一、ubuntu16.04+cuda8+caffe安装1

在本文中，我们将详细探讨如何在Ubuntu 16.04操作系统上安装CUDA 8和Caffe。CUDA是由NVIDIA开发的一种并行计算平台和编程模型，它允许开发者利用GPU的强大处理能力进行科学计算和高性能计算任务。Caffe是一种流行的深度学习框架，尤其适合计算机视觉应用，它依赖CUDA来加速其计算。 我们需要确保系统满足必要的硬件和软件要求。在本例中，使用的硬件配置为搭载NVIDIA GTX 750 Ti显卡的Ubuntu 16.04系统。为了使Caffe能够充分利用GPU，我们需要安装NVIDIA驱动、CUDA以及cuDNN。 1. **安装相关依赖项**： 在安装CUDA和Caffe之前，需要先安装一些必要的依赖库。这包括protobuf、leveldb、snappy、OpenCV、HDF5、Boost、OpenBLAS、LAPACK、ATLAS、gflags、google-glog和lmdb等。这些库对于Caffe的编译和运行至关重要。 使用以下命令安装依赖项： ``` 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 ``` 2. **安装NVIDIA驱动**： - 访问NVIDIA官网（http://www.nvidia.com/Download/index.aspx?lang=en-us）查找适合您显卡的驱动。 - 由于通过`sudo apt-get update`更新驱动失败，建议在“软件和更新”设置中切换到中国的服务器源，然后在“附加驱动”选项中选择合适的NVIDIA驱动版本，如375.20，并应用更改。 - 安装完成后，使用`sudo nvidia-smi`命令检查驱动是否安装成功，如果显示GPU信息，即表示安装成功。 3. **安装CUDA**： - 前往NVIDIA开发者网站（https://developer.nvidia.com/cuda-downloads）下载CUDA 8.0。 - 运行下载后的`.run`文件，但当被询问是否安装NVIDIA驱动时，选择“否”，因为我们已经在上一步安装了最新版本的驱动。 - 安装过程中可能需要安装一些缺失的库，如freeglut3-dev、build-essential、libx11-dev、libxmu-dev、libxi-dev、libgl1-mesa-glx、libglu1-mesa和libglu1-mesa-dev。 - 安装完成后，设置CUDA环境变量，打开并编辑`.bashrc`文件： ``` sudo vim ~/.bashrc ``` - 在文件末尾添加以下行： ``` 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}} ``` - 保存并退出，然后运行`source ~/.bashrc`刷新环境变量。 4. **测试CUDA安装**： - 回到CUDA安装文件所在的目录，运行CUDA的样例程序以测试CUDA是否安装正确。如果输出显示GPU信息且没有错误，说明CUDA已成功安装。 5. **安装cuDNN**： - 在NVIDIA开发者网站上注册并下载cuDNN 5.1。 - 解压缩文件，然后将包含头文件的目录复制到CUDA的include目录，库文件复制到CUDA的lib64目录。 - cuDNN的安装通常涉及将解压后的头文件和库文件复制到CUDA安装路径下的相应目录。 至此，您已完成在Ubuntu 16.04系统上安装CUDA 8和cuDNN 5.1的全部步骤。下一步，您可以继续安装Caffe并配置其Makefile以使用CUDA和cuDNN，以便充分利用GPU进行深度学习训练和推理。别忘了在编译Caffe之前更新Makefile中的CUDA和cuDNN路径。