GTX1080+Cuda8.0+Cudnnv5+caffe+faster-rcnn

2020-05-17 原文

之前在一个不支持Cuda的电脑上配置了faster-rcnn，走了很多弯路，不过最终demo还是运行出来了。因为cpu运行速度太慢，故在支持GPU的电脑上重新配置。

经过两天坚持不懈，终于在Ubuntu14.04系统上将faster-rcnn 成功配置。过程中踩过无数个坑，遇到很多错误，幸运的是这些错误都解决了，因此撰写该博客记录faster-rcnn的配置过程，以及对配置过程中遇到的错误提供解决办法，避免今后再配置caffe时又踩坑。

电脑配置

系统：Ubuntu14.04
GPU:NVIDIA GTX1080

安装caffe过程参考博客：http://blog.csdn.net/xuzhongxiong/article/details/52717285 和http://blog.csdn.net/u012177034/article/details/52102676

1.安装相关依赖项

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

2.安装NVIDIA驱动

（1）查询NVIDIA驱动

首先去官网(http://www.nvidia.com/Download/index.aspx?lang=en-us)查看适合自己显卡的驱动：

图1.显卡驱动查询
例如本人电脑的显卡驱动如下图：

图2.显卡驱动版本

（2）安装驱动

安装之前先卸载已经存在的驱动版本：

sudo apt-get remove --purge nvidia*

若电脑是集成显卡（NVIDIA独立显卡忽略此步骤），需要在安装之前禁止一项：

sudo service lightdm stop

执行以下指令安装驱动：

sudo add-apt-repository ppa:xorg-edgers/ppa 
sudo apt-get update 
sudo apt-get install nvidia-367 #注意在这里指定自己的驱动版本！

安装完成之后输入以下指令进行验证：

sudonvidia-smi

若列出了GPU的信息列表则表示驱动安装成功。

3.安装CUDA

CUDA是NVIDIA的编程语言平台，想使用GPU就必须要使用cuda。

（1）下载CUDA

首先在官网上(https://developer.nvidia.com/cuda-downloads)下载CUDA：

图3.CUDA下载

（2）安装CUDA

下载完成后执行以下命令：

sudo sh cuda_8.0.27_linux.run

注意：执行后会有一系列提示让你确认，但是注意，有个让你选择是否安装nvidia361驱动时，一定要选择否：

InstallNVIDIA AcceleratedGraphicsDriver for Linux-x86_64361.62?

因为前面我们已经安装了更加新的nvidia367，所以这里不要选择安装。其余的都直接默认或者选择是即可。
可能出现的错误：
当出现“unsupport complier”错误时，说明gcc版本太高，需要降低gcc版本。解决办法如下：
以gcc4.9与g++4.9为例
安装低版本gcc与g++：

apt-get install gcc-4.9g++-4.9

之后进入/usr/bin:

先删除和gcc5.0关联的gcc:
再建个软连接

（3）环境变量配置

打开~/.bashrc文件：

将以下内容写入到~/.bashrc尾部：

（4）测试CUDA的sammples

如果现实一些关于GPU的信息，则说明安装成功。

4.配置cuDNN

cuDNN是GPU加速计算深层神经网络的库。首先去官网(https://developer.nvidia.com/rdp/cudnn-download)下载cuDNN,可能需要注册一个账号才能下载。由于本人的显卡是GTX1080，所以下载版本号如下图：图4.cuDNN下载下载cuDNN5.1之后进行解压，cd进入cuDNN5.1解压之后的include目录，在命令行进行如下操作：

再将cd进入lib64目录下的动态文件进行复制和链接：

5.安装opencv3.1

使用完上面的命令后，依赖已经安装完毕，但是由于Ubuntu 14.04版本的原因，导致opencv相关的环境不能够正常的work。所以，我重新编译了一个OpenCV，版本为3.1.0。

在解压后的目录中执行：

bigtop@bigtop-Sdcos-Hypervisor:~/tools/opencv-3.1.0$  cmake -DBUILD_TIFF=ON

然后执行make 和make install

以上是我亲自试过的。。

从官网(http://opencv.org/downloads.html)下载OpenCV,并将其解压到你要安装的位置，假设解压到了/home/opencv。

安装前准备，创建编译文件夹：

配置：
编译：
以上只是将opencv编译成功，还没将opencv安装，需要运行下面指令进行安装：

可能会出现的错误：
错误内容1：

说明gcc与g++版本不兼容，解决办法跟gcc版本太高时一样：
安装低版本gcc与g++：
之后进入/usr/bin:
先删除和gcc5.0关联的gcc:
再建个软连接
错误内容2：

这是因为opecv3.0与cuda8.0不兼容导致的。解决办法：
修改～/opencv/modules/cuDalegacy/src/graphcuts.cpp文件内容，如图：

图5.文件修改

6.配置caffe

（1）将终端cd到要安装caffe的位置。
（2）从github上获取caffe：

注意：若没有安装Git，需要先安装Git：

（3）因为make指令只能make Makefile.config文件，而Makefile.config.example是caffe给出的makefile例子，因此，首先将Makefile.config.example的内容复制到Makefile.config：

（4）打开并修改配置文件：

根据个人情况修改文件：
a.若使用cudnn，则

b.若使用的opencv版本是3的，则

c.若要使用Python来编写layer，则

1配置python layers

2安装几个依赖

安装依赖库：

$ sudo apt-getinstall python-numpypython-scipy-matplotlib-sklearn-skimage-h5py-protobuf-leveldb-networkx-nose-pandas-gflagsCython ipython
install protobuf-c-compilerprotobuf-compiler

编译：

添加~/caffe/python到$PYTHONPATH：

# 添加： export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH

$source/etc/profile# 使之生效
测试是否可以引用： cd caffe/python

在此过程中，可能会出现各种和python相关的包缺失问题，这里记录下，以便查询：

A》将caffe-fast-rcnn/python目录下的requirements下的依赖都装一遍：

bigtop@bigtop-Sdcos-Hypervisor:~/py-faster-rcnn/caffe-fast-rcnn/python$ cat requirements.txt 
Cython>=0.19.2
numpy>=1.7.1
scipy>=0.13.2
scikit-image>=0.9.3
matplotlib>=1.3.1
ipython>=3.0.0
h5py>=2.2.0
leveldb>=0.191
networkx>=1.8.1
nose>=1.3.0
pandas>=0.12.0
python-dateutil>=1.4,<2
protobuf>=2.5.0
python-gflags>=2.0
pyyaml>=3.10
Pillow>=2.3.0
six>=1.1.0

执行如下命令：

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

这里有一个小技巧，因为pip这个工具对应的网络非常的烂：

这个时候，可以将其改为国内的镜像网站，速度将提升几个数量级，方法如下：

新建~/.pip/pip.confg文件，内容如下：

[global]
index-url = http://pypi.douban.com/simple

trusted-host = pypi.douban.com

或者在安装一个软件包的时候使用-i选项：

在我安装requirements.txt中涉及的依赖包的过程中，发现matplotlib始终没有安装成功，最后采用apt-get的方式进行了安装，如下：

sudo apt-get install python-matplotlib

将
#WITH_PYTHON_LAYER := 1 
修改为 
WITH_PYTHON_LAYER := 1

d.重要的一项:
将# Whatever else you find you need goes here.下面的

这是因为ubuntu14.04的文件包含位置发生了变化，尤其是需要用到的hdf5的位置，所以需要更改这一路径.
（5）修改makefile文件
打开makefile文件，做如下修改：

（6）编辑/usr/local/cuda/include/host_config.h
将其中的第115行注释掉：

（7）编译

编译过程中可能会出现如下错误：
错误内容1：

解决办法：
step1:在Makefile.config文件的第85行，添加/usr/include/hdf5/serial/ 到 INCLUDE_Dirs，也就是把下面第一行代码改为第二行代码。

stept2:在Makefile文件的第173行，把 hdf5_hl 和hdf5修改为hdf5_serial_hl 和 hdf5_serial，也就是把下面第一行代码改为第二行代码。

错误内容2：

解决办法是将一些文件复制到/usr/local/lib文件夹下：

（8）测试

图6.caffe测试结果
到此caffe配置完毕！

MNIST数据集测试

配置caffe完成后，我们可以利用MNIST数据集对caffe进行测试，过程如下：
1.将终端定位到Caffe根目录

cd  ~/caffe

2.下载MNIST数据库并解压缩

./data/mnist/get_mnist.sh

3.将其转换成Lmdb数据库格式

./examples/mnist/create_mnist.sh

4.训练网络

 ./examples/mnist/train_lenet.sh

训练的时候可以看到损失与精度数值，如下图：

图7.MNIST数据集训练
可以看到最终训练精度是0.9914。

faster-rcnn提出论文：《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》

faster-rcnn 的算法详解可看这篇博文（清晰易懂，良心博文！）：http://blog.csdn.net/shenxiaolu1984/article/details/51152614

faster-rcnn Python版本源码地址：https://github.com/rbgirshick/py-faster-rcnn

这篇文章主要介绍搭建用faster-rcnn进行目标检测所需的环境。参考博客地址：http://blog.csdn.net/u011070171/article/details/52399317

1.配置caffe所需的环境

上面已经配置完caffe环境：依赖库修改Ｍakeconfig，opencv3.1，python

2.下载faster-rcnn python版本源码

gitclone--recursivehttps://github.com/rbgirshick/py-faster-rcnn.git

3. 进入/py-faster-rcnn/lib 进行编译

cdpy-faster-rcnn/lib
make

4.编译/py-faster-rcnn/caffe-fast-rcnn

cdpy-faster-rcnn/caffe-fast-rcnn

cpMakefile.config.exampleMakefile.config

更改Makefile.config文件：

#InyourMakefile.config,makesuretohavethislineuncommented
WITH_PYTHON_LAYER:=1
#Unrelatedly,it'salsorecommendedthatyouuseCUDNN
USE_CUDNN:=1

进行编译：

make-j8&&makepycaffe

因为这个版本所用的cudnn为旧版本的，可能与新环境的cudnn不兼容，导致出现如下错误：

Infileincludedfrom./include/caffe/util/cudnn.hpp:5:0,
from./include/caffe/util/device_alternate.hpp:40,
from./include/caffe/common.hpp:19,
from./include/caffe/util/db.hpp:6,
fromsrc/caffe/util/db.cpp:1:
/usr/local/cuda/include/cudnn.h:803:27:note:declaredhere
cudnnStatus_tCUDNNWINAPIcudnnSetPooling2dDescriptor(
^
make:***[.build_release/src/caffe/util/db.o]Error1
make:***Waitingforunfinishedjobs....

解决办法：

1).将/py-faster-rcnn/caffe-fast-rcnn/include/caffe/util/cudnn.hpp 换成最新版的caffe里的cudnn的实现，即相应的cudnn.hpp.

2).将/py-faster-rcnn/caffe-fast-rcnn/src/caffe/layer里的，所有以cudnn开头的文件，例如cudnn_lrn_layer.cu，cudnn_pooling_layer.cpp，cudnn_sigmoid_layer.cu。

都替换成最新版的caffe里的相应的同名文件。

5.运行faster-rcnn里的demo

cdpy-faster-rcnn/tools
./tools/demo.py

如果还有问题

faster rcnn 代码默认是使用的cudnn v4,但是为了体验最新的v5,或者使用GTX1080,我们编译faster rcnn的时候就会报错：

In file included from ./include/caffe/util/cudnn.hpp:5:0,

from ./include/caffe/util/device_alternate.hpp:40,

from ./include/caffe/common.hpp:19,

from src/caffe/data_reader.cpp:6:

/usr/local/cuda/include/cudnn.h:799:27: note: declared here

cudnnStatus_t CUDNNWINAPI cudnnSetPooling2dDescriptor(

为此提供2种解决方案：

（1）取自github @manipopopo

cd caffe-fast-rcnn Gitremote add caffe https://github.com/BVLC/caffe.git git fetch caffe git merge caffe/masterRemove self_.attr("phase") = static_cast<int>(this->phase_); from include/caffe/layers/python_layer.hpp after merging.

（2）手动修改文件，参考了卜居大神的博客http://blog.csdn.net/kkk584520/article/details/51163564
方案1简单方便，但是当我们编译的是其他人修改过得源码，可能就会出错。方案2 步骤如下：

1. 用最新caffe源码的以下文件替换掉faster rcnn 的对应文件

include/caffe/layers/cudnn_relu_layer.hpp,src/caffe/layers/cudnn_relu_layer.cpp,src/caffe/layers/cudnn_relu_layer.cu

include/caffe/layers/cudnn_sigmoid_layer.hpp,src/caffe/layers/cudnn_sigmoid_layer.cpp,src/caffe/layers/cudnn_sigmoid_layer.cu

include/caffe/layers/cudnn_tanh_layer.hpp,src/caffe/layers/cudnn_tanh_layer.cpp,src/caffe/layers/cudnn_tanh_layer.cu

2. 用caffe源码中的这个文件替换掉faster rcnn 对应文件

include/caffe/util/cudnn.hpp

3. 将 faster rcnn 中的src/caffe/layers/cudnn_conv_layer.cu 文件中的所有

cudnnConvolutionBackwardData_v3 函数名替换为cudnnConvolutionBackwardData

cudnnConvolutionBackwardFilter_v3函数名替换为cudnnConvolutionBackwardFilter

问题二：opencv环境和caffe-fast-rcnn默认的Makefile配置有点小问题，cv::imread(cv:: String const&,int)找不到：

解决方案：

在一切都正常的情况下，对caffe-fast-rcnn进行make和make pycaffe的结果如下：

编译好caffe-fast-rcnn后，在py-faster-rcnn/lib中执行make命令：
bigtop@bigtop-Sdcos-Hypervisor:~/py-faster-rcnn/lib$ make
python setup.py build_ext --inplace
running build_ext
skipping 'utils/bBox.c' Cython extension (up-to-date)
skipping 'nms/cpu_nms.c' Cython extension (up-to-date)
skipping 'pycocotools/_mask.c' Cython extension (up-to-date)
rm -rf build
bigtop@bigtop-Sdcos-Hypervisor:~/py-faster-rcnn/lib$
问题三：
No module named skimage.io:

问题四：
下面这个问题是因为缺少，easydict,使用 sudo pip install easydict可以解决：
bigtop@bigtop-Sdcos-Hypervisor:~/py-faster-rcnn/tools$ python demo.py --cpu
Traceback (most recent call last):
 File "demo.py",line 17,in <module>
 from fast_rcnn.config import cfg
 File "/home/bigtop/py-faster-rcnn/tools/../lib/fast_rcnn/config.py",line 23,in <module>
 from easydict import EasyDict as edict
ImportError: No module named easydict
bigtop@bigtop-Sdcos-Hypervisor:~/py-faster-rcnn/tools$ sudo pip install easydict
Downloading/unpacking easydict
 Downloading easydict-1.6.zip
 Running setup.py (path:/tmp/pip_build_root/easydict/setup.py) egg_info for package easydict

Installing collected packages: easydict
 Running setup.py install for easydict

 Could not find .egg-info directory in install record for easydict
Successfully installed easydict
Cleaning up...

sudo pip install easydict
问题五：
这个问题是因为scipy安装出现问题，将其删掉：rm -fr /tmp/pip_build_root/scipy/，然后重新安装可以解决：
d --compile Failed with error code 1 in /tmp/pip_build_root/scipy
Traceback (most recent call last):
 File "/usr/bin/pip",line 9,in <module>
 load_entry_point('pip==1.5.4','console_scripts','pip')()
 File "/usr/lib/python2.7/dist-packages/pip/__init__.py",line 235,in main
 return command.main(cmd_args)
 File "/usr/lib/python2.7/dist-packages/pip/basecommand.py",line 161,in main
 text = '\n'.join(complete_log)
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe2 in position 98: ordinal not in range(128)
问题六：
报下面这个错误，是因为caffe的环境都没有准备好，很有可能是没有执行make pycaffe:
Traceback (most recent call last):
 File "detector.py",line 29,in <module>
 import caffe
 File "/python/caffe/__init__.py",line 1,in <module>
 from .pycaffe import Net
 File "/caffe/pycaffe.py",line 6,in <module>
 from ._caffe import CaffeNet
ImportError: No module named _caffe
问题七：
error: undefined reference to `TIFFIsTiled@LIBTIFF_4.0'
error: undefined reference to `TIFFIsTiled@LIBTIFF_4.0'
这个就是上文中提到的，使用ubuntu自带的opencv库会出现的问题，解决办法就是重新编译opencv。
问题八：
ImportError:Nomodulenamedyaml

problem: I got the "ImportError: No module named yaml " error when I attemptedto install NLTK toolkit to my ubuntu system.

solution:

yaml library for python seems to not be installed on your system.

On ubuntu system just do a :

sudo apt-get install python-yaml

On windows

easy_installpython-yaml

easy_install rosinstall

cd/usr/binsudorm gcc
sudorm g++sudoln-sgcc-4.9gcc
sudoln-sg++-4.9g++sudovim ~/.bashrcexportPATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
exportLD_LIBRARY_PATH=/cuda8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}cd/usr/local/cuda-8.0/samples/1_Utilities/deviceQuerymakesudo ./deviceQuerysudo cp cudnn.h /usr/local/cuda/include/#复制头文件sudocp lib* /usr/local/cuda/lib64/#复制动态链接库
cd/usr/local/cuda/lib64/sudorm -rf libcudnn.so libcudnn.so.5#删除原有动态文件
sudoln-slibcudnn.so.5.0.5libcudnn.so.#生成软衔接
5libcudnn.so#生成软链接cd~/opencv
mkdir build
cdbuildcmake -DCMAKE_BUILD_TYPE=Release-DCMAKE_INSTALL_PREFIX=/usr/local ..make-j8 #-j8表示并行计算，根据自己电脑的配置进行设置，配置比较低的电脑可以将数字改小或不使用，直接输make。sudomake installgcc-4.9:errortryingtoexec'cc1plus': execvp:
没有那个文件或目录sudoapt-get install gcc-4.9g++-4.9cd/usr/binsudorm gcc
sudorm g++sudoln-sgcc-4.9gcc
sudoln-sg++-4.9g++modules/cuDalegacy/src/graphcuts.cpp:120:54:error:
‘NppiGraphcutState’ hasnotbeen declared
typedef NppStatus (*init_func_t)(NppiSize oSize,
NppiGraphcutState** ppState,Npp8u* pDeviceMem);gitclonehttps://github.com/BVLC/caffe.gitsudoapt-get install gitsudocpMakefile.config.exampleMakefile.configsudogedit Makefile.config#打开Makefile.config文件将
#USE_CUDNN := 1
修改成：
USE_CUDNN :=1将
#OPENCV_VERSION := 3
修改为：
OPENCV_VERSION :=3#In your Makefile.config,make sure to have this line uncommented WITH_PYTHON_LAYER := 1 # Unrelatedly,it's also recommended that you use CUDNN USE_CUDNN := 1cython,python-opencv,easydictsudo apt-get install python-opencv sudo pip install cython easydict$cd ~/caffe
$make pycaffe$sudogedit /etc/profile$ python
Python2.7.6(default,Jun222015,17:58:13)
[GCC4.8.2] on linux2
Type"help","copyright",0)">"credits"or"license"formore information.
>>>importcaffe
>>>INCLUDE_Dirs := $(PYTHON_INCLUDE) /usr/local/include LIBRARY_Dirs := $(PYTHON_LIB) /usr/local/lib /usr/lib 修改为： INCLUDE_Dirs local/include /usr/include/hdf5/serial LIBRARY_Dirs local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial将： NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS) 替换为： NVCCFLAGS += -D_FORCE_INLInes -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)将 #error-- unsupported GNU version! gcc versions later than 4.9 are not supported! 改为 //#-- unsupported GNU version! gcc versions later than 4.9 are not supported!make all -j8 #-j根据自己电脑配置决定"Fatal error: hdf5.h: 没有那个文件或目录"将： INCLUDE_Dirs := $(PYTHON_INCLUDE) /usr/local/include 替换为： INCLUDE_Dirs include /usr/include/hdf5/serial/将： LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5 改为： LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial"libcudart.so.8.0 cannot open shared object file: No such file or directory"#注意自己CUDA的版本号！ sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.0 && sudo ldconfig sudo 8.0/lib64/libcublas.0 /usr/local/lib/libcublas8.0/lib64/libcurand.0 /usr/local/lib/libcurand.0 && sudo ldconfigsudo make runtest