ubuntu安裝常用軟體（比如python、搜狗拼音、cudnn等）

終端打開方式:Ctrl+Alt+T

一、進入ubuntu分辨率無法改變：  去軟體更新處更新驅動，是顯示卡驅動的問題(新裝系統要稍等一會才會出現）   重新開機後恢複

二、滑鼠右鍵進入終端    sudo apt-get install nautilus-open-terminal  登出後重進

三、安裝搜狗輸入法： 下載下傳 https://pinyin.sogou.com/linux/?r=pinyin

                   進入下載下傳目錄，在終端執行安裝

                   sudo dpkg  -i   sogoupinyin_2.2.0.0102_amd64.deb

                   sudo apt-get install -f

                   系統設定--語言支援--fctix

                   登出後重進 ctrl+空格切換輸入法

四、安裝python和tensorflow

       sudo apt-get update

       pip install python（會裝兩個版本2.7和3.4，預設2.7.如果切換到3.4，請用pip3安裝相應庫，防止切換成2.7庫丢失）

       sudo pip install --upgrade pip

       pip install  tensorflow   若安裝了cuda則安裝GPU版本的tensorflow

       本文安裝的是pip install tensorflow==1.2

       如果想安裝最新版本的1.4 pip install tensorflow 1.4.1 則必須把cudnn配置到v6及以上版本方可正常使用

       一般的解除安裝代碼大緻如：pip uninstall tensorflow

五、安裝keras（keras是高度封裝了TensorFlow\CNTK\Theano）

     sudo pip install keras

     官方API連結  https://keras.io/

六、安裝科學計算庫

    ①sudo pip install jupyter  

   安裝成功後，在終端上鍵入jupyter notebook

   [I 16:13:13.793 NotebookApp] Writing notebook server cookie secret to /run/user/1000/jupyter/notebook_cookie_secret

   [I 16:13:13.937 NotebookApp] Serving notebooks from local directory: /home/m

   [I 16:13:13.937 NotebookApp] 0 active kernels

   [I 16:13:13.937 NotebookApp] The Jupyter Notebook is running at:

   [I 16:13:13.937 NotebookApp] http://localhost:8888/?token=6f46feec7a319f3b1e433d003122e065c235bf48004d5c7b

   即打開jupyter網頁編輯器，進行修改程式标注程式代碼或運作程式

   ②pip install pandas

   ③pip install numpy

   ④pip install Matplotlib（繪圖庫）

   ⑤pip install scikit-learn

   ⑥pip install seaborn

   ⑦pip install scikit-image

   也可以一起安裝，但各版本依賴之間記得相适應

七、安裝spyder

   sudo pip install spyder  

   sudo apt-get install python-pyqt*

   spyder

   預設環境是2.7

   如果用3.4 請參考網址 http://blog.csdn.net/wangrunhuan/article/details/78218564

八、安裝opencv3.4.0+opencv_contrib3.4.0（新版的3.4好多模型還不适用，建議先安裝3.3）  

    安裝步驟如下：

   1、系統更新

      sudo apt-get update   

      sudo apt-get upgrade

   2、搭建C/C++編譯環境：

      sudo apt-get install build-essential

   3、安裝關聯庫

      sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev  

      sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

   4、下載下傳opencv3.4.0（opencv_contrib3.4.0）

       提供網址： 下載下傳opencv3.4.0在opencv官網下載下傳 https://opencv.org/releases.html

                 下載下傳opencv_contrib3.4.0在github中opencv中下載下傳記得選擇3.4版本(Tag中選版本) https://github.com/opencv/opencv_contrib

                 将下載下傳好的兩個壓縮包解壓目錄如下

        主目錄：opencv3.4.0

        子目錄： ------  opencv_contrib3.4.0

                ------  bulid(在第5步會建立這個檔案夾)

   5、打開終端，cd ~/opencv3.4.0

               mkdir build

   6、 cd build

       cmake .. (中間空格不要忘記)

      備注：

     第一種方式：

     (①若配置opencv_contrib3.4.0則需配置環境：

      cmake -DOPENCV_EXTRA_MODULES_PATH=/home/m/opencv3.4.0/opencv_contrib3.4.0/modules /home/m/opencv3.4.0

      cmake -DOPENCV_EXTRA_MODULES_PATH=/home/m/opencv-3.3.1/opencv_contrib-3.3.1/modules /home/m/opencv-3.3.1

      其中 CMAKE_BUILD_TYPE=Release / Debug，這裡選擇Release

          ‘/home/m/opencv3.4.0/opencv_contrib3.4.0/modules’為opencv_contrib3.4.0擴充子產品中modules的路徑

          ‘/home/m/opencv3.4.0’為opencv3.4.0的路徑  ）

     （還有一種配置cmake  https://www.cnblogs.com/asmer-stone/p/5089764.html）

      ②若不配置擴充子產品opencv_contrib3.4.0，則隻在終端 cmake .. )  

   7、make -j4  0%-----100%  根據自己電腦的配置選擇jn（n=2/4/....），時間稍長

   8、sudo make install   到此配置結束

   9、驗證：

      在此路徑/home/m/opencv/opencv/samples/python，即安裝的opencv中的samples中找到官方給的demo，進行python運作，如運作成功，則表示安裝成功

      若想測試opencv_contrib3.4.0是否安裝成功，插入攝像頭電腦，在opencv_contrib的samples中運作即可。

 參考連結     

  http://blog.csdn.net/linj_m/article/details/45048905

  http://blog.csdn.net/u013831198/article/details/70215925

   10、如需要更新版本或者配置擴充庫等，都需要先解除安裝原有的opencv

+-------------------------------------------------------------##解除安裝opencv##-----------------------------------------------------------------------------------------------+

  ①進入build檔案夾中

  sudo make uninstall

  cd ..

  sudo rm -r build

  rm -r /usr/local/include/opencv2 /usr/local/include/opencv /usr/include/opencv /usr/include/opencv2 /usr/local/share/opencv /usr/local/share/OpenCV /usr/share/opencv /usr/share/OpenCV /usr/local/bin/opencv* /usr/local/lib/libopencv*  (如果此步出現錯誤請繼續即可）

  ②删除/usr中所有opencv相關項

  cd /usr/

  find . -name "*opencv*" | xargs sudo rm -rf

九、安裝cuda+cudnn

參考：http://www.cnblogs.com/xuanxufeng/p/6150593.html

下載下傳cuda和cudnn連結，需要登入

cuda   https://developer.nvidia.com/cuda-toolkit-archive

cudnn  https://developer.nvidia.com/rdp/cudnn-download

新版的cudnn格式都是.solitairetheme8的，官方給的解壓cudnn的方式：

cp  cudnn-8.0-linux-x64-v5.1.solitairetheme8 cudnn-8.0-linux-x64-v5.1.tgz

先變成tgz格式的然後再按照後續步驟進行操作

1、安裝相關依賴項

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                                                   

##  安裝之後執行以下操作  ##

選擇ubuntu14.04系統,若是16請提前查好自己的适配版本

檢視顯示卡型号以及是否支援CUDA

輸入 ：sudo nvidia-smi（也可用來檢視運作記憶體占用情況）

顯示如下内容：

Mon May  8 10:38:50 2017       

+-----------------------------------------------------------------------------+

| NVIDIA-SMI 375.39                 Driver Version: 375.39                    |

|-------------------------------+----------------------+----------------------+

| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |

| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |

|===============================+======================+======================|

|   0  GeForce GTX 105...  Off  | 0000:01:00.0      On |                  N/A |

| 29%   37C    P0    35W /  80W |    207MiB /  4037MiB |      0%      Default |

+-------------------------------+----------------------+----------------------+

| Processes:                                                       GPU Memory |

|  GPU       PID  Type  Process name                               Usage      |

|=============================================================================|

|    0       966    G   /usr/lib/xorg/Xorg                             150MiB |

|    0      1690    G   compiz                                          53MiB |

|    0      1972    G   /usr/lib/firefox/firefox                         1MiB |

2/ 安裝CUDA

+---------------------------------------##安裝CUDA##-------------------------------------------+

|sudo chmod 777 cuda_8.0.61_375.26_linux.run  (根據自己下載下傳的CUDA版本号更改）                                                 

|sudo  ./cuda_8.0.61_375.26_linux.run                                                          

|                                                                                              

|注意：執行後會有一系列提示讓你确認，但是注意，有個讓你選擇是否安裝nvidia367驅動時，一定要選擇否： （型号不一定是367，看自己系統更新的）

|Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48?                           

|因為前面我們已經安裝了更加新的nvidia367，是以這裡不要選擇安裝。其餘的都直接預設或者選擇是即可。    

|

|sudo gedit ~/.bashrc

|将以下内容寫入到~/.bashrc尾部：

|export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}

|export LD_LIBRARY_PATH=/usr/local/cuda8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

|測試CUDA的samples

|cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery

|make

|sudo ./deviceQuery

|如果顯示一些關于GPU的資訊，則說明安裝成功。

 再次檢視安裝狀态：cat /proc/driver/nvidia/version

+-----------------------------------------##安裝CUDA##-----------------------------------------+

3/ 配置cuDNN

+-----------------------------------------##配置cuDNN##-----------------------------------------+

sudo tar -zxvf ./cudnn-7.5-linux-x64-v5.0-ga.tgz  （根據自己的CUDNN版本号更改）

sudo tar -zxvf ./cudnn-8.0-linux-x64-v5.1.tgz

sudo cp cudnn.h /usr/local/cuda/include

cd ..

cd lib64

sudo cp lib* /usr/local/cuda/lib64/    #複制動态連結庫

cd /usr/local/cuda/lib64/

sudo rm -rf libcudnn.so libcudnn.so.5    #删除原有動态檔案（最好去檔案夾下把有關cudnn的所有都删除，貌似是4個檔案，如果是第一次裝就無所謂了）

sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5  #生成軟銜接（根據解壓後的檔案夾内的具體版本号做相應調整，該版本以cudnn5.1為例）

sudo ln -s libcudnn.so.5 libcudnn.so      #生成軟連結

sudo ldconfig /usr/local/cuda/lib64

如果需要更新新的cudnn版本隻需要先删除/usr/local/cuda/lib64/中所有相關cudnn的檔案即可，然後重新配置

十、安裝mxnet

1、sudo apt-get update

   sudo apt-get install -y build-essential git libblas-dev libopencv-dev

2、git clone --recursive https://github.com/dmlc/mxnet

3、将mxnet/目錄裡找到mxnet/make/子目錄，把該目錄下的config.mk複制到mxnet/目錄，用文本編輯器打開，找到并修改以下三行：

   USE_CUDA = 1

   USE_CUDA_PATH = /usr/local/cuda

   USE_CUDNN = 1

4、mxnet/目錄下編譯

   make -j4

5、mxnet下cd python;

   sudo python setup.py install（是個坑，sudo用了會鎖上很多，需要解鎖）

6、cd mxnet/example/image-classification

   python train_mnist.py（會下載下傳資料集)

   或者python

       import mxnet

十一、可視化操作：

 一般運作程式時會在終端顯示每一步的準确率或者loss，如果想把終端上顯示出的資料統計繪圖，第一步先生成txt，方法是在運作程式代碼後 | tee 23.txt

  eg1：運作darknet時可視化  ./darknet detector train cfg/tiny-yolo.cfg tiny-yolo_8000.conv.9 2>1 | tee person_train_log.txt

  eg2:                       python train.py | tee loss.txt  

  運作完會在運作目錄下生成相應txt檔案

  把txt中的資料提取成數組并繪制相應圖像，用到了Python中的正則化，具體方法自行百度

十二、檢視軟連結              sudo ldconfig -v

     解鎖該目錄下所有檔案    sudo chmod 777 *

     合并txt                cat train.txt val.txt  > trainval.txt

十三、錄屏軟體

    在ubuntu軟體安裝下搜尋“recordmydesktop”，最高幀速50

十四、切換python3和python2

  sudo update-alternatives --install /usr/bin/python python /usr/local/lib/python2.7 100

  sudo update-alternatives --install /usr/bin/python python /usr/local/lib/python3.4 150

  sudo update-alternatives --config python

  切換的時候cudnn會出現錯誤，需要重新更新cudnn軟連結

十五：打開tensorboard

tensorboard --logdir=/模型路徑

十六、caffe安裝

首先安裝各種依賴包。

sudo apt-get update

sudo apt-get install -y build-essential cmake git pkg-config

sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev  libhdf5-serial-dev protobuf-compiler

sudo apt-get install -y libatlas-base-dev

sudo apt-get install -y--no-install-recommends libboost-all-dev

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

sudo apt-get install -y python-pip

sudo apt-get install -y python-dev

sudo apt-get install -y python-numpy python-scipy  

從github上clone caffe

git clone https://github.com/BVLC/caffe.git  //從github上git caffe

cd caffe

sudo cp Makefile.config.example Makefile.config

sudo gedit Makefile.config

打開之後修改如下内容:

根據需要去掉以下語句前的#

USE_CUDNN := 1 OPENCV_VERSION := 3WITH_PYTHON_LAYER := 1

修改以下語句：

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

修改makefile檔案

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

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

将上面的第一句改為第二句。

打開/usr/local/cuda/include/host_config.h，将其中的第115行注釋掉。系統盤會沒有改寫權限，用下邊的方法

sudo gedit /usr/local/cuda/include/host_config.h

#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!

改為

//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!

編譯

make all -j8

make runtest

make pycaffe

最後一個make如果出現錯誤的話，把Makefile.config裡的路徑改一下

PYTHON_INCLUDE := /usr/include/python2.7 \

        /usr/local/lib/python2.7/dist-packages/numpy/core/include

如果沒有報錯那麼就安裝成功了。

打開~/.bashrc

sudo gedit ~/.bashrc

寫入以下語句

export PYTHONPATH=~/caffe/python

關閉檔案，執行如下語句

source ~/.bashrc

在成功編譯caffe的源碼之後，可以在python環境中使用caffe。

在Ubuntu環境下，打開python解釋程式，輸入import caffe檢驗是否安裝正确

十七  theano

1、keras可以依托于tensorflow和theano

通過sudo gedit ~/.keras/keras.json更改keras的後端

 {

    "epsilon": 1e-07,

    "floatx": "float32",

    "image_data_format": "channels_first",

    "backend": "theano"

}

2、theano使用gpu進行加速時，需要配置

通過 sudo gedit ~/.theanorc

[global]

floatX=float32

device=cuda0

root=/usr/local/cuda-8.0  

[nvcc]

fastmath = True

flags=--machine=64

[lib]

cnmem=100