一、参考链接:

https://github.com/dusty-nv/jetson-inference
https://github.com/NVIDIA/DIGITS/blob/digits-6.0/docs/BuildDigits.md

https://github.com/NVIDIA/DIGITS/blob/digits-6.0/docs/BuildCaffe.md

二、安装步骤:

在阅读本教程之前,请确保自己已经按照要求完成Ubuntu 16.04主机与Jetson的连接刷机,并在主机上安装好了Jetpack。

1、安装英伟达的驱动

需要在主机PC上安装NVIDIA PCIe驱动程序才能实现GPU加速训练。从主机PC运行以下命令安装NVIDIA驱动程序:

sudo apt-get install nvidia-384       # 我用的是nvidia-410
sudo reboot

重新启动之后,通过lsmod命令列出nvidia驱动程序的相关信息:

lsmod | grep nvidia

要验证CUDA工具包和NVIDIA驱动程序是否正常工作,请运行CUDA示例附带的一些测试:(这一步可以跳过,但最好还是验证一下):

cd /usr/local/cuda/samples
sudo make
cd bin/x86_64/linux/release/
./deviceQuery
./bandwidthTest --memory=pinned

2、安装cuDNN

下一步是在主机PC上安装NVIDIA cuDNN库。从NVIDIA cuDNN网页下载libcudnn和libcudnn软件包(需要登录英伟达官网):

https://developer.nvidia.com/cudnn

更具CUDA的版本选择合适的cuDNN版本下载,我的CUDA版本是9.0所以选择第三个,在Ubuntu 16.04的三个Deb文件都下载下来:

下载完成后进入下载文件的目录下,执行以下命令:

sudo dpkg -i libcudnn<version>_amd64.deb
sudo dpkg -i libcudnn-dev_<version>_amd64.deb
sudo dpkg -i libcudnn-doc_<version>_amd64.deb

3、安装NVcaffe

NVcaffe是Caffe的NVIDIA分支,优化了GPU。 NVcaffe需要cuDNN,并由DIGITS用于训练DNN。要安装它,请从GitHub复制NVcaffe repo,并使用caffe-0.15分支从源代码编译。

首先,安装相关的依赖文件:

sudo apt-get install --no-install-recommends build-essential cmake git gfortran libatlas-base-dev libboost-filesystem-dev libboost-python-dev libboost-system-dev libboost-thread-dev libgflags-dev libgoogle-glog-dev libhdf5-serial-dev libleveldb-dev liblmdb-dev libopencv-dev libsnappy-dev python-all-dev python-dev python-h5py python-matplotlib python-numpy python-opencv python-pil python-pip python-pydot python-scipy python-skimage python-sklearn

下载caffe 0.15的源码:

export CAFFE_ROOT=~/caffe       ##把caffe路径写入CAFFE_ROOT变量中
git clone https://github.com/NVIDIA/caffe.git $CAFFE_ROOT -b 'caffe-0.15'

控制台进入caffe文件目录下,安装caffe的相关PyPI 包,这里caffe中原有的requirements.txt需要进行若干修改,否则会在之后的安装中出现很大的麻烦,修改后的文件如下所示:

Cython>=0.19.2
numpy>=1.7.1
scipy>=0.13.2
scikit-image>=0.9.3,<=0.10.1
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
protobuf>=2.5.0
python-gflags>=2.0
pyyaml>=3.10
Pillow>=2.3.0
six>=1.1.0

保存之后执行以下命令,一定不要忘了最后的--user:

pip install -r $CAFFE_ROOT/python/requirements.txt --user

最后使用CMake对caffe进行编译,推荐用这种方式,而不是make all的方式:

cd $CAFFE_ROOT
mkdir build
cd build
cmake ..
make -j"$(nproc)"
make install

4.编译DIGITS

先决条件,运行以下的命令,获取一些包存储库的路径:

CUDA_REPO_PKG=http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_8.0.61-1_amd64.deb
$ ML_REPO_PKG=http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb# Install repo packages
wget "$CUDA_REPO_PKG" -O /tmp/cuda-repo.deb && sudo dpkg -i /tmp/cuda-repo.deb && rm -f /tmp/cuda-repo.deb
wget "$ML_REPO_PKG" -O /tmp/ml-repo.deb && sudo dpkg -i /tmp/ml-repo.deb && rm -f /tmp/ml-repo.deb# Download new list of packages
sudo apt-ge

安装依赖项:

sudo apt-get install --no-install-recommends git graphviz python-dev python-flask python-flaskext.wtf python-gevent python-h5py python-numpy python-pil python-pip python-scipy python-tk

下载源码:

# example location - can be customized
DIGITS_ROOT=~/digits
git clone https://github.com/NVIDIA/DIGITS.git $DIGITS_ROOT

Python包的安装,首先进入digits文件目录:

pip install -r $DIGITS_ROOT/requirements.txt --user

启动服务器,在digits文件路径下,执行下面的命令,出现图示的结果则大功告成:

./digits-devserver

在浏览器中打开:http://localhost:5000/

Ubuntu16.04+caffe+DIGITS的安装配置指南相关推荐

  1. Ubuntu16.04+caffe+digits安装配置

    注:本文主要介绍的是如何在ubuntu16.04系统下安装caffe以及可视化工具digits,至于cuda和cudnn的安装配置在我前一篇文章http://blog.csdn.net/cdwxx12 ...

  2. Ubuntu 10.04 安装配置指南

    Ubuntu 10.04 安装配置指南 作者: Jandy 版本:1004.1.0504 --- 目录 〇. 准备 一. 安装 二. 配置 三. 输入法 四. Flash 五. 附录 六. 更新 -- ...

  3. Ubuntu16.04 + 1080Ti深度学习环境配置教程

    本文为配置GPU深度学习机器的详细教程,包括显卡驱动安装,GUDA.CUDNN安装,深度学习框架安装等等,请按此教程从头一步一步设置,过程中遇到所有问题都可以在这些步骤中找到解决方案,最折磨人的就是环 ...

  4. 【Ubuntu-Opencv】Ubuntu14.04 Opencv3.3.0 安装配置及测试

    Ubuntu14.04 Opencv3.3.0 安装配置及测试 网上有许多的Opencv的安装方法,不过找到一个适合自己的安装路数才最为重要,笔者整理了一下自己的安装配置测试过程,仅供学习参考. ## ...

  5. 踩坑NVIDIA Jetson TX2、Ubuntu16.04、ROS Kinetic安装

    踩坑NVIDIA Jetson TX2.Ubuntu16.04.ROS Kinetic安装 摘要 一.NVIDIA Jetson TX2环境配置 1.1开机使用图形化界面 1.2刷机 1.3修改TX2 ...

  6. tesla p100 linux,Ubuntu16.04深度学习开发环境配置(TeslaP100+cuda9.0+tensorflow)

    Ubuntu16.04深度学习开发环境配置(TeslaP100+cuda9.0+tensorflow) 1. 显卡驱动安装 选择对应显卡型号的驱动下载 https://www.nvidia.com/D ...

  7. Win10 Terminal + WSL 2 安装配置指南,精致开发体验 - 知乎 (zhihu.com)

    Win10 Terminal + WSL 2 安装配置指南,精致开发体验 - 知乎 (zhihu.com) https://zhuanlan.zhihu.com/p/273237897

  8. 服务器证书安装配置指南(Nginx)-天威诚信

    服务器证书安装配置指南(Nginx) 一.生成证书请求 您需要使用CSR生成工具来创建证书请求.    1.下载AutoCSR:   http://www.itrus.cn/soft/autocsr. ...

  9. Ubuntu16.04(64位)下安装和破解source insight4

    破解文件如下: https://pan.baidu.com/s/1i5qtbJv 首先 apt-get install wine 然后 winetricks wininet 然后下载sourceins ...

最新文章

  1. 去分库分表的亿级数据NewSQL实践之旅
  2. 显卡驱动程序卸载以及安装
  3. 6 MyBatis基于Mapper接口CURD
  4. 还在对Matplotlib繁琐的图层设置感到烦恼!?快来看看这个Python绘图工具包吧
  5. mysql 转换编码
  6. 信息安全工程师笔记-操作系统安全保护
  7. 运维常用进程查看命令
  8. 通过路由远程计算机重启,路由器怎么重启?这几种方法教你重启怎么弄!
  9. 深入解剖 linux内存管理之mmap
  10. H.264 sequence parameter sets成员值含义学习笔记
  11. Qt编写自定义控件:卷轴式数字滚动
  12. 人人商城小程序下单付款报错:“服务器暂时无法处理您的请求,请稍后再试”
  13. Linux Emacs 配置c++
  14. Springboot+ssm高校会议预约系统javaweb
  15. python字典的key提取_python 字典操作提取key,value
  16. ABB机器人紧凑型控制柜内部结构(图)
  17. (c语言)自写求字符串长度函数
  18. excel图片技巧:如何为报表配上节日祝福动画
  19. sniffer-agent
  20. 微软服务器模式表格多维,用挖掘功能实现多元回归分析

热门文章

  1. 【Kotlin】Kotlin 函数总结 ( 具名函数 | 匿名函数 | Lambda 表达式 | 闭包 | 内联函数 | 函数引用 )
  2. 【Java 解析全国地址】Java 利用正则表达式完美解析全国省市区地址
  3. 笔记-GPS设备定位方式
  4. J2ME结构与相关规范介绍(转)
  5. 自适应简约风格个人主页html源码
  6. Jupyter离线安装部署
  7. C语言编程练习,扫雷游戏
  8. C++核心编程笔记——内存分区模型(出自b站黑马程序员视频)
  9. 微软智力题以及参考答案
  10. CSS3 实现 loading 动画效果