ubuntu16.04安装+cuDNN+Matlab+python+Nccl+opencv+caffe+pytorch+tens...

这文档属于ubuntu16.04桌面版安装CUDA+cuDNN+Matlab+python+Nccl+opencv+caffe+pytorch+tensflow1.8.docx；自己通过实践在服务器上安装没有问题，需要的朋友请下载，文档把遇到安装opencv+caffe报错信息做了一个汇总，方便大家解决问题 在本教程中，我们将深入探讨如何在Ubuntu 16.04.4 LTS（Xenial Xerus）桌面版上构建一个完整的深度学习环境。这个环境包括CUDA、cuDNN、Matlab、Python、Nccl、OpenCV、Caffe以及PyTorch和TensorFlow。以下是对每个组件的详细安装步骤。 ### 一、硬件环境 确保你的系统拥有足够的硬件资源，特别是GPU支持。对于深度学习，推荐至少具有NVIDIA GPU（如GTX 1080 Ti或更高级别），因为这些GPU对CUDA和cuDNN的支持良好。同时，确保你的机器有充足的内存和硬盘空间，因为深度学习库和框架占用的空间较大。 ### 二、软件环境和框架 1. **Ubuntu 16.04.4**: 这个版本的Ubuntu稳定且兼容大多数深度学习所需的软件包。 2. **NVIDIA驱动**: 为配合NVIDIA GPU，需要安装与你的GPU型号相匹配的驱动。 3. **CUDA 9.0**: NVIDIA的计算平台，提供GPU加速计算能力。 4. **cuDNN 7.1.4**: 用于深度神经网络的库，是CUDA的补充，加速CNN的训练和推理。 5. **Matlab**: 一个强大的数学计算软件，可用于数据预处理和模型开发。 6. **Python**: 作为深度学习的主要编程语言，通常与科学计算库（如NumPy、Pandas）一起使用。 7. **Nccl (NVIDIA Collective Communication Library) 2.2.13**: 用于高性能计算的并行通信库，提高多GPU间的通信效率。 8. **OpenCV**: 开源计算机视觉库，用于图像处理和计算机视觉任务。 9. **Caffe**: 一个快速的深度学习框架，尤其适合卷积神经网络（CNNs）。 10. **PyTorch**: 一个基于Python的科学计算库，用于构建动态神经网络。 11. **TensorFlow 1.8**: Google的开源库，用于数值计算和大规模机器学习。 ### 三、安装NVIDIA显卡驱动 1. **下载地址**: NVIDIA官网提供最新的驱动下载。 2. **禁用nouveau驱动**: nouveau是开源的NVIDIA GPU驱动，但可能与官方驱动冲突。在`/etc/modprobe.d blacklist.conf`中添加`blacklist nouveau`，然后重启系统。 ### 四、安装CUDA 9.0 1. **下载地址**: NVIDIA开发者网站提供CUDA工具包下载。 2. 需要安装必要的依赖，如GCC和库文件。 3. 跟随官方安装指南进行安装，注意设置环境变量。 ### 五、安装cuDNN 7.1.4 1. **cudnn下载地址**: 同样在NVIDIA开发者网站获取。 2. 解压下载的文件，将包含头文件的目录复制到`/usr/include/`，将库文件复制到`/usr/lib/x86_64-linux-gnu/`。 3. 更新库文件链接：`sudo ldconfig`。 ### 六、安装NCCL 2.2.13 1. **nccl下载地址**: NVIDIA官网提供NCCL的二进制包。 2. 安装NCCL的依赖，通常是`libnuma1`和`libopenmpi-dev`。 3. 按照官方指南解压并安装NCCL。 ### 七、安装其他软件 1. **Matlab**: 通过官方网站购买并下载安装。 2. **Python**和科学计算库：使用`apt-get install python3-pip python3-numpy python3-scipy python3-matplotlib`等命令安装。 3. **OpenCV**: 可以通过源码编译或使用预编译的包，例如`pip install opencv-python`。 4. **Caffe**: 从GitHub克隆源代码，按照其提供的指南配置和编译。 5. **PyTorch**和**TensorFlow**: 使用`pip install torch torchvision`和`pip install tensorflow-gpu==1.8.0`安装。 在安装过程中，可能会遇到依赖冲突、版本不兼容等问题，文档中提到的报错信息汇总可以作为参考，帮助解决这些问题。记得每次安装后检查软件版本和依赖是否正确，确保所有组件都能正常运行。此外，定期更新库和框架以保持最新功能和安全性。