随笔- 95 文章- 1 评论- 6 阅读- 21万

踩坑3-ubuntu caffe 环境配置

caffe的编译比预想复杂很多，其中设计到多个依赖库的配置，在linux下花费了好久，遇到问题就google,百度，最终终于完成啦！

1.安装caffe相关的依赖项

参考caffe官方的网站在ubuntu<17.04下的环境配置

1	`http://caffe.berkeleyvision.org/install_apt.html`

首先一般依赖项

1 2	`sudo apt-get` `install <br>libprotobuf-dev<br>libleveldb-dev <br>libsnappy-dev <br>libopencv-dev <br>libhdf5-serial-dev<br>protobuf-compiler` `sudo apt-get` `install --no-install-recommends libboost-all-dev`

CUDA

通过apt-getNVIDIA.run软件包安装。NVIDIA 软件包倾向于遵循更新的库和驱动程序版本，但安装更加手动。如果从包安装，请分别安装库和最新的驱动程序；与库捆绑的驱动程序通常已过时。对于仅 CPU 的安装，可以跳过这一步。

BLAS

OpenBLAS通过安装 ATLASsudo apt-get install libatlas-base-dev或通过 MKL 安装 OpenBLAS 以sudo apt-get install libopenblas-dev获得更好的 CPU 性能。

是一个开源的矩阵计算库，包含了诸多的精度和形式的矩阵计算算法。就精度而言，包括float和double，两种数据类型的数据，其矩阵调用函数也是不一样。不同矩阵，其计算方式也是有所不同，（姑且认为向量也是一维矩阵），例如，向量与向量之间的计算，向量与矩阵之间的计算，矩阵与矩阵之间的计算。

1	`sudo apt-get` `install libopenblas-dev`

python

安装默认python 版本

1	`sudo apt-get` `install python-dev`

ubuntu 需要使用CUDA8.0

2.环境配置异常记录

1.google库提示未安装，

从而无法安装protobuf（pip可以通过python 安装也可以通过conda安装）

1	`sudo pip install google<br># 然后再安装protobuf<br>sudo pip istall protobuf`

2.numpy python算法没有安装

1	`pip install numpy`

3.glog以及gflags、lmdb，level

glog是谷歌的google开发的日志实用库，提供基于c++标准输入输出流的接口。

gflags在cafe中主要进行命令行的解析。

lmdb和leveldb在caffe中主是是用于图像数据的存储，所有输入的图像都会转成该格式，以便于统一，另外可以提高磁盘的IO利用率。

4。编译过程报错统计

首先git clone caffe 源码

mkdir build
cd build
cmake ..
make all
make install
make runtest

编译过程遇到问题总结

1.虽然之前安装了boost，但是在cmake 时候提示无法找到boost 以及opencv ，后来发现是ubuntu 系统没有更新

参考

https://blog.csdn.net/harbor1981/article/details/86064888

在软件更新中勾选可从互联网下载，然后

1 2	`sudo apt-get` `update` `sudo apt-get` `upgrade #获取可更新软件`

2.ModuleNotFoundError: No module named 'google' 问题解决方案

https://blog.csdn.net/zhuquanfu/article/details/105445065

1 2	`sudo pip install google` `sudo pip install protobuf`

3.//usr/lib/x86_64-linux-gnu/libSM.so.6：对‘uuid_unparse_lower@UUID_1.0’未定义的引用

解决libapr-1.so.0：对‘uuid_generate@UUID_1.0’未定义的引用

https://www.codeleading.com/article/87512571131/

解决conda和ros库不兼容问题,libapr-1.so.0：对‘uuid_generate@UUID_1.0’未定义的引用https://yangbenbo.github.io/2020/11/10/%E8%A7%A3%E5%86%B3libapr-1-so-0%EF%BC%9A%E5%AF%B9%E2%80%98uuid-generate-UUID-1-0%E2%80%99%E6%9C%AA%E5%AE%9A%E4%B9%89%E7%9A%84%E5%BC%95%E7%94%A8/

locate第二个关键字属于的库：locate libuuid.so.1

/home/ct/anaconda3/lib/libuuid.so.1
/home/ct/anaconda3/lib/libuuid.so.1.0.0
/home/ct/anaconda3/pkgs/libuuid-1.0.3-h1bed415_2/lib/libuuid.so.1
/home/ct/anaconda3/pkgs/libuuid-1.0.3-h1bed415_2/lib/libuuid.so.1.0.0
/home/ct/research/projects/libuuid-1.0.3/.libs/libuuid.so.1
/home/ct/research/projects/libuuid-1.0.3/.libs/libuuid.so.1.0.0
/lib/x86_64-linux-gnu/libuuid.so.1
/lib/x86_64-linux-gnu/libuuid.so.1.3.0

这些就是第二个关键字的库的所有位置，我们想让ros使用系统的库/lib/x86_64-linux-gnu/libuuid.so.1，但是由于anaconda的存在，使用的却是/home/ct/anaconda3/lib/libuuid.so.1
可以分别查看这两种库使用的版本：

$ ll /lib/x86_64-linux-gnu/ |grep uuid
lrwxrwxrwx  1 root root      16 10月 10 17:34 libuuid.so.1 -> libuuid.so.1.3.0
-rw-r--r--  1 root root   18976 10月 10 17:34 libuuid.so.1.3.0

$ ll /home/ct/anaconda3/lib/ |grep uuid
-rw-rw-r--  2 ct   ct      26398 1月  12  2018 libuuid.a
-rwxrwxr-x  1 ct   ct        950 11月 28 09:09 libuuid.la*
lrwxrwxrwx  1 ct   ct         16 11月 28 09:09 libuuid.so -> libuuid.so.1.0.0*
lrwxrwxrwx  1 ct   ct         16 11月 28 09:09 libuuid.so.1 -> libuuid.so.1.0.0*
-rwxrwxr-x  2 ct   ct      18472 1月  12  2018 libuuid.so.1.0.0*

可以看出系统库使用的实际是1.3.0版本，而anaconda使用的是1.0.0版本

最后一步就是把anaconda中的库链接到系统的库（这种方法不一定是最好的，但是比较简单）

sudo rm /home/ct/anaconda3/lib/libuuid.so.1
sudo ln -s /lib/x86_64-linux-gnu/libuuid.so.1 /home/ct/anaconda3/lib/libuuid.so.1

4.搭建caffe环境时“error: hdf5.h”找不到的解决方法

https://blog.csdn.net/goofysong/article/details/52116265?%3E

搭建caffe环境时，在最后进行 ”$make all” 操作时，报错找不到 “hdf5.h”，找了半天原因，是因为在安装 “hdf5” 的时候使用的指令是

1	`$ sudo apt-get` `libhdf5-serial-dev`

所以相应的需要更改"Makefile.config"文件中的包含目录
ctrl+f 找到

1	`INCLUDE_DIRS:=$(PYTHON_INCLUDE) /usr/local/include`

然后在后面加上"serial"的包含目录，即：

1	`INCLUDE_DIRS:=$(PYTHON_INCLUDE) /usr/local/include/usr/include/hdf5/serial/`

接着需要更改相应的"Makefile"文件，找到

1	`LIBRARIES +=glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5`

更改最后两项为：

1	`LIBRARIES +=glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial`

就可以了，继续make了。
5 nvcc fatal : Unsupported gpu architecture 'compute_20'

仔细查看了一下 Makefile.config 中 CUDA_ARCH 设置未按规定设置：

# CUDA architecture setting: going with all of them.
# For CUDA < 6.0, comment the *_50 through *_61 lines for compatibility.
# For CUDA < 8.0, comment the *_60 and *_61 lines for compatibility.
# For CUDA >= 9.0, comment the *_20 and *_21 lines for compatibility.
CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \
                -gencode arch=compute_20,code=sm_21 \
                -gencode arch=compute_30,code=sm_30 \
                -gencode arch=compute_35,code=sm_35 \
                -gencode arch=compute_50,code=sm_50 \
                -gencode arch=compute_52,code=sm_52 \
                -gencode arch=compute_60,code=sm_60 \
                -gencode arch=compute_61,code=sm_61 \
                -gencode arch=compute_61,code=compute_61