SSD（based on Caffe）环境配置
??之前在自己的筆記本上配置過caffe，實在是費了老勁。仍記得無數次呆呆的坐在電腦前，讀著terminal中的報錯信息，各種百度各種谷歌，一點一點的配置環境實在是太痛苦了。不過好在之前跌跌撞撞的配置成功了，可以干活了。然而最近悲催的發現，原來筆記本上的顯卡內存太小，運行SSD的demo會內存爆炸，所以沒法再撐下去了。去年夏天在宿舍配了一套臺式機，本來想著用來打游戲的（裝了GTX1060的卡），現在形勢所迫，只能先用這臺游戲機來干活了。擺在眼前的一件痛苦的事就是，所有的環境都要重新配置一遍，雖說之前鼓搗過一回，但是其實早就忘了，這次又要重新來過，將來單位里上了新的機器，肯定避免不了還要再配置環境。于是決定把配置過程記錄下來，一來可以用做將來配置環境的依據，二來也可以給其他朋友一些參考。
??交代一下機器的情況。Ubuntu14.04系統，顯卡只有一個是GTX1060的卡，64位系統。配置目標：github上copy下來weiliu89大神的SSD代碼能夠跑通demo。
#一、Opencv
??用caffe的話基本都要裝好opencv，而且根據我的經驗，先裝opencv，然后在編譯caffe更穩，之前曾經先編譯了caffe然后再裝opencv，出過毛病，后來又翻過頭來重弄的，這次長記性了。
??opencv我用的是源碼安裝，源碼我傳到百度云了，http://pan.baidu.com/s/1i4PfksH。需要注意的是這是opencv3，caffe編譯的時候不能有opencv2和opencv3同時存在，而ubuntu14.04好像默認安裝了opencv2，所以裝opencv3之前先把opencv2給卸載掉。在terminal中運行即可卸載：
然后開始裝opencv3
先裝第三方環境
假設文件下載并解壓到HOME目錄，然后編譯opencv。cmake過程要開著vpn，因為中間會下載一些墻外的包。
cd opencv mkdir build cd build cmake -D CMAKE_BUILD_TYPE=Release -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules/ -D CMAKE_INSTALL_PREFIX=/usr/local .. make sudo make install然后再把連接庫的路徑添加一下，把/usr/local/lib的路徑加到/etc/ld.so.conf中，opencv就裝好了。
#二、CUDA8.0
??用的是nvidia的卡，必須得裝cuda，最新的cuda是8.0版本的。要根據自己的gpu型號去下載相應版本的cuda，cuda 的安裝方式主要有deb、runfile兩種，之前deb裝跪過一次，所以選runfile。可以去nvidia的官網上下載cuda8.0的runfile安裝文件。下完了chmod一下文件的屬性，改成可執行文件。然后開始裝cuda。
1、禁用掉ubuntu的nouveau，這玩意會和nvidia的卡沖突，先把它干掉，新建文件/etc/modprobe.d/blacklist-nouveau.conf
2、重新生成kernel initramfs
sudo update-initramfs -u3、重啟系統，然后Ctrl+Alt+F1進入命令行模式，登錄后，執行：
sudo service lightdm stop（關掉桌面服務）4、下面這一步非常重要！一定要注意！！不注意的話就等著eat shit了！！
要先看好自己的電腦顯卡情況，主要分兩種。
（1）只有一塊獨立顯卡（nvidia 的卡，也就是你將來要用做并行計算的gpu），少部分筆記本和大部分臺式機都是這樣的硬件配置。直接執行：
然后進去安裝，按照安裝向導各種accept、yes就行了。
裝完了重啟桌面服務就可以登錄圖形界面了。
（2）獨立顯卡（nvidia 的卡，也就是你將來要用做并行計算的gpu）+集成顯卡，現在一般的筆記本都是這種情況，這樣的顯卡配置，在ubuntu系統中一般是集成顯卡用作顯示（如果你沒特別設置過顯卡，那么裝了ubuntu系統就是集成顯卡做顯示），裝cuda時要加一條命令（–no-opengl-libs），沒有這條命令，cuda安裝時會覆蓋原來集成顯卡的opengllibs，導致你卡在圖形界面的用戶名密碼登錄環節，循環登錄永遠進不了系統，執行：
sudo ./cuda_8.0.44_linux_ubuntu_14.04.run --no-opengl-libs然后進去安裝，按照安裝向導各種accept、yes就行了。
裝完了重啟桌面服務就可以登錄圖形界面了。
不管是第（1）種情況還是第（2）中情況，成功裝完了cuda還要設置一下cuda和cuda庫文件的路徑。這部分參考cuda安裝過程的最后一步，在cuda安裝成功還沒有退出命令行模式的時候，有這么兩句話：
Please make sure that
-PATH includes /usr/local/cuda-8.0/bin
-LD_LIBRARY_PATH includes /usr/local/cuda-8.0/lib64，按照這兩個要求設置路徑就完事了。cuda裝好了。
#三、cuDnn庫
??cuDnn庫是nvidia開發的專門優化深度學習函數的庫，不管用什么深度學習框架這個庫都要裝，不裝代碼得不到并行優化，計算會很慢。這個庫裝起來比較簡單，最新的是cuDnn v5，去nvidia官網下載解壓，里面有倆文件夾，一個是include文件夾，一個是lib文件夾。把include文件夾里的東西copy到/usr/local/cuda/include（也就是你的cuda安裝路徑里的include文件夾），把lib文件夾里的東西copy到/usr/local/cuda/lib64（也就是你的cuda安裝路徑里的lib64文件夾）。然后還沒完，還要創建軟連接。
然后cuDnn就裝好了。
#四、下載并編譯caffe-ssd
??終于可以開始編譯caffe了。首先先膜一些weiliu89大神，感謝他們的創作的ssd方法，造福人類，解救我于水火之中。
（1）、去git上下載ssd源碼，地址：https://github.com/weiliu89/caffe/tree/ssd，參考github上的installation就可以將代碼copy到本地。
（2）、升級gcc、g++編譯工具。ssd的編譯需要gcc和g++編譯工具升級到v5，所以先升級。這里提供一種升級方法，要翻墻。
安裝好了gcc-5和g+±5后，再去刪除舊的可執行程序，并換成v5的可執行程序。
cd /usr/bin sudo rm -rf g++ gcc sudo ln -s g++-5 g++ sudo ln -s gcc-5 gcc（3）按照caffe的官方tutorial，先配置環境，具體參考：
http://caffe.berkeleyvision.org/install_apt.html
（4）編譯caffe（ssd），假設從github上copy下來的caffe放在了主文件夾。
順利的話就大功告成，完成了caffe（ssd）的編譯，你就可以做各種事情了。但是一般來講都不會這么順利，因為編譯的過程中需要一些第三方的庫，這些庫零零散散，而且你的ubuntu系統之前可能因為編程或者干嘛的裝過一些，有的人裝了有的人沒裝，亂起八早所以沒有統一總結，解決的方法是根據報錯的情況，如果讀的懂報錯的代碼就去按照報錯debug，如果讀不懂就干脆把關鍵的報錯信息百度，然后會得到相應的解答。一般都是因為確實各種各樣的庫而報錯。這里我總結了兩個最常見的報錯，也是我新裝了ubuntu系統并且按照上述教程一直裝到現在，編譯之后報的兩個錯誤。
!!!第一個，報錯“No module named google.protobuf.internal blablabla”，意思就是沒找到google.protobuf這個模塊，注意這里說的是python的google.protobuf模塊，跟我們之前裝的protobuf不是一回事（我也不知道為什么python還要單獨用這個模塊，反正weiliu89大神是用到python編譯的），那就裝一下就好了。
!!!第二個，報錯“No module named skimage.io blablabla”意思就是沒找到skimage.io這個模塊，沒找到那就裝。
sudo apt-get install python-skimage我遇到的就這兩個報錯，弄好了之后就OK了~但是以我對caffe這個尿性框架的了解，之后在實際工作的時候，可能還會有別的錯誤，不是說你一開始編譯通過了就一定沒問題了，可能有些問題你在編譯的時候是沒碰到所以沒被發現而已，這樣的錯誤就只能碰到的時候再辦了，caffe就這個德行，第三方的依賴太多，這是它的缺點。
??一篇流水賬完成！第一次寫這么長的博客，寫的不好請見諒，關鍵是把事講清楚了就可以，希望以后不會再在配置環境上耽誤工夫，也希望能夠幫到一些linux、caffe的初學用戶，畢竟對著電腦發呆的日子我也經歷過，那滋味太難受。
總結
以上是生活随笔為你收集整理的SSD（based on Caffe）环境配置的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 相机校准
- 下一篇： Aprior算法简化算法——FP-Tre