nvidia.com/rdp/cudnn-archive，下载对应][https_developer.nvidia.com_rdp_cudnn-archive] cuda 版本且 linux 系统的 cudnn 压缩包。![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1RIX05VTQ_size_16_color_FFFFFF_t_70]  
我这里下载的是 cudNN v7.3.1 Library for linux

下载完成后解压，得到一个 cudn 文件夹，该文件夹下include 和 lib64 两个文件夹，命令行进入 cudn/include 路径下，然后进行以下操作：  
(1)

sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件

(2) 进入lib64目录下，对动态文件进行复制和软链接一定要注意下面的安装注意事项，否则执行测试样例的时候会出错。

cd /cuda/lib64
    sudo cp lib* /usr/local/cuda/lib64/    #复制动态链接库
    
    cd /usr/local/cuda/lib64/
    
    sudo rm -rf libcudnn.so  libcudnn.so.7    #删除原有动态文件,我这里是没有libcudnn.so.7的
    
    sudo ln -s libcudnn.so.7.0.4  libcudnn.so.7  #生成软衔接，要检查自己的是不是libcudnn.so.7.0.4,也可能是其他的版本，一定要注意
    
    sudo ln -s libcudnn.so.7 libcudnn.so      #生成软链接

## 安装OpenCV3.2 ##

详细的安装请参考：[http://www.linuxidc.com/Linux/2017-07/145446.htm][http_www.linuxidc.com_Linux_2017-07_145446.htm]

(1) 从官网([http://opencv.org/downloads.html][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。

unzip opencv-3.2.0.zip
    
    sudo cp ./opencv-3.2.0 /home/username
    
    sudo mv opencv-3.2.0 opencv

(2) 安装前准备，创建编译文件夹

cd ~/opencv
    
    mkdir build
    
    cd build

(3) 配置

sudo apt install cmake
        
        sudo cmake -D CMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local  ..

(4) 编译

sudo 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)

(5) 安装

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：

sudo make install

## 配置caffe ##

(1) 下载Caffe

使用Git直接下载Caffe非常简单，或者去https://github.com/BVLC/caffe下载。

下载完成后，会在家目录下的下载里找到caffe-master.zip，用unzip命令解压到家目录下，然后重命名为caffe。

(3) 修改Makefile.config

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：

`sudo cp Makefile.config.example Makefile.config`

打开并修改配置文件：

`sudo gedit Makefile.config #打开Makefile.config文件`  
根据个人情况修改文件：

a. 若使用cudnn，则将

#USE_CUDNN:= 1
    
    修改成：
    
    USE_CUDNN:= 1

b. 若使用的opencv版本是3的，则将

#OPENCV_VERSION:= 3
    
    修改为：
    
    OPENCV_VERSION:= 3

c. 若要使用python来编写layer，则将

#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
    
    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。

(4) 修改Makefile文件

打开Makefile文件，做如下修改，将：

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

(5) 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 versionslater than 4.9 are not supported!
    
    改为：
    
    //#error-- unsupported GNU version! gcc versionslater than 4.9 are not supported!

(6) 编译

make all -j8  #-j根据自己电脑配置决定

(7) 测试

sudo make runtest

如果运行之后出现下图所示，说明caffe配置成功。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1RIX05VTQ_size_16_color_FFFFFF_t_70 1]

## 安装 pycaffe notebook 接口环境 ##

在上一步成功安装 caffe 之后，就可以通过 caffe 去做训练数据集或者预测各种相关的事了，只不过需要在命令行下通过 caffe 命令进行操作，而这一步 pycaffe 的安装以及 notebook 环境配置只是为了更方便的去使用 caffe ，实际上大多数都是通过 python 来操作 caffe 的，而 notebook 使用浏览器作为界面，可以更方便的编写和执行 python 代码。

这里我使用的是python2.7,python3 一堆错误。。。。。

(1)然后编译 pycaffe :

cd caffe
    sudo make pycaffe -j8

编译 pycaffe 成功后，验证一下是否可以在 python 中导入 caffe 包，首先进入 python 环境：

import caffe

若不报错则表示 caffe 的 python 接口已正确编译，但是应该不会那么顺利，以下是我导入 caffe 时出现的错误：

错误1:

File "<stdin>", line 1, in <module>   ImportError: No module named caffe

解决方法：

sudo echo export PYTHONPATH="~/caffe/python" >> ~/.bashrc
    
    source ~/.bashrc

错误2:

ImportError: No module named skimage.io

解决办法：

pip install -U scikit-image #若没有安装pip: sudo apt install python-pip

ok，最后一步，配置notebook环境

首先要安装python接口依赖库，在caffe根目录的python文件夹下，有一个requirements.txt的清单文件，上面列出了需要的依赖库，按照这个清单安装就可以了。

在安装scipy库的时候，需要fortran编译器（gfortran)，如果没有这个编译器就会报错，因此，我们可以先安装一下。

首先进入 caffe/python 目录下，执行安装代码：

sudo apt-get install gfortran
    
    for req in $(cat requirements.txt); do sudo pip install $req; done

安装完成以后执行：

sudo pip install -r requirements.txt

就会看到，安装成功的，都会显示Requirement already satisfied, 没有安装成功的，会继续安装。

然后安装 jupyter ：

sudo pip install jupyter

安装完成后运行 notebook :

jupyter notebook
    
    或
    
    ipython notebook

参考文章：  
[https://blog.csdn.net/yhaolpz/article/details/71375762][https_blog.csdn.net_yhaolpz_article_details_71375762]

[https_developer.nvidia.com_rdp_cudnn-archive]: https://developer.nvidia.com/rdp/cudnn-archive%EF%BC%8C%E4%B8%8B%E8%BD%BD%E5%AF%B9%E5%BA%94
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1RIX05VTQ_size_16_color_FFFFFF_t_70]: /images/20220411/173b105ad6da4a419b6efe6607eade90.png
[http_www.linuxidc.com_Linux_2017-07_145446.htm]: http://www.linuxidc.com/Linux/2017-07/145446.htm
[http_opencv.org_downloads.html]: http://opencv.org/downloads.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1RIX05VTQ_size_16_color_FFFFFF_t_70 1]: /images/20220411/84c57cadc95c4a6eb09f91692bf81eae.png
[https_blog.csdn.net_yhaolpz_article_details_71375762]: https://blog.csdn.net/yhaolpz/article/details/71375762