AI模型搭建-2

三3，安装cudnn v5.1

到官网下载与您的操作系统和CUDA版本对应的cudnn 并通过winSCP等工具上传到主机制定目录 地址：https://developer.nvidia.com/rdp/cudnn-archive

切换到cudnn所在的目录下 ，输入命令：

tar zxvf cudnn-8.0-linux-x64-v5.0-ga.tgz #解压文件（tar zxvf 文件名），解压后cuda目录下有include和lib64两个文件夹。

cp cuda/include/cudnn.h /usr/local/cuda-8.0/include/ #复制头文件cudnn.h到/usr/local/cuda-8.0/include/目录下

cp cuda/lib64/lib* /usr/local/cuda-8.0/lib64/ 复制动态链接库文件lib*到/usr/local/cuda-8.0/lib64/目录下

mv /usr/lib/nvidia-375/libEGL.so.1 /usr/lib/nvidia-375/libEGL.so.1.org

mv /usr/lib32/nvidia-375/libEGL.so.1 /usr/lib32/nvidia-375/libEGL.so.1.org

ln -s /usr/lib/nvidia-375/libEGL.so.375.39 /usr/lib/nvidia-375/libEGL.so.1

ln -s /usr/lib32/nvidia-375/libEGL.so.375.39 /usr/lib32/nvidia-375/libEGL.so.1

以上红色命令待调整，若安装的nvidia驱动为384的版本，以上命令无效，需要输入对应的版本好，如nvidia-375修改为nvidia-384，，375.39修改为384.130（具体可进入相应目录查看版本号）

mv /usr/lib/nvidia-384/libEGL.so.1 /usr/lib/nvidia-384/libEGL.so.1.org

mv /usr/lib32/nvidia-384/libEGL.so.1 /usr/lib32/nvidia-384/libEGL.so.1.org

ln -s /usr/lib/nvidia-384/libEGL.so.384.130 /usr/lib/nvidia-384/libEGL.so.1

ln -s /usr/lib32/nvidia-384/libEGL.so.384.130 /usr/lib32/nvidia-384/libEGL.so.1

ln -s libcudnn.so.5.1.5 libcudnn.so.5 #生成软衔接

ln -s libcudnn.so.5 libcudnn.so #生成软链接

加上的一个环境变量声明，在文件~/.bashrc之后加上

vi ~/.bashrc

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}}

建立软连接

设置环境变量，输入命令

vi /etc/profile

在末尾加入以下两行：

PATH=/usr/local/cuda-8.0/bin:$PATH

export PATH

保存后，创建链接文件

vi /etc/ld.so.conf.d/cuda.conf

新增以下一行：

/usr/local/cuda-8.0/lib64

ldconfig #最后输入ldconfig使链接生效。，如未任何错误输出，则配置成功。

提示错误如下：

解决方法：

cd /usr/local/cuda-8.0/lib64

ls -l libcudnn.so

ls -l libcudnn.so.5

重新覆盖 添加软链接

ln -sf libcudnn.so.5.10 libcudnn.so.5

ln -sf libcudnn.so.5 libcudnn.so

ldconfig

最后成功

cuda Samples测试

完成后继续向终端输入

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

make

./deviceQuery

make时若出现“unsupported GNU version! gcc versions later than 5.3 arenot supported!”的错误（可以先忽略此错误，不用管），

这是由于GCC版本过高，在终端输入

vi /usr/local/cuda-8.0/include/host_config.h

ctrl+f寻找有“5.3”的地方，只有一处，如下

# if __GNUC__ > 5 || (__GNUC__ == 5 && __GNUC_MINOR__ > 3)

#error -- unsupported GNU version! gcc versions later than 5.3 are notsupported!

将5改成6，这样在GCC版本大于6的时候才报错，即

# if __GNUC__ > 6 || (__GNUC__ == 5 && __GNUC_MINOR__ > 3)

保存退出。

完成之后结果如下图返回GPU的信息所示，表示成功安装cuda。

注意：如果忘记文件路径，可以通过 find / -name xxx（xxx为要找的文件名） ，如：find / -name deviceQuery

ubuntu中查找软件的安装位置：如果知道是使用apt-get install命令安装的软件，可直接用命令 dpkg -L xxx 显示包含此软件包的所有位置，dpkg -L sxxx 显示安装路径 (xxx为要找的文件名)

如：dpkg -L nvidia-cuda-toolkit 反馈有如下地址：

/usr/share/doc/nvidia-cuda-toolkit

三4，安装caffe以及可视化工具digits

三4-1，安装必要依赖包，安装过程中如有交互，默认输入y 回车即可，依次输入以下命令：

apt-get install build-essential

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

apt-get install libatlas-base-dev libgflags-dev libgoogle-glog-dev liblmdb-dev

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

如遇以下报错：

/sbin/ldconfig.real: /usr/local/cuda-8.0/lib64/libcudnn.so.5 is not a symbolic link

解决办法是重新覆盖软链接：

ln -sf /usr/local/cuda-8.0/lib64/libcudnn.so.5.0.5 /usr/local/cuda-8.0/lib64/libcudnn.so.5

继续安装依赖包

apt-get install libblas-dev liblapack-dev libatlas-base-dev gfortran python-numpy

三4-2，安装pip和easy-install 依次输入以下命令：

cd #切换到/boot目录

wget --no-check-certificate https://bootstrap.pypa.io/ez_setup.py

python ez_setup.py --insecure

wget https://bootstrap.pypa.io/get-pip.py

python get-pip.py

三4-3．安装caffe及python依赖

apt-get install git #安装git

git clone https://github.com/BVLC/caffe.git #获取caffe源码（可cd到指定文件夹下下载）

三4-4，安装python依赖项

cd

cd caffe/python/ 切换到caffe的根目录下python文件夹下

依次执行下面2条命令：

apt-get install python-pip #caffe的python依赖库，需要安装pip

for req in $(cat "requirements.txt"); do pip install -

i https://pypi.tuna.tsinghua.edu.cn/simple $req; done

等待各程序下载完成即可。