首先吐个槽，ubuntu + nvidia的显卡驱动简直是反人类，害的我折腾了一天多。

一、问题及解决办法

寒假放假回家没事干，正好给家里电脑升级了显卡gtx1050可以跑跑CNN。我在实验室的显卡是560，比较老了，按着实验室的环境配置流程走下来居然不能用，症状就是在Python中不能成功的import caffe，然后重启后无限循环登录。

问题：

不能进入ubuntu的图形界面，在登录界面循环。

解决办法：

Nvidia显卡驱动的锅，卸载显卡驱动，按Ctrl+Alt+F1进入终端模式登录，输入命令

[html]view plain copy sudoapt-getremove--purgenvidia* 卸载显卡驱动，然后重启计算机，命令如下：[html]view plain copy sudoreboot 现在就可以登录图形界面进行cuda + cudnn + caffe的环境配置了。

二、安装流程

2.1 Opencv安装

在caffe中其实是调用了Opencv的一些服务的，因此我们首先需要安装Opencv，安装流程如下： （1）在Opencv官网下载/downloads.html需要的Opencv linux版的安装包，这里我选择的Opencv 2.4.12； （2）依赖包的安装，主要命令如下：[html]view plain copy sudoapt-getinstallbuild-essentialsudoapt-getinstalllibgtk2.0-devlibavcodec-devlibavformat-devlibtiff4-devlibswscale-devlibjasper-devsudoapt-getinstallcmakesudoapt-getinstallpkg-config （3）把Opencv安装包解压，放到某目录下，这里我是放到了home目录下，在Opencv的目录下新建文件夹为release，在终端中进入Opencv的release目录，运行如下命令：[html]view plain copy cmake-DCMAKE_BUILD_TYPE=RELEASE-DCMAKE_INSTALL_PREFIX=/usr/local.. （4）使用如下命令编译Opencv并安装：[html]view plain copy makesudomakeinstall 至此Opencv已经安装完成，可以使用codeblocks建工程使用Opencv进行测试，方法见我的一篇博文《Ubuntu下codeblocks安装配置方法及opencv配置方法》

2.2 配置其他依赖

这里我有一个shell脚本文件，可以把它复制到一个新的.sh文件中，并使用如下命令给该.sh文件赋予运行的权限(xxx表示文件名）[html]view plain copy sudochmoda+xxxx.sh 运行该shell脚本[html]view plain copy sh./xxx.sh shell脚本内容如下：[html]view plain copy #!/bin/bash#ATLASecho"===========atlas=============="apt-get-yinstalllibatlas-base-dev#snappyecho"===========snappy=============="#apt-get-yinstallsnappyapt-get-yinstalllibsnappy-dev#boostecho"===========boost=============="apt-get-yinstalllibboost-devapt-get-yinstalllibboost-filesystem-devapt-get-yinstalllibboost-system-devapt-get-yinstalllibboost-thread-devapt-get-yinstalllibboost-python-dev#protobufecho"===========protobuf=============="apt-get-yinstalllibprotobuf-devapt-get-yinstallprotobuf-compilerapt-get-yinstallpython-protobuf#leveldbecho"===========leveldb=============="apt-get-yinstalllibleveldb-dev#lmdbecho"===========lmdb=============="apt-get-yinstallliblmdb-dev#hdf5echo"===========hdf5=============="apt-get-yinstalllibhdf5-dev#glogecho"===========glog=============="apt-get-yinstalllibgoogle-glog-dev#gflagecho"===========gflag=============="apt-get-yinstalllibgflags-dev#cythonecho"===========cython=============="apt-get-yinstallcython#scipyecho"===========scipy=============="apt-get-yinstallpython-scipy#scikit-imageecho"===========scikit-image=============="apt-get-yinstallpython-skimage#pyyamlecho"===========pyyaml=============="apt-get-yinstallpython-yaml#easydictecho"===========easydict=============="apt-get-yinstallpython-pip#指定使用科大镜像源安装easydictpipinstalleasydict-ihttps://pypi.mirrors./simple##错误排查#修复一个比较奇怪的一定要检查这个目录是否存在的问题mkdir-p/usr/lib64#修复cuda链接库找不到的问题echo"/usr/local/cuda/lib64">cuda.confcpcuda.conf/etc/ld.so.conf.dldconfig 这个shell脚本是我师兄写的，在这里鸣谢我师兄！

2.3 caffe源码下载及编译

（1）安装git[html]view plain copy sudoapt-getinstallgit （2）拉取caffe源码[html]view plain copy gitclone/BVLC/caffe.git （3）设置Makefile.config文件 把Makefile.config.example文件中内容进行复制，复制到新建的文件Makefile.config中，修改以下几项： i：把USE_CUDNN := 1这一行的注释取消掉，因为gtx1050的算力是6.1高于3.0，是可以使用cuDNN加速的，这里具体看自己的显卡配置； ii：在INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include行后加空格，然后添加/usr/include/hdf5/serial （4）编译caffe i：在计算机中搜寻libhdf5_serial.so.10.1.0文件，找到其所在目录，在终端中进入该目录，并执行以下命令：[html]view plain copy sudolnlibhdf5_serial.so.10.1.0libhdf5.sosudolnlibhdf5_serial_hl.so.10.0.2libhdf5_hl.sosudoldconfigmakeall-j4 ii：执行以下命令，其中-j4是表示使用4个线程进行编译[html]view plain copy maketest-j4makeruntest-j4makepycaffe-j4makedistribute 至此，caffe已经安装完成。

2.4 Nvidia驱动安装

这里注意，一定要去Nvidia官网上去下载驱动，特别是针对10系的显卡！！！ 其他的老显卡，比如我实验室的GTX 560不用这么麻烦就可以，我也只配置过这两个显卡，10系显卡最好按照我这里的方法进行操作。 （1）去Nvidia官网下载GTX 1050驱动，网址如下：/drivers （2）给下载的驱动程序赋予可执行权限，这里的.run文件是显卡的驱动程序，安装时注意换成自己的文件名[html]view plain copy sudochmoda+xNVIDIA-Linux-x86_64-375.26.run （3）关闭Ubuntu图形界面[html]view plain copy sudoservicelightdmstop 使用Ctrl + Alt + F1进入终端界面并登录 （4）安装Nvidia驱动 在终端中进入之前下载的驱动程序所在的目录并执行以下命令：[html]view plain copy sudo./NVIDIA-Linux-x86_64-375.26.run--no-x-check--no-nouveau-check--no-opengl-files 安装好驱动程序以后开启Ubuntu图形界面[html]view plain copy sudoservicelightdmstart 按Ctrl + Alt + F7进入图形界面。 至此Nvidia驱动安装完成。

2.5 Cuda安装

同样，这里的Cuda安装时也不要使用命令行直接安装，去Nvidia官网/cuda-downloads下载cuda进行安装这里同样要注意，下载时要选择runfile类型文件，具体的选择类型如下图所示：

文件有1.4G大小，最好用迅雷下会快一些。 下载好Cuda，安装过程如下：[html]view plain copy shcuda_8.0.27_linux.run--override 首先会提醒你看一些它的使用协议，一直按空格直到出现是否同意，选择Accept 程序会问你要不要安装Nvidia驱动，这里千万不要选择安装，因为我们已经安装过了，而且GTX1050这里安装的驱动与我们之前安装的驱动版本是不一样的，如果选择安装又会出现无限循环登录的问题（血的教训）；

接下来的安装过程一路选择yes，然后按照默认的来就可以了。

2.6 cuDNN安装

去Nvidia官网/rdp/cudnn-download下载cuDNN安装包，选择这个：Download cuDNN v5.1 (August 10, ), for CUDA 8.0版本 解压安装包以后会出现cuda的目录，进入该目录[html]view plain copy cdcuda/include/sudocpcudnn.h/usr/local/cuda/include/cd../lib64sudocplib*/usr/local/cuda/lib64/sudochmoda+r/usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn* 接下来执行以下命令：[html]view plain copy cd/usr/local/cuda/lib64/sudorm-rflibcudnn.solibcudnn.so.5sudoln-slibcudnn.so.5.1.5libcudnn.so.5sudoln-slibcudnn.so.5libcudnn.so 在终端中输入以下命令进行环境变量的配置：[html]view plain copy sudogedit/etc/profile 在出现的文件中进行编辑，在末尾加上并保存：[html]view plain copy PATH=/usr/local/cuda/bin:$PATHexportPATH 创建链接文件[html]view plain copy sudogedit/etc/ld.so.conf.d/cuda.conf 在该文件中，插入/usr/local/cuda/lib64并保存，然后使用sudo ldconfig使之生效。

2.7 测试

在终端中进入CUDA 8.0 Samples默认安装路径，输入命令：[html]view plain copy sudomakeall-j4 此步可能会出错，出错处理见最下面的参考链接4，我这里没有出错。完成后继续输入[html]view plain copy cdbin/x86_64/linux/release./deviceQuery 出现下图则表示cuda安装完成

在已经配置好的eclipse + pydev环境中，新建python工程和源程序，并在工程名下右键——Properties——PyDev-PYTHONPATH——External Libraries中Add Source folder中选择/home/hanchao/caffe/python路径 在源程序中输入[python]view plain copy importcaffeprint'helloworld' 若编译运行后没有错误，则环境已经配置好。

-------------------------------------------------------------------------------更新的分割线------------------------------------------------------------------- 如果在编辑pycaffe时出现”python/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: 没有这样的文件或目录“问题时，注意修改Makefile.config文件 把[python]view plain copy PYTHON_INCLUDE:=/usr/include/python2.7\/usr/lib/python2.7/dist-packages/numpy/core/include 修改为[python]view plain copy PYTHON_INCLUDE:=/usr/include/python2.7\/usr/local/lib/python2.7/dist-packages/numpy/core/include 即可

参考链接： surgewong—— Opencv 2.4.9在Ubuntu下的配置安装

余昌黔|书山有路——【解决】Ubuntu安装NVIDIA驱动后桌面循环登录问题 Ubuntu 14.04安装NVIDIA英伟达显卡驱动 WoPawn的博客——ubuntu16.04+gtx1060+cuda8.0+caffe安装、测试经历