「Deep Learning」Caffe+GTX1080+CUDA8.0+cudnn5.0

Sina Weibo：东莞小锋子Sexyphone Tencent E-mail：403568338@qq http://blog.csdn/dgyuanshaofeng/article/details/53410856

深度学习，赶紧上车。。。 一、Ubuntu系统     通常安装14.04的版本，我一直用这个版本。官方支持12.04-16.04。我在这里遇到一个坑，实验室的深度学习机器装14.04.4居然不成功，grub界面进去，然后黑屏，偏偏装14.04.5可以，一路不黑屏。我记得我第一次装这个机器的时候，用的是14.04.5，当时是会黑屏的，因为X99 UD4这个主板没有集成显卡，我直接用独立显卡。根据参考1，在grub界面，选中“Ubuntu”，按“e”进入开机指令编辑，找到“quiet splash”，删掉“--”，添加“nomodeset”，然后Ctrl+x或者F10进去。
    先用UtralISO做一个系统盘，见参考2。然后将U盘插入主机，按快捷键启动，实验室的机器是F12。然后就安装了，见参考3。进行四次分盘，分别是"/"100GB，“swap area”20GB，“/boot”2GB，“/home”剩余，大约450GB，其中第一个为了以后安装MATLAB，并且是主分区，其他为逻辑分区。/home这个大为了装数据等等。     安装结束之后，记得在系统设置那里禁止系统自动更新。因为驱动更新会破坏桌面或者系统。我写这个记录，其实就是为了记住惨痛，因为一个月前，我轻松安装完了之后，居然忘记了怎么安装了，找零散的教程浪费了很多时间。
二、Nvidia显卡驱动、CUDA8.0、cudnn5.0     准备：这些都是从英伟达官网进行下载。是否是稳定版本，没有查。其中，GTX1080要求CUDD8.0。     1、 NVIDIA-Linux-x86_64-367.57.run;      2、cuda_8.0.44_linux.run;     3、cudnn-8.0-linux-x64-v5.0-ga.tgz。     主要根据参考4进行安装，按照教程装过两次，没有问题，cudnn可能是由于自己不会装，两次编译caffe的时候均报错。首先进入tty模式，Ctrl+Alt+F1。

sudo vi /etc/modprobe.d/blacklist-nouveau.conf

输入内容：“i”为插入，然后“Esc”退出，“:wq”保存退出。

blacklist nouveau
options nouveau modset=0

执行：

sudo update-initramfs -u
lspci|grep nouveau

禁用设置结束。下面是安装显卡驱动。执行：

sudo service lightdm stop
sudo chmod 755 NVIDIA-Linux-x86_64-367.57.run
sudo ./NVIDIA-Linux-x86_64-367.57.run
sudo service lightdm start

然后会看到显示器变好了。执行：

nvidia-smi

查看显卡信息，功率、温度等。在caffe训练模型的时候，可以看模型占用显存、功率等等。下面是出故障的时候，在tty模式下面查询的，跟在终端看到的一样。
下面安装CUDA8.0，执行

sudo sh cuda_8.0.44_linux.run

按照参考4所说的，除了第二项之外，都是yes。第二项就是上面安装的驱动。安装结束之后，添加

sudo gedit /etc/profile
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
sudo ldconfig

安装依赖或库

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev
sudo apt-get install libglu1-mesa libglu1-mesa-dev libgl1-mesa-glx

我两次安装libgl1-mesa-glx都没有成功，但是没有影响下面。 进入到samples

cd /usr/local/cuda/samples

编译

sudo make all -j$(nproc)
#sudo make all -j4
#sudo make all -j8

第一句其实自动获取cpu核心数目，后面句子就是指定用几个了。caffe编译的时候也可以这么写。 进入到release

cd ./bin/x86_64/linux/release

运行

./deviceQuery

下面安装cudnn5.0 解压

tar xvzf cudnn-8.0-linux-x64-v5.0-ga.tgz

然后继续

cd cuda
sudo cp lib64/lib* /usr/local/cuda/lib64/
sudo cp include /cudnn.h /usr/local/cuda/include/
cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.5.0.5
sudo ln -sf libcudnn.so.5.05 libcudnn.so.5
sudo ln -sf libcudnn.so.5 libcudnn.so
sudo ldconfig

结束了。

三、Caffe框架
    根据参考4和官方信息 Ubuntu Installation进行编译。
    General dependencies:

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

    CUDA: we use CUDA8.0 because of the usage of hardware GTX1080, need not do it
    BLAS:

sudo apt-get install libatlas-base-dev

    Python: we use anaconda2, need not do it
    Remaining dependencies: only for Ubuntu14.04

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

    Compilation with Make:

cp Makefile.config.example Makefile.config
make all -j$(nproc)
make test -j$(nproc)
make runtest -j$(nproc)

我与参考4遇到一样的错误，libcudart.so.8.0。这个错误，我在跑faster rcnn的时候也遇到类似的。解决就是按照参考4。执行：

ln -s /usr/local/cuda/lib64/*.so /usr/lib
#ln -s /usr/local/cuda/lib64/*.so /lib
sudo ldconfig
sudo gedit /etc/ld.so.conf
/usr/local/cuda-8.0/lib64

make test没有问题，make runtest报告两个nopass。 至此，差不多了，估计跑caffe了。致谢参考4。

四、Matlab Python接口    这部分，我在后面有空会再补充，不能，就是在makefile.config里面修改路径就好。    Matlab的话，我用过R2014b。    Python的话，我用过Anaconda2。这里还要另外安装一个protobuf2.6.1。
五、问题解决     1、下载Caffe依赖或者CUDA8.0依赖的时候，可能遇到“E: Unable to locate package xxx”；     解决：更新源

sudo apt-get update

参考：     1、ubuntu安装时N卡黑屏处理     2、Ubuntu14.04 安装及使用：[1]制作安装U盘     3、win7+ubuntu 13.04双系统安装方法
    4、【希望对新手有帮助】Ubuntu14.04+CUDA8.0+GTX1080+caffe配置教程

其他（没有用上）： 删除驱动 http://blog.csdn/fieldoffier/article/details/50354607 tty模式下拿回数据 http://blog.csdn/langb2014/article/details/51567460

最后上一个实验室的深度学习机器图