Ubuntu18.04.3 LTS + OpenCV3.4.6 + CUDA10.0 + CUDNN Caffe軟體下載下傳

文章目錄

• 配置環境
• 安裝依賴包
• 安裝CUDA10.0
• 安裝CUDNN
• 安裝OpenCV3.4.6
• 安裝caffe
• 測試caffe是否安裝成功
• 參考
• 相關軟體下載下傳

提示：為友善檔案下載下傳，文末提供CUDA10.0、CUDNN、OpenCV3.4.6、caffe軟體包

配置環境

• 硬體：
  • Intel® Core™ i9-9900K CPU @ 3.60GHz × 16
  • GeForce RTX 2080 Ti/PCIe/SSE2
• 軟體：Ubuntu18.04.3 LTS + OpenCV3.4.6 + CUDA10.0 + CUDNN

安裝依賴包

• 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

• sudo apt-get install git cmake build-essential

安裝CUDA10.0

1. CUDA官網選擇适合自己系統的版本下載下傳
2. 安裝CUDA10.0

• 指令

  sudo sh cuda_10.0.130_410.48_linux.run

1. 添加環境變量

• 打開 .bashrc檔案
• 添加如下環境

export CUDA_HOME=/usr/local/cuda

export PATH=$PATH: C U D A H O M E / b i n e x p o r t L D L I B R A R Y P A T H = / u s r / l o c a l / c u d a − 10.0 / l i b 64 CUDA_HOME/bin export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64 CUDAH​OME/binexportLDL​IBRARYP​ATH=/usr/local/cuda−10.0/lib64{LD_LIBRARY_PATH:》+:${LD_LIBRARY_PATH}}

• 重新整理配置檔案

source ~/.bashrc

1. 測試是否安裝成功

• 方法

  運作CUDA中例子

• 指令

cd /usr/local/cuda/samples/1_Utilities/deviceQuery

sudo make

./deviceQuery

安裝CUDNN

1. 官網選擇合适的安裝包下載下傳
2. 下載下傳完成後解壓進入檔案夾執行如下指令

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

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/

sudo chmod a+r /usr/local/cuda/include/cudnn.h

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

1. 測試CUDNN是否安裝成功

• 方法

  終端檢視CUDNN版本

• 指令

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

安裝OpenCV3.4.6

提示：為加快安裝速度，最好配置apt-get國内鏡像

1. 安裝依賴包

sudo apt-get install build-essential

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 libtiff5-dev libdc1394-22-dev # 處理圖像

sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev liblapacke-dev

sudo apt-get install libxvidcore-dev libx264-dev # 處理視訊

sudo apt-get install libatlas-base-dev gfortran # 優化opencv功能

sudo apt-get install ffmpeg

2.下載下傳OpenCV3.4.6

網站

Github

git clone -b 3.4.6 https://github.com/opencv/opencv

git clone https://github.com/opencv/opencv_contrib

1. 建立檔案夾執行如下指令

mkdir build

cd build

cmake -D CMAKE_BUILD_TYPE=Release

-D CMAKE_INSTALL_PREFIX=/usr/local/opencv346

-D PYTHON_DEFAULT_EXECUTABLE=$(which python3)

-D WITH_TBB=ON -D WITH_EIGEN=ON …

sudo make（建議使用sudo make -j8（我的電腦是8核，可以根據自己的電腦組態更改，一般使用-j4））

sudo make install

1. 配置環境變量

• 在/etc/ld.so.conf.d/下建立opencv.conf檔案
• 輸入 /usr/local/opencv346/lib

sudo ldconfig

sudo gedit /etc/bash.bashrc

• 檔案末尾添加：

PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/opencv346/lib/pkgconfig

export PKG_CONFIG_PATH

• 執行指令

source /etc/bash.bashrc

sudo updatedb

安裝caffe

測試caffe是否安裝成功

• 方法

  運作caffe中自帶的例子：mnist執行個體

• 操作

1. 下載下傳資料集

• 講解

1. mnist是一個手寫數字庫，由DL大牛Yan LeCun進行維護。mnist最初用于支票上的手寫數字識别, 現在成了DL的入門練習庫。征對mnist識别的專門模型是Lenet，算是最早的cnn模型了。
2. mnist資料訓練樣本為60000張，測試樣本為10000張，每個樣本為28*28大小的黑白圖檔，手寫數字為0-9，是以分為10類。

• 指令

sudo sh data/mnist/get_mnist.sh

• 結果

  運作成功後，在 data/mnist/目錄下有四個檔案：

  train-images-idx3-ubyte: 訓練集樣本 (9912422 bytes)

  train-labels-idx1-ubyte: 訓練集對應标注 (28881 bytes)

  t10k-images-idx3-ubyte: 測試集圖檔 (1648877 bytes)

  t10k-labels-idx1-ubyte: 測試集對應标注 (4542 bytes)

1. 将資料轉換為LMDB格式

• 講解

  資料需要轉為LMDB(leveldb)格式才可以使用

• 指令

sudo sh examples/mnist/create_mnist.sh

• 結果

  在 examples/mnist/目錄下，生成兩個檔案夾，分别是mnist_train_lmdb和mnist_test_lmdb，裡面存放的data.mdb和lock.mdb，就是我們需要的運作資料。

1. 運作

• 指令

sudo time sh examples/mnist/train_lenet.sh

• 結果

  CPU運作時候大約13分鐘，GPU運作時間大約4分鐘，GPU+cudnn運作時候大約40秒，精度都為99%左右

參考

https://blog.csdn.net/yhaolpz/article/details/71375762

https://www.cnblogs.com/denny402/p/5075490.html

https://blog.csdn.net/qq_32408773/article/details/84112166

https://blog.csdn.net/gj295983859/article/details/95182810

相關軟體下載下傳

連結: https://pan.baidu.com/s/13N3qRfPznYQY82xUB93NPQ 提取碼: ippn