caffe cuda 7.5训练时怎么启用cuda
点击联系发帖人
时间：2016-10-26 06:49
Caffe+Kubuntu16.04_X64+CUDA 8.0配置
&&&&&&& 经过尝试过几次Caffe，theano，MxNet之后，很长时间没有进行caffe的更新，此次在Ubuntu16.04下安装Caffe，折腾了一天时间，终于安装成功。
&&&&&&& 参考链接：
一& 配置CUDA8.0
&&&&&&& 既然使用了最新版本，必然使用最新版本的CUDA,且只有CUDA8.0给了ubuntu16.04支持。
1.1 禁用nouveau驱动：
&&&&&&& 参考链接：
nouveau去驱动是ubuntu自带的驱动，需要将其删除掉才能安装 NVIDIA的驱动
首先新建一个/etc/modprobe.d/blacklist-nouveau.conf文件
输入如下文字blacklist nouveau
options nouveau modeset=0
运行sudo update-initramfs -u
如果遇到不能启动的情况，或者遇到warning 显示显示配置选项，重启几次，直到启动lighedm界面。
& &&&&&& 异常情况：此步骤不成功会造成& nouveau驱动未禁用，NVIDIA显卡驱动无法安装,
1.2 退回ubuntu GCC编译器到4.9：
&&&&&&&& 参考链接：
ubuntu的gcc编译器是5.4.0，然而cuda8.0不支持5.0以上的编译器，因此需要降级，把编译器版本降到4.9：
sudo apt-get install g++-4.9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10
sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives --set cc /usr/bin/gcc
sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives --set c++ /usr/bin/g++
等待安装完成...............................................................
& &&&&&& 异常情况：此步骤不成功会造成& 在安装CUDA时找不到编译器，CUDA安装失败。
1.3& 安装CUDA8.0：
&&&&&&&& 参考链接：
&&&&&& CUDA8.0属于测试版本，需要登录之后才能下载，最简单的方式时下载.run包，可以直接运行。
&&&&&& 官网下载地址：
准备工作：
&&&& & 在UEFI BIOS里面切换显卡使用，修改 PCI1 为ITG，切换到intel核显
安装过程：
&&&&&& su root&
&&&&&& 输入密码：
&&&&&& service lightdm stop& （关掉X界面服务 ）
&&&& & cd& /home/cuda/
&&& && ./cuda.run
等待安装成功...............
修改BIOS，切换会PCI1
注意事项：cuda默认携带了nvidia驱动，可以不预先安装最新版本的驱动程序。
1.4 配置测试环境
&&&&&&&& 参考链接：
export CUDA_HOME=/usr/local/cuda-8.0/
export CUDA_INC_PATH=${CUDA_HOME}/include
export CUDA_LIB_PATH=${CUDA_HOME}/lib64
export CUDA_INSTALL_PATH=${CUDA_HOME}
export PATH=${CUDA_HOME}/bin:$PATH
export PATH=${CUDA_HOME}/computeprof/bin:$PATH
export LD_LIBRARY_PATH=${CUDA_HOME}/computeprof/bin:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=${CUDA_HOME}/extras/CUPTI/lib64:$LD_LIBRARY_PATH
export MANPATH=${CUDA_HOME}/man:$MANPATH
export OPENCL_HOME=${CUDA_HOME}
export OPENCL_INC_PATH=${OPENCL_HOME}/include
export OPENCL_LIB_PATH=${OPENCL_HOME}/lib64
export LD_LIBRARY_PATH=${OPENCL_LIB_PATH}:$LD_LIBRARY_PATH
查看版本：&&&&&&
nvcc --version
显示信息：
B85M-D2V-TM:~$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c)
NVIDIA Corporation
Built on Wed_May__4_21:01:56_CDT_2016
Cuda compilation tools, release 8.0, V8.0.26
二 安装第三方库
1. 安装Intel MKL&
（如果没有可以安装OpenBLAS代替）解压安装包，下面有一个install_GUI.sh文件， 执行该文件，会出现图形安装界面，根据说明一步一步执行即可。
1.安装 MKL
注意： 安装完成后需要添加library路径
sudo gedit /etc/ld.so.conf.d/intel_mkl.conf
在文件中添加内容
/opt/intel/lib
/opt/intel/mkl/lib/intel64
2.或者 安装 OpenBLAS
Install ATLAS/MKL/OpenBLAS if you haven't already.
$ sudo apt-get install libopenblas-dev
$ sudo apt-get install libopenblas-base
（这里我按照这样的方法最终编译出现cblas找不到的问题，应该是MKL安装有问题，但是又没办法解决，最终我就按照官网的方法安装了ATLAS：sudo apt-get install libatlas-base-dev一句话就搞定，虽然性能可能比不上MKL，但是将就着能用就行。）&
注意把路径替换成自己的安装路径。 编辑完后执行
sudo ldconfig
3. 安装OpenCV
这个尽量不要手动安装， Github上有人已经写好了完整的安装脚本：
/jayrambhia/Install-OpenCV
下载该脚本，进入Ubuntu/2.4 目录, 给所有shell脚本加上可执行权限
chmod +x *.sh
然后安装最新版本 （当前为2.4.9）
（ &下载&&替换掉opencv2.4.9内的文件，
重新build。）
sudo ./opencv2_4_9.sh
（注意，修改一下 文件里面的编译选项，一直开 make j4, 导致CPU 总是热导致停机，半途而废。
应修改为 j2 ，或者去掉j选项）
脚本会自动安装依赖项，下载安装包，编译并安装OpenCV。
整个过程大概半小时左右。&
注意，中途可能会报错（这一次真的报错了！！！）
opencv-<span style="color:#.4.<span style="color:#/modules/gpu/src/nvidia/core/NCVPixelOperations.hpp(<span style="color:#): error: a storage class is not allowed in an explicit specialization
解决方法在此： &下载&&替换掉opencv2.4.9内的文件，
重新build。
安装OpenCV
Ubuntu16.04用户
16.04中安装OpenCV 2.4.10参考网址如下：
1 预先安装一些软件：
sudo apt-get install build-essential cmake libgtk2.0-dev pkg-config python-dev python-numpy libavcodec-dev libavformat-dev libswscale-dev
2 去官网下载opencv压缩包
3 解压压缩包到某文件夹（用windows习惯了，直接右键提取到此处。。。）
&& cd 到目录下，执行（注意有个“.”，作为cmake的参数表示当前目录）
&& cmake .
成功，然后
出现错误：
[ 16%] Building NVCC (Device) object modules/core/CMakeFiles/cuda_compile.dir/__/dynamicuda/src/cuda/cuda_compile_generated_matrix_operations.cu.o
CMake Warning (dev) at cuda_compile_generated_matrix_operations.cu.o.cmake:137 (if):
Policy CMP0054 is not set: Only interpret if() arguments as variables or
keywords when unquoted.
Run &cmake --help-policy CMP0054& for policy
Use the cmake_policy command to set the policy and suppress this
Quoted keywords like &COMMAND& will no longer be interpreted as keywords
when the policy is set to NEW.
Since the policy is not set the OLD
behavior will be used.
Call Stack (most recent call first):
cuda_compile_generated_matrix_operations.cu.o.cmake:164 (cuda_execute_process)
This warning is for project developers.
Use -Wno-dev to suppress it.
nvcc fatal
: Unsupported gpu architecture 'compute_11'
CMake Error at cuda_compile_generated_matrix_operations.cu.o.cmake:206 (message):
Error generating
/home/wishchin/Lib/opencv-2.4.10/modules/core/CMakeFiles/cuda_compile.dir/__/dynamicuda/src/cuda/./cuda_compile_generated_matrix_operations.cu.o
modules/core/CMakeFiles/opencv_core.dir/build.make:63: recipe for target 'modules/core/CMakeFiles/cuda_compile.dir/__/dynamicuda/src/cuda/cuda_compile_generated_matrix_operations.cu.o' failed
make[2]: *** [modules/core/CMakeFiles/cuda_compile.dir/__/dynamicuda/src/cuda/cuda_compile_generated_matrix_operations.cu.o] Error 1
CMakeFiles/Makefile2:1110: recipe for target 'modules/core/CMakeFiles/opencv_core.dir/all' failed
make[1]: *** [modules/core/CMakeFiles/opencv_core.dir/all] Error 2
Makefile:149: recipe for target 'all' failed
make: *** [all] Error 2
排错方法：
修改OpenCV版本为2.4.13，编译通过，貌&#.10不支持CUDA8.0。
da_compile_generated_row_filter.6.cu.o
[ 67%] Building NVCC (Device) object modules/gpu/CMakeFiles/cuda_compile.dir/src/cuda/cuda_compile_generated_build_point_list.cu.o
[ 67%] Building NVCC (Device) object modules/gpu/CMakeFiles/cuda_compile.dir/src/cuda/cuda_compile_generated_copy_make_border.cu.o
[ 67%] Building NVCC (Device) object modules/gpu/CMakeFiles/cuda_compile.dir/src/cuda/cuda_compile_generated_integral_image.cu.o
[ 67%] Building NVCC (Device) object modules/gpu/CMakeFiles/cuda_compile.dir/src/cuda/cuda_compile_generated_tvl1flow.cu.o
[ 67%] Building NVCC (Device) object modules/gpu/CMakeFiles/cuda_compile.dir/src/cuda/cuda_compile_generated_column_filter.8.cu.o
[ 67%] Building NVCC (Device) object modules/gpu/CMakeFiles/cuda_compile.dir/src/cuda/cuda_compile_generated_column_filter.3.cu.o
[100%] Building CXX object apps/traincascade/CMakeFiles/opencv_traincascade.dir/HOGfeatures.cpp.o
[100%] Building CXX object apps/traincascade/CMakeFiles/opencv_traincascade.dir/imagestorage.cpp.o
[100%] Linking CXX executable ../../bin/opencv_traincascade
[100%] Built target opencv_traincascade
Scanning dependencies of target opencv_annotation
[100%] Building CXX object apps/annotation/CMakeFiles/opencv_annotation.dir/opencv_annotation.cpp.o
[100%] Linking CXX executable ../../bin/opencv_annotation
[100%] Built target opencv_annotation
Scanning dependencies of target opencv_visualisation
[100%] Building CXX object apps/visualisation/CMakeFiles/opencv_visualisation.dir/opencv_visualisation.cpp.o
[100%] Linking CXX executable ../../bin/opencv_visualisation
[100%] Built target opencv_visualisation
且只有opencv 2.4.13编译成功..........................
sudo&make&install
[100%] Built target opencv_traincascade
[100%] Linking CXX executable ../../bin/opencv_annotation
[100%] Built target opencv_annotation
[100%] Linking CXX executable ../../bin/opencv_visualisation
[100%] Built target opencv_visualisation
Install the project...
-- Install configuration: &Release&
-- Installing: /usr/local/include/opencv2/opencv_modules.hpp
-- Installing: /usr/local/lib/pkgconfig/opencv.pc
-- Installing: /usr/local/share/OpenCV/OpenCVConfig.cmake
-- Installing: /usr/local/share/OpenCV/OpenCVConfig-version.cmake
-- Installing: /usr/local/share/OpenCV/OpenCVModules.cmake
-- Installing: /usr/local/share/OpenCV/OpenCVModules-release.cmake
-- Installing: /usr/local/include/opencv/cv.h
-- Installing: /usr/local/include/opencv/cxeigen.hpp
安装成功........................................
4. 安装其他依赖项
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
其他版本用户参考官方说明：http://caffe.berkeleyvision.org/installation.html
三 安装高级语言接口
1. 安装Caffe所需要的Python环境
首先安装pip和python-dev （系统默认有python环境的， 不过我们需要的使python-dev）
sudo apt-get install python-dev python-pip
然后执行如下命令安装编译caffe python wrapper 所需要的额外包
for req in $(cat requirements.txt); do sudo pip install $ done
在执行上述命令时， 会报错导致不能完全安装所有需要的包。 可以按照官方建议安装anaconda包。 在anaconda官网下载.sh文件，执行，最后添加bin目录到环境变量即可。
（下面的添加没用！一般不会用到）
建议安装Anaconda包，这个包能独立于系统自带的python库，并且提供大部分Caffe需要的科学运算Python库。这里需要注意，在运行Caffe时，可能会报一些找不到libxxx.so的错误，而用 locate libxxx.so命令发现已经安装在anaconda中，这时首先想到的是在/etc/ld.so.conf.d/ 下面将 $your_anaconda_path/lib 加入 LD_LIBRARY_PATH中。但是这样做可能导致登出后无法再进入桌面！！！原因（猜测）可能是anaconda的lib中有些内容于系统自带的lib产生冲突。
正确的做法是：为了不让系统在启动时就将anaconda/lib加入系统库目录，可以在用户自己的~/.bashrc 中添加library path， 比如我就在最后添加了两行
# add library path
LD_LIBRARY_PATH=your_anaconda_path/lib:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH
开启另一个终端后即生效，并且重启后能够顺利加载lightdm, 进入桌面环境。
三 编译Caffe
1. 编译Caffe
终于完成了所有环境的配置，可以愉快的编译Caffe了！ 进入caffe根目录， 首先复制一份Makefile.config
Makefile.config.example
Makefile.config
然后修改里面的内容，主要需要修改的参数包括
CPU_ONLY 是否只使用CPU模式，没有GPU没安装CUDA的同学可以打开这个选项
BLAS (使用intel mkl还是OpenBLAS)（由于我安装了atlas，所以不需要修改默认设置！）
MATLAB_DIR 如果需要使用MATLAB wrapper的同学需要指定matlab的安装路径,
如我的路径为 /usr/local/MATLAB/R2013b (注意该目录下需要包含bin文件夹，bin文件夹里应该包含mex二进制程序)
DEBUG 是否使用debug模式，打开此选项则可以在eclipse或者NSight中debug程序
完成设置后， 开始编译
make runtest
注意 -j4 是指使用几个线程来同时编译， 可以加快速度， j后面的数字可以根据CPU core的个数来决定， 我的CPU使4核， 所以-j4.
错误重现：
&pre name=&code& class=&html&&&span style=&font-family:Times New R&&CXX .build_release/src/caffe/proto/caffe.pb.cc
CXX src/caffe/solver.cpp
In file included from src/caffe/solver.cpp:8:0:
./include/caffe/util/hdf5.hpp:6:18: fatal error: hdf5.h: 没有那个文件或目录
#include &hdf5.h&
compilation terminated.&/span&
错误原因： HDF5未能使用，
解决方法： 使用 make all -j2 命令，可以CXX编译通过。
出现错误：
CXX examples/cpp_classification/classification.cpp
AR -o .build_release/lib/libcaffe.a
LD -o .build_release/lib/libcaffe.so.1.0.0-rc3
/usr/bin/ld: 找不到 -lhdf5_hl
/usr/bin/ld: 找不到 -lhdf5
/usr/bin/ld: 找不到 -lcblas
/usr/bin/ld: 找不到 -latlas
collect2: error: ld returned 1 exit status
Makefile:563: recipe for target '.build_release/lib/libcaffe.so.1.0.0-rc3' failed
make: *** [.build_release/lib/libcaffe.so.1.0.0-rc3] Error 1
make: *** 正在等待未完成的任务....
&解决方法：
1安装atlas...&
sudo apt-get install libatlas-base-dev
2添加hdf5到 系统路径
makefile文件里面添加：
LIBRARY_DIRS += /root/anaconda2/lib
编译通过.......
1.2. 编译Python wrapper
make pycaffe
然后基本就全部安装完拉.
接下来大家尽情地跑demo吧～
&&&&&&& 最好不要使用16.04版本的ubuntu，还原到14.04版本为好。
看过本文的人也看了：
我要留言技术领域：
取消收藏确定要取消收藏吗？
删除图谱提示你保存在该图谱下的知识内容也会被删除，建议你先将内容移到其他图谱中。你确定要删除知识图谱及其内容吗？
删除节点提示无法删除该知识节点，因该节点下仍保存有相关知识内容！
删除节点提示你确定要删除该知识节点吗？Caffe + Ubuntu 15.04 + CUDA 7.0 装配以及配置 - CUDA当前位置:& &&&Caffe + Ubuntu 15.04 + CUDA 7.0 装配以及配置Caffe + Ubuntu 15.04 + CUDA 7.0 装配以及配置&&网友分享于：&&浏览：0次Caffe + Ubuntu 15.04 + CUDA 7.0 安装以及配置
本分分为四个部分，在Ubuntu上调试运行成功，
这里以CUDA 7.0为例。
一、CUDA Repository
获取CUDA安装包,安装包请自行去NVidia官网下载。
二、CUDA Toolkit
三、Environment Variables
1. 安装IDE运行环境
选择一个适合你的IDE运行环境，我是用的是Spyder，因为它内置了 iPython 环境，Caffe有不少的程序是基于 iPython 环境完成的。安装方法很简单，直接在Ubuntu软件中心搜索“spyder”即可安装。
2. iPython NoteBook 安装
另外一个比较推荐的方法是使用iPyhthon NoteBook（基于浏览器的Python IDE），特别是适合需要用Python做教程的老师们，可以直接导出.py, .ipynb, html格式，安装步骤如下：
启动(自动打开浏览器):
$ ipython nootbook
一个简单的使用iPython NoteBook生成的html的例子：examples_notebook.html&&example_notebook.ipynb
3. 配置和编译pycaffe
1. 降级安装gcc/g++版本为4.7.x
(1). 下载gcc/g++ 4.7.x
(2). 链接gcc/g++实现降级
2. 暴力引用新版本GLIBCXX_3.4.20
通过命令“strings /usr/local/MATLAB/R2014a/sys/os/glnxa64/libstdc++.so.6 | grep GLIBCXX_” 可以看一下，是否已经成功包含了GLIBCXX_3.4.20，如果已经存在，基本上就成功了。
6.编译Matlab用到的caffe文件（见第五部分）
在caffe的github上下载安装包，解压得到caffe-master文件夹。
一、安装BLAS
这里可以选择（ATLAS，MKL或者OpenBLAS），这里使用MKL。
二、MKL与CUDA的环境设置
1. 新建intel_mkl.conf， 并编辑之：
/opt/intel/lib/intel64
/opt/intel/mkl/lib/intel64
2. 新建cuda.conf，并编辑之：
/usr/local/cuda/lib64
3. 完成lib文件的链接操作，执行：
四、安装其他依赖项
1. Google Logging Library（glog），下载地址：/p/google-glog/，然后解压安装：
如果没有权限就chmod a+x glog-0.3.3 -R , 或者索性 chmod 777 glog-0.3.3 -R , 装完之后，这个文件夹就可以kill了。
2. 其他依赖项，确保都成功
五、安装Caffe并测试
1. 安装pycaffe必须的一些依赖项：
2. 安装配置nVidia cuDNN 加速Caffe模型运算
a. 安装cuDNN
该改版本caffe-master默认支持cudnn-6.5-linux-x64-v2，安装前请去先官网下载最新的cuDNN。
b. 链接cuDNN的库文件
3. 从github上下载caffe,为Caffe-master的文件夹，cd进去，生成Makefile.config配置文件，执行：
4. 配置Makefile.config文件（仅列出修改部分）
sudo gedit Makefile.config
a. 启用CUDNN，去掉&#&（目前caffe-master仍然只支持R1版本）
USE_CUDNN := 1
b. 启用GPU，添加注释&#&
# CPU_ONLY := 1
c. 配置一些引用文件（增加部分主要是解决新版本下，HDF5的路径问题）
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/lib/x86_64-linux-gnu/hdf5/serial/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial
温馨提示：ctr+f搜索在后面添加多余的内容
d. 启用Intel Parallel Studio XE 2015 Professional Edition for C++ Linux
BLAS := mkl
e. 配置路径，实现caffe对Python和Matlab接口的支持
PYTHON_LIB := /usr/local/lib
MATLAB_DIR := /usr/local/MATLAB/R2014a
f. 启用python_layer
WITH_PYTHON_LAYER :=1
5. 配置Makefile文件（实现对OpenCV 3.x的支持）
sudo gedit Makefile
查找“Derive include and lib directories”一节，修改“LIBRARIES +=”的最后一行，增加opencv_imgcodecs
opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs
6. 编译caffe-master！！！一定要重启电脑，重启电脑，因为显卡驱动装完需要重启才能生效，本人在这里搞了两次，后来才发现问题的本质，哎。&-j8&是使用CPU的多核进行编译，可以极大地加速编译的速度，建议使用。
编译Python和Matlab用到的caffe文件
六、使用MNIST数据集进行测试
cd进入caffe-master目录下
1. 数据预处理
2. 重建lmdb文件。Caffe支持三种数据格式输入网络，包括Image(.jpg, .png等)，leveldb，lmdb，根据自己需要选择不同输入吧。
生成mnist-train-lmdb 和 mnist-train-lmdb文件夹，这里包含了lmdb格式的数据集
3. 训练mnist
至此，Caffe安装的所有步骤完结，下面是一组简单的数据对比，实验来源于MNIST数据集，主要是考察一下不同系统下CPU和GPU的性能。可以看到明显的差别了。
本人在配置caffe环境的过程中，参考了以下博客，特此说明：
【1】http://ouxinyu.github.io/Blogs/.htmlCaffe + Ubuntu 15.04 + CUDA 7.0 新手安装配置指南
【2】http://blog.csdn.net/yaoxingfu72/article/details/caffe+cuda7.0+opencv3.0.0+mkl
ubuntu14.04配置
【3】http://docs.opencv.org/doc/tutorials/introduction/linux_install/linux_install.html#linux-installation
版权声明：本文为博主原创文章，未经博主允许不得转载。
12345678910
12345678910
12345678910 上一篇：下一篇：文章评论相关解决方案 1234567891011 Copyright & &&版权所有你的浏览器禁用了JavaScript, 请开启后刷新浏览器获得更好的体验!
自己再接再厉呗，踩过的坑都会成为经验。真正难的，是网络结构，参数的问题。。。
安装个ubuntu啊，这样才能学到本事。
微软支持的，支持cudnn v5，默认是cuda7.5，你可以考虑先试一下cuda7.5
我也是windows版本，可以加我qq
一起帮你弄一下
我昨天安装了win7 caffe，没有报一个错，你可以加我qq
要回复问题请先或
关注: 6 人&|&&|&&|&&|&&
当前位置： >
Windows下编译CAFFE+CUDA, 运行时提示status == CUDNN_STATUS_SUCCESS错误
作者：eagelangel & 来源：转载 &
浏览次数：
摘要: 运行caffe训练时，提示如下错误：F:15.8cudnn_conv_layer.cpp:53]Checkfailed:status==CUDNN_STATUS_SUCCESS(6vs.0) CUDNN_STATUS_ARCH_MISMATCH***Checkfailurestacktrace:***提示此错误的原因是：项目默认是开启cudnn的，而CUDNN
运行caffe训练时，提示如下错误：
F:15.28 cudnn_conv_layer.cpp:53] Check failed: status == CUDNN_STATUS_SUCCESS (6 vs. 0) &CUDNN_STATUS_ARCH_MISMATCH
*** Check failure stack trace: ***
提示此错误的原因是：项目默认是开启cudnn的，而CUDNN要求GPU CUDA&Capability 不小于3.0（查看CUDA capablity的方法：在CUDA的安装目录下有CUDA&Samples&，在对应的1_Utilities&文件夹下面有个&deviceQuery&程序，运行之后应该就会得到显卡的相关信息了。也可以访问/cuda-gpus）， 对于不满足条件的GPU，需要在项目中关闭CUDNN。preprocessor definitions 里面删除USE_CUDNN。
解决办法：重新编译caffe，另外在编译选项中，去掉USE_CUDNN
原来的编译选项为：
& & &ClCompile& & & & &Optimization&MaxSpeed&/Optimization& & & & &AdditionalIncludeDirectories&../../3rdparty/../../../../%(AdditionalIncludeDirectories)&/AdditionalIncludeDirectories& & & & &PreprocessorDefinitions&_VARIADIC_MAX=10;WIN32;NDEBUG;_CONSOLE;USE_CUDNN;USE_OPENCV;USE_LEVELDB;USE_LMDB;%(PreprocessorDefinitions)&/PreprocessorDefinitions& & & & &RuntimeLibrary&MultiThreadedDLL&/RuntimeLibrary& & & & &PrecompiledHeader /& & & & &WarningLevel&Level3&/WarningLevel& & & & &DebugInformationFormat&ProgramDatabase&/DebugInformationFormat& & & &/ClCompile&
将红色部分的编译选项删掉，重新编译运行即可。或者直接在项目的属性中，找到C/C++选项卡的预处理器定义中，将USE_CUDNN删除。3个项目都要删。
如果提示的是：&invalid device function，则需要修改CUDA C/C++选项下的Device，栏目Code generation添上compute_20,sm_20。另外要注意检查NVIDIA显卡的驱动是否与CUDA的版本匹配，不匹配就尽量更新NVIDIA的显卡驱动&/Download/index.aspx?lang=cn
版权所有 IT知识库 CopyRight (C)
, All Rights Reserved.}
&&&&&&& 经过尝试过几次Caffe，theano，MxNet之后，很长时间没有进行caffe的更新，此次在Ubuntu16.04下安装Caffe，折腾了一天时间，终于安装成功。
&&&&&&& 参考链接：
一& 配置CUDA8.0
&&&&&&& 既然使用了最新版本，必然使用最新版本的CUDA,且只有CUDA8.0给了ubuntu16.04支持。
1.1 禁用nouveau驱动：
&&&&&&& 参考链接：
nouveau去驱动是ubuntu自带的驱动，需要将其删除掉才能安装 NVIDIA的驱动
首先新建一个/etc/modprobe.d/blacklist-nouveau.conf文件
输入如下文字blacklist nouveau
options nouveau modeset=0
运行sudo update-initramfs -u
如果遇到不能启动的情况，或者遇到warning 显示显示配置选项，重启几次，直到启动lighedm界面。
& &&&&&& 异常情况：此步骤不成功会造成& nouveau驱动未禁用，NVIDIA显卡驱动无法安装,
1.2 退回ubuntu GCC编译器到4.9：
&&&&&&&& 参考链接：
ubuntu的gcc编译器是5.4.0，然而cuda8.0不支持5.0以上的编译器，因此需要降级，把编译器版本降到4.9：
sudo apt-get install g++-4.9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10
sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives --set cc /usr/bin/gcc
sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives --set c++ /usr/bin/g++
等待安装完成...............................................................
& &&&&&& 异常情况：此步骤不成功会造成& 在安装CUDA时找不到编译器，CUDA安装失败。
1.3& 安装CUDA8.0：
&&&&&&&& 参考链接：
&&&&&& CUDA8.0属于测试版本，需要登录之后才能下载，最简单的方式时下载.run包，可以直接运行。
&&&&&& 官网下载地址：
准备工作：
&&&& & 在UEFI BIOS里面切换显卡使用，修改 PCI1 为ITG，切换到intel核显
安装过程：
&&&&&& su root&
&&&&&& 输入密码：
&&&&&& service lightdm stop& （关掉X界面服务 ）
&&&& & cd& /home/cuda/
&&& && ./cuda.run
等待安装成功...............
修改BIOS，切换会PCI1
注意事项：cuda默认携带了nvidia驱动，可以不预先安装最新版本的驱动程序。
1.4 配置测试环境
&&&&&&&& 参考链接：
export CUDA_HOME=/usr/local/cuda-8.0/
export CUDA_INC_PATH=${CUDA_HOME}/include
export CUDA_LIB_PATH=${CUDA_HOME}/lib64
export CUDA_INSTALL_PATH=${CUDA_HOME}
export PATH=${CUDA_HOME}/bin:$PATH
export PATH=${CUDA_HOME}/computeprof/bin:$PATH
export LD_LIBRARY_PATH=${CUDA_HOME}/computeprof/bin:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=${CUDA_HOME}/extras/CUPTI/lib64:$LD_LIBRARY_PATH
export MANPATH=${CUDA_HOME}/man:$MANPATH
export OPENCL_HOME=${CUDA_HOME}
export OPENCL_INC_PATH=${OPENCL_HOME}/include
export OPENCL_LIB_PATH=${OPENCL_HOME}/lib64
export LD_LIBRARY_PATH=${OPENCL_LIB_PATH}:$LD_LIBRARY_PATH
查看版本：&&&&&&
nvcc --version
显示信息：
B85M-D2V-TM:~$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c)
NVIDIA Corporation
Built on Wed_May__4_21:01:56_CDT_2016
Cuda compilation tools, release 8.0, V8.0.26
二 安装第三方库
1. 安装Intel MKL&
（如果没有可以安装OpenBLAS代替）解压安装包，下面有一个install_GUI.sh文件， 执行该文件，会出现图形安装界面，根据说明一步一步执行即可。
1.安装 MKL
注意： 安装完成后需要添加library路径
sudo gedit /etc/ld.so.conf.d/intel_mkl.conf
在文件中添加内容
/opt/intel/lib
/opt/intel/mkl/lib/intel64
2.或者 安装 OpenBLAS
Install ATLAS/MKL/OpenBLAS if you haven't already.
$ sudo apt-get install libopenblas-dev
$ sudo apt-get install libopenblas-base
（这里我按照这样的方法最终编译出现cblas找不到的问题，应该是MKL安装有问题，但是又没办法解决，最终我就按照官网的方法安装了ATLAS：sudo apt-get install libatlas-base-dev一句话就搞定，虽然性能可能比不上MKL，但是将就着能用就行。）&
注意把路径替换成自己的安装路径。 编辑完后执行
sudo ldconfig
3. 安装OpenCV
这个尽量不要手动安装， Github上有人已经写好了完整的安装脚本：
/jayrambhia/Install-OpenCV
下载该脚本，进入Ubuntu/2.4 目录, 给所有shell脚本加上可执行权限
chmod +x *.sh
然后安装最新版本 （当前为2.4.9）
（ &下载&&替换掉opencv2.4.9内的文件，
重新build。）
sudo ./opencv2_4_9.sh
（注意，修改一下 文件里面的编译选项，一直开 make j4, 导致CPU 总是热导致停机，半途而废。
应修改为 j2 ，或者去掉j选项）
脚本会自动安装依赖项，下载安装包，编译并安装OpenCV。
整个过程大概半小时左右。&
注意，中途可能会报错（这一次真的报错了！！！）
opencv-<span style="color:#.4.<span style="color:#/modules/gpu/src/nvidia/core/NCVPixelOperations.hpp(<span style="color:#): error: a storage class is not allowed in an explicit specialization
解决方法在此： &下载&&替换掉opencv2.4.9内的文件，
重新build。
安装OpenCV
Ubuntu16.04用户
16.04中安装OpenCV 2.4.10参考网址如下：
1 预先安装一些软件：
sudo apt-get install build-essential cmake libgtk2.0-dev pkg-config python-dev python-numpy libavcodec-dev libavformat-dev libswscale-dev
2 去官网下载opencv压缩包
3 解压压缩包到某文件夹（用windows习惯了，直接右键提取到此处。。。）
&& cd 到目录下，执行（注意有个“.”，作为cmake的参数表示当前目录）
&& cmake .
成功，然后
出现错误：
[ 16%] Building NVCC (Device) object modules/core/CMakeFiles/cuda_compile.dir/__/dynamicuda/src/cuda/cuda_compile_generated_matrix_operations.cu.o
CMake Warning (dev) at cuda_compile_generated_matrix_operations.cu.o.cmake:137 (if):
Policy CMP0054 is not set: Only interpret if() arguments as variables or
keywords when unquoted.
Run &cmake --help-policy CMP0054& for policy
Use the cmake_policy command to set the policy and suppress this
Quoted keywords like &COMMAND& will no longer be interpreted as keywords
when the policy is set to NEW.
Since the policy is not set the OLD
behavior will be used.
Call Stack (most recent call first):
cuda_compile_generated_matrix_operations.cu.o.cmake:164 (cuda_execute_process)
This warning is for project developers.
Use -Wno-dev to suppress it.
nvcc fatal
: Unsupported gpu architecture 'compute_11'
CMake Error at cuda_compile_generated_matrix_operations.cu.o.cmake:206 (message):
Error generating
/home/wishchin/Lib/opencv-2.4.10/modules/core/CMakeFiles/cuda_compile.dir/__/dynamicuda/src/cuda/./cuda_compile_generated_matrix_operations.cu.o
modules/core/CMakeFiles/opencv_core.dir/build.make:63: recipe for target 'modules/core/CMakeFiles/cuda_compile.dir/__/dynamicuda/src/cuda/cuda_compile_generated_matrix_operations.cu.o' failed
make[2]: *** [modules/core/CMakeFiles/cuda_compile.dir/__/dynamicuda/src/cuda/cuda_compile_generated_matrix_operations.cu.o] Error 1
CMakeFiles/Makefile2:1110: recipe for target 'modules/core/CMakeFiles/opencv_core.dir/all' failed
make[1]: *** [modules/core/CMakeFiles/opencv_core.dir/all] Error 2
Makefile:149: recipe for target 'all' failed
make: *** [all] Error 2
排错方法：
修改OpenCV版本为2.4.13，编译通过，貌&#.10不支持CUDA8.0。
da_compile_generated_row_filter.6.cu.o
[ 67%] Building NVCC (Device) object modules/gpu/CMakeFiles/cuda_compile.dir/src/cuda/cuda_compile_generated_build_point_list.cu.o
[ 67%] Building NVCC (Device) object modules/gpu/CMakeFiles/cuda_compile.dir/src/cuda/cuda_compile_generated_copy_make_border.cu.o
[ 67%] Building NVCC (Device) object modules/gpu/CMakeFiles/cuda_compile.dir/src/cuda/cuda_compile_generated_integral_image.cu.o
[ 67%] Building NVCC (Device) object modules/gpu/CMakeFiles/cuda_compile.dir/src/cuda/cuda_compile_generated_tvl1flow.cu.o
[ 67%] Building NVCC (Device) object modules/gpu/CMakeFiles/cuda_compile.dir/src/cuda/cuda_compile_generated_column_filter.8.cu.o
[ 67%] Building NVCC (Device) object modules/gpu/CMakeFiles/cuda_compile.dir/src/cuda/cuda_compile_generated_column_filter.3.cu.o
[100%] Building CXX object apps/traincascade/CMakeFiles/opencv_traincascade.dir/HOGfeatures.cpp.o
[100%] Building CXX object apps/traincascade/CMakeFiles/opencv_traincascade.dir/imagestorage.cpp.o
[100%] Linking CXX executable ../../bin/opencv_traincascade
[100%] Built target opencv_traincascade
Scanning dependencies of target opencv_annotation
[100%] Building CXX object apps/annotation/CMakeFiles/opencv_annotation.dir/opencv_annotation.cpp.o
[100%] Linking CXX executable ../../bin/opencv_annotation
[100%] Built target opencv_annotation
Scanning dependencies of target opencv_visualisation
[100%] Building CXX object apps/visualisation/CMakeFiles/opencv_visualisation.dir/opencv_visualisation.cpp.o
[100%] Linking CXX executable ../../bin/opencv_visualisation
[100%] Built target opencv_visualisation
且只有opencv 2.4.13编译成功..........................
sudo&make&install
[100%] Built target opencv_traincascade
[100%] Linking CXX executable ../../bin/opencv_annotation
[100%] Built target opencv_annotation
[100%] Linking CXX executable ../../bin/opencv_visualisation
[100%] Built target opencv_visualisation
Install the project...
-- Install configuration: &Release&
-- Installing: /usr/local/include/opencv2/opencv_modules.hpp
-- Installing: /usr/local/lib/pkgconfig/opencv.pc
-- Installing: /usr/local/share/OpenCV/OpenCVConfig.cmake
-- Installing: /usr/local/share/OpenCV/OpenCVConfig-version.cmake
-- Installing: /usr/local/share/OpenCV/OpenCVModules.cmake
-- Installing: /usr/local/share/OpenCV/OpenCVModules-release.cmake
-- Installing: /usr/local/include/opencv/cv.h
-- Installing: /usr/local/include/opencv/cxeigen.hpp
安装成功........................................
4. 安装其他依赖项
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
其他版本用户参考官方说明：http://caffe.berkeleyvision.org/installation.html
三 安装高级语言接口
1. 安装Caffe所需要的Python环境
首先安装pip和python-dev （系统默认有python环境的， 不过我们需要的使python-dev）
sudo apt-get install python-dev python-pip
然后执行如下命令安装编译caffe python wrapper 所需要的额外包
for req in $(cat requirements.txt); do sudo pip install $ done
在执行上述命令时， 会报错导致不能完全安装所有需要的包。 可以按照官方建议安装anaconda包。 在anaconda官网下载.sh文件，执行，最后添加bin目录到环境变量即可。
（下面的添加没用！一般不会用到）
建议安装Anaconda包，这个包能独立于系统自带的python库，并且提供大部分Caffe需要的科学运算Python库。这里需要注意，在运行Caffe时，可能会报一些找不到libxxx.so的错误，而用 locate libxxx.so命令发现已经安装在anaconda中，这时首先想到的是在/etc/ld.so.conf.d/ 下面将 $your_anaconda_path/lib 加入 LD_LIBRARY_PATH中。但是这样做可能导致登出后无法再进入桌面！！！原因（猜测）可能是anaconda的lib中有些内容于系统自带的lib产生冲突。
正确的做法是：为了不让系统在启动时就将anaconda/lib加入系统库目录，可以在用户自己的~/.bashrc 中添加library path， 比如我就在最后添加了两行
# add library path
LD_LIBRARY_PATH=your_anaconda_path/lib:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH
开启另一个终端后即生效，并且重启后能够顺利加载lightdm, 进入桌面环境。
三 编译Caffe
1. 编译Caffe
终于完成了所有环境的配置，可以愉快的编译Caffe了！ 进入caffe根目录， 首先复制一份Makefile.config
Makefile.config.example
Makefile.config
然后修改里面的内容，主要需要修改的参数包括
CPU_ONLY 是否只使用CPU模式，没有GPU没安装CUDA的同学可以打开这个选项
BLAS (使用intel mkl还是OpenBLAS)（由于我安装了atlas，所以不需要修改默认设置！）
MATLAB_DIR 如果需要使用MATLAB wrapper的同学需要指定matlab的安装路径,
如我的路径为 /usr/local/MATLAB/R2013b (注意该目录下需要包含bin文件夹，bin文件夹里应该包含mex二进制程序)
DEBUG 是否使用debug模式，打开此选项则可以在eclipse或者NSight中debug程序
完成设置后， 开始编译
make runtest
注意 -j4 是指使用几个线程来同时编译， 可以加快速度， j后面的数字可以根据CPU core的个数来决定， 我的CPU使4核， 所以-j4.
错误重现：
&pre name=&code& class=&html&&&span style=&font-family:Times New R&&CXX .build_release/src/caffe/proto/caffe.pb.cc
CXX src/caffe/solver.cpp
In file included from src/caffe/solver.cpp:8:0:
./include/caffe/util/hdf5.hpp:6:18: fatal error: hdf5.h: 没有那个文件或目录
#include &hdf5.h&
compilation terminated.&/span&
错误原因： HDF5未能使用，
解决方法： 使用 make all -j2 命令，可以CXX编译通过。
出现错误：
CXX examples/cpp_classification/classification.cpp
AR -o .build_release/lib/libcaffe.a
LD -o .build_release/lib/libcaffe.so.1.0.0-rc3
/usr/bin/ld: 找不到 -lhdf5_hl
/usr/bin/ld: 找不到 -lhdf5
/usr/bin/ld: 找不到 -lcblas
/usr/bin/ld: 找不到 -latlas
collect2: error: ld returned 1 exit status
Makefile:563: recipe for target '.build_release/lib/libcaffe.so.1.0.0-rc3' failed
make: *** [.build_release/lib/libcaffe.so.1.0.0-rc3] Error 1
make: *** 正在等待未完成的任务....
&解决方法：
1安装atlas...&
sudo apt-get install libatlas-base-dev
2添加hdf5到 系统路径
makefile文件里面添加：
LIBRARY_DIRS += /root/anaconda2/lib
编译通过.......
1.2. 编译Python wrapper
make pycaffe
然后基本就全部安装完拉.
接下来大家尽情地跑demo吧～
&&&&&&& 最好不要使用16.04版本的ubuntu，还原到14.04版本为好。
看过本文的人也看了：
我要留言技术领域：
取消收藏确定要取消收藏吗？
删除图谱提示你保存在该图谱下的知识内容也会被删除，建议你先将内容移到其他图谱中。你确定要删除知识图谱及其内容吗？
删除节点提示无法删除该知识节点，因该节点下仍保存有相关知识内容！
删除节点提示你确定要删除该知识节点吗？Caffe + Ubuntu 15.04 + CUDA 7.0 装配以及配置 - CUDA当前位置:& &&&Caffe + Ubuntu 15.04 + CUDA 7.0 装配以及配置Caffe + Ubuntu 15.04 + CUDA 7.0 装配以及配置&&网友分享于：&&浏览：0次Caffe + Ubuntu 15.04 + CUDA 7.0 安装以及配置
本分分为四个部分，在Ubuntu上调试运行成功，
这里以CUDA 7.0为例。
一、CUDA Repository
获取CUDA安装包,安装包请自行去NVidia官网下载。
二、CUDA Toolkit
三、Environment Variables
1. 安装IDE运行环境
选择一个适合你的IDE运行环境，我是用的是Spyder，因为它内置了 iPython 环境，Caffe有不少的程序是基于 iPython 环境完成的。安装方法很简单，直接在Ubuntu软件中心搜索“spyder”即可安装。
2. iPython NoteBook 安装
另外一个比较推荐的方法是使用iPyhthon NoteBook（基于浏览器的Python IDE），特别是适合需要用Python做教程的老师们，可以直接导出.py, .ipynb, html格式，安装步骤如下：
启动(自动打开浏览器):
$ ipython nootbook
一个简单的使用iPython NoteBook生成的html的例子：examples_notebook.html&&example_notebook.ipynb
3. 配置和编译pycaffe
1. 降级安装gcc/g++版本为4.7.x
(1). 下载gcc/g++ 4.7.x
(2). 链接gcc/g++实现降级
2. 暴力引用新版本GLIBCXX_3.4.20
通过命令“strings /usr/local/MATLAB/R2014a/sys/os/glnxa64/libstdc++.so.6 | grep GLIBCXX_” 可以看一下，是否已经成功包含了GLIBCXX_3.4.20，如果已经存在，基本上就成功了。
6.编译Matlab用到的caffe文件（见第五部分）
在caffe的github上下载安装包，解压得到caffe-master文件夹。
一、安装BLAS
这里可以选择（ATLAS，MKL或者OpenBLAS），这里使用MKL。
二、MKL与CUDA的环境设置
1. 新建intel_mkl.conf， 并编辑之：
/opt/intel/lib/intel64
/opt/intel/mkl/lib/intel64
2. 新建cuda.conf，并编辑之：
/usr/local/cuda/lib64
3. 完成lib文件的链接操作，执行：
四、安装其他依赖项
1. Google Logging Library（glog），下载地址：/p/google-glog/，然后解压安装：
如果没有权限就chmod a+x glog-0.3.3 -R , 或者索性 chmod 777 glog-0.3.3 -R , 装完之后，这个文件夹就可以kill了。
2. 其他依赖项，确保都成功
五、安装Caffe并测试
1. 安装pycaffe必须的一些依赖项：
2. 安装配置nVidia cuDNN 加速Caffe模型运算
a. 安装cuDNN
该改版本caffe-master默认支持cudnn-6.5-linux-x64-v2，安装前请去先官网下载最新的cuDNN。
b. 链接cuDNN的库文件
3. 从github上下载caffe,为Caffe-master的文件夹，cd进去，生成Makefile.config配置文件，执行：
4. 配置Makefile.config文件（仅列出修改部分）
sudo gedit Makefile.config
a. 启用CUDNN，去掉&#&（目前caffe-master仍然只支持R1版本）
USE_CUDNN := 1
b. 启用GPU，添加注释&#&
# CPU_ONLY := 1
c. 配置一些引用文件（增加部分主要是解决新版本下，HDF5的路径问题）
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/lib/x86_64-linux-gnu/hdf5/serial/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial
温馨提示：ctr+f搜索在后面添加多余的内容
d. 启用Intel Parallel Studio XE 2015 Professional Edition for C++ Linux
BLAS := mkl
e. 配置路径，实现caffe对Python和Matlab接口的支持
PYTHON_LIB := /usr/local/lib
MATLAB_DIR := /usr/local/MATLAB/R2014a
f. 启用python_layer
WITH_PYTHON_LAYER :=1
5. 配置Makefile文件（实现对OpenCV 3.x的支持）
sudo gedit Makefile
查找“Derive include and lib directories”一节，修改“LIBRARIES +=”的最后一行，增加opencv_imgcodecs
opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs
6. 编译caffe-master！！！一定要重启电脑，重启电脑，因为显卡驱动装完需要重启才能生效，本人在这里搞了两次，后来才发现问题的本质，哎。&-j8&是使用CPU的多核进行编译，可以极大地加速编译的速度，建议使用。
编译Python和Matlab用到的caffe文件
六、使用MNIST数据集进行测试
cd进入caffe-master目录下
1. 数据预处理
2. 重建lmdb文件。Caffe支持三种数据格式输入网络，包括Image(.jpg, .png等)，leveldb，lmdb，根据自己需要选择不同输入吧。
生成mnist-train-lmdb 和 mnist-train-lmdb文件夹，这里包含了lmdb格式的数据集
3. 训练mnist
至此，Caffe安装的所有步骤完结，下面是一组简单的数据对比，实验来源于MNIST数据集，主要是考察一下不同系统下CPU和GPU的性能。可以看到明显的差别了。
本人在配置caffe环境的过程中，参考了以下博客，特此说明：
【1】http://ouxinyu.github.io/Blogs/.htmlCaffe + Ubuntu 15.04 + CUDA 7.0 新手安装配置指南
【2】http://blog.csdn.net/yaoxingfu72/article/details/caffe+cuda7.0+opencv3.0.0+mkl
ubuntu14.04配置
【3】http://docs.opencv.org/doc/tutorials/introduction/linux_install/linux_install.html#linux-installation
版权声明：本文为博主原创文章，未经博主允许不得转载。
12345678910
12345678910
12345678910 上一篇：下一篇：文章评论相关解决方案 1234567891011 Copyright & &&版权所有你的浏览器禁用了JavaScript, 请开启后刷新浏览器获得更好的体验!
自己再接再厉呗，踩过的坑都会成为经验。真正难的，是网络结构，参数的问题。。。
安装个ubuntu啊，这样才能学到本事。
微软支持的，支持cudnn v5，默认是cuda7.5，你可以考虑先试一下cuda7.5
我也是windows版本，可以加我qq
一起帮你弄一下
我昨天安装了win7 caffe，没有报一个错，你可以加我qq
要回复问题请先或
关注: 6 人&|&&|&&|&&|&&
当前位置： >
Windows下编译CAFFE+CUDA, 运行时提示status == CUDNN_STATUS_SUCCESS错误
作者：eagelangel & 来源：转载 &
浏览次数：
摘要: 运行caffe训练时，提示如下错误：F:15.8cudnn_conv_layer.cpp:53]Checkfailed:status==CUDNN_STATUS_SUCCESS(6vs.0) CUDNN_STATUS_ARCH_MISMATCH***Checkfailurestacktrace:***提示此错误的原因是：项目默认是开启cudnn的，而CUDNN
运行caffe训练时，提示如下错误：
F:15.28 cudnn_conv_layer.cpp:53] Check failed: status == CUDNN_STATUS_SUCCESS (6 vs. 0) &CUDNN_STATUS_ARCH_MISMATCH
*** Check failure stack trace: ***
提示此错误的原因是：项目默认是开启cudnn的，而CUDNN要求GPU CUDA&Capability 不小于3.0（查看CUDA capablity的方法：在CUDA的安装目录下有CUDA&Samples&，在对应的1_Utilities&文件夹下面有个&deviceQuery&程序，运行之后应该就会得到显卡的相关信息了。也可以访问/cuda-gpus）， 对于不满足条件的GPU，需要在项目中关闭CUDNN。preprocessor definitions 里面删除USE_CUDNN。
解决办法：重新编译caffe，另外在编译选项中，去掉USE_CUDNN
原来的编译选项为：
& & &ClCompile& & & & &Optimization&MaxSpeed&/Optimization& & & & &AdditionalIncludeDirectories&../../3rdparty/../../../../%(AdditionalIncludeDirectories)&/AdditionalIncludeDirectories& & & & &PreprocessorDefinitions&_VARIADIC_MAX=10;WIN32;NDEBUG;_CONSOLE;USE_CUDNN;USE_OPENCV;USE_LEVELDB;USE_LMDB;%(PreprocessorDefinitions)&/PreprocessorDefinitions& & & & &RuntimeLibrary&MultiThreadedDLL&/RuntimeLibrary& & & & &PrecompiledHeader /& & & & &WarningLevel&Level3&/WarningLevel& & & & &DebugInformationFormat&ProgramDatabase&/DebugInformationFormat& & & &/ClCompile&
将红色部分的编译选项删掉，重新编译运行即可。或者直接在项目的属性中，找到C/C++选项卡的预处理器定义中，将USE_CUDNN删除。3个项目都要删。
如果提示的是：&invalid device function，则需要修改CUDA C/C++选项下的Device，栏目Code generation添上compute_20,sm_20。另外要注意检查NVIDIA显卡的驱动是否与CUDA的版本匹配，不匹配就尽量更新NVIDIA的显卡驱动&/Download/index.aspx?lang=cn
版权所有 IT知识库 CopyRight (C)
, All Rights Reserved.}
我要回帖
更多推荐
- ·哈罗共享单车暂时停放会扣费吗惠元卡扣费是你们公司的吗？
- ·玖富万卡不还有什么后果网贷平台还款电话是多少？
- ·第三届中国-中西亚交通与物流大会与第六届中国国际物流博览会供应链与物流技术装备博览会什么关系？
- ·成都餐饮品牌全案餐饮策划公司哪一家最好主要做哪些服务？
- ·第六届中国国际国际纺织供应链博览会与物流技术装备博览会（以下简称“国际国际纺织供应链博览会与物流展”）在成都举行现场情况如何？
- ·我妈买了个上网卡，应该这么用？
- ·请教C of C证书请教是什么意思
- ·无法u盘打开提示格式化u盘文件,出现文件转化的提示
- ·东北当年粮网大米质量好吗，和普通大米有什么不同
- ·鸟瞰老是自动停止怎么破
- ·Biostar映泰昂达a770sL3主板能否升级使用NVIDIA GeForce GTX 680或AMD Radeon R9 290X及2GB以上显存显卡？
- ·天津钻石小鸟门店小鸟电动车注册了吗
- ·五本酷车的马力怎么样，电动汽车耗电量如何？
- ·湖南省互联网上网服务协会是什么组织
- ·武汉联想科技园产业公司工资待遇到怎木羊
- ·你好 手机背景突然从白色变成浅黄色的了 看视屏啥的都觉得不习惯
- ·编程使用，surface pro 4 的i7与i5会有多大差距
- ·85238灯台式电脑组装过程程
- ·把下载的东西直接安装到sd卡的权限
- ·wordpress中的Pingback和Trackback到底有何区别
- ·caffe cuda 7.5训练时怎么启用cuda
- ·求救，模型动画自带位移，怎么解决
- ·拿货网阿里姐姐货源网爸爸
- ·航嘉jumper450b怎么样s 和航嘉super600n哪个好
- ·小度骑士二维码app2.5版本是什么
- ·百度知道经验值和百度经验一样吗
- ·怎么玩着游戏突然断网 重启后正常了 是怎么回事
- ·日历gvf2安全钳风压开关短接图解怎么短接
- ·GC20B用什么数码管动态显示程序显示
- ·怎么设置wifi 光纤 装个路由器就有wifi吗
- ·谁知道window10 mamy2016好吗建模软件下载网址，只要网址正确可以下载，可以继续加币。非常感谢！
- ·监控能看实时监控摄像头观看但是硬盘坏了。这样如果装上新硬盘能查坏的那段时间的视频吗？
- ·nba2k17抢nba2k online篮板神器是哪个按键
- ·皮皮四川麻将最新版本结束不显示战绩，只有分享按键
- ·荆州晃晃麻将一脚癞油来油为什么打开是游客登入?
