2019.12.05 caffe(gpu)安裝

參考網(wǎng)址：

教程1：

weiliu89/caffe?github.com

教程2：

https://blog.csdn.net/yggaoeecs/article/details/79163789?blog.csdn.net

環(huán)境：Ubuntu16.04+cuda10.0

安裝過程：

git clone https://github.com/weiliu89/caffe.git

cd caffe

cp Makefile.config.example Makefile.config

make -j8

之后報(bào)錯(cuò)：

打開并修改配置文件Makefile.config，按照教程2 https://blog.csdn.net/yggaoeecs/article/details/79163789

接著報(bào)錯(cuò)：

解決方法是在Makefile.config中添加#include<cudnn.h> 或者 #USE_CUDNN := 1

0.0是我剛剛改錯(cuò)了，我以為自己用到cudnn，去掉了這行的注釋

再次make,報(bào)錯(cuò)如下：

解決參考：

https://blog.csdn.net/u013524303/article/details/81609643

nvcc fatal : Unknown option ‘fPIC’

nvcc本身不支持-fPIC編譯參數(shù)，但是卻提供了-Xcompiler用途上，使用nvcc -h可以發(fā)現(xiàn)，這是提供了向低級(jí)編譯工具(gcc)傳遞編譯參數(shù)的功能，因此在編譯.cu文件時(shí)，在nvcc后加上 -shared -Xcomplier -fPIC 即可鏈接。

我遇到的錯(cuò)誤是參考的博客中，在添加

NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

-Xcompiler之前少了一個(gè)空格

修改之后, make clean，再次make

這個(gè)注釋掉Makefile.config中的這一行就可以了，如下：

CUDA_ARCH := #-gencode arch=compute_20,code=sm_20

之后報(bào)錯(cuò)如下：

參考解決：https://github.com/BVLC/caffe/issues/1761

在caffe文件夾下：

protoc src/caffe/proto/caffe.proto --cpp_out=.
mkdir include/caffe/proto
mv src/caffe/proto/caffe.pb.h include/caffe/proto

之后運(yùn)行，報(bào)錯(cuò)如下：

之后參考網(wǎng)上解決方案：
make clean
cd caffe
mkdir build
cd build
cmake ..
make all -j8

顯示安裝成功：

接著make runtest，測試成功：

之后按照教程2進(jìn)行MNIST數(shù)據(jù)集測試，顯示可以成功訓(xùn)練

之后在Ubuntu環(huán)境下，打開python解釋程序，輸入import caffe時(shí)，出現(xiàn)如下錯(cuò)誤：

解決參考：

https://blog.csdn.net/u010417185/article/details/53559107?blog.csdn.net

最終可以把caffe中的python導(dǎo)入到解釋器中。

附注：

1.問題解決，配置tensorflow-gpu1.15.0卻不能調(diào)用gpu?的情況：

安裝教程參考：

干貨|TensorFlow開發(fā)環(huán)境搭建（Ubuntu16.04+GPU+TensorFlow源碼編譯）?mp.weixin.qq.com

主要解決方法如下：

vim ~/.bashrc

在最后：

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda-10.0/lib64:/usr/local/cuda-10.0/extras/CUPTI/lib"

export CUDA_HOME=/usr/local/cuda-10.0

之后 source ~/.bashrc

就可以成功調(diào)用gpu

安裝步驟(簡版)：

Example environment setup for training can be created with Miniconda：

1.wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

bash Miniconda3-latest-Linux-x86_64.sh

source ~/.bashrc

2.For CPU usage:

conda create -n tfcpu

conda activate tfcpu

pip install tensorflow==1.15.0 tqdm

3.For GPU usage:

conda create -n tensorflow_gpu python=3.6

conda activate tensorflow_gpu

pip install tensorflow-gpu==1.15.0 tqdm

2.cmake安裝新版本

Solution:

Check your current version with cmake --version

Uninstall it with sudo apt remove cmake(or）

Visit https://cmake.org/download/ and download the latest binaries

• In my case cmake-3.6.2-Linux-x86_64.sh is sufficient copy the binary to /opt/

4. chmod +x /opt/cmake-3.*your_version*.sh (chmod makes the script executable)

5. sudo bash /opt/cmake-3.*your_version.sh* (you'll need to press y twice)

The script installs to /opt/cmake-3.*your_version* so in order to get the cmake command, make a symbolic link:

6. sudo ln -s /opt/cmake-3.*your_version*/bin/* /usr/local/bin

Test your results with cmake --version

總結(jié)

以上是生活随笔為你收集整理的caffe运行不停止_caffe(gpu)安装过程及问题解决的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。