isus uefi bios utility 独立显卡优先 uefi bios utility怎么设置显卡

转载

数码悟透 2024-03-07 09:05:55

文章标签 caffe ubuntu NVIDIA显卡 OPENCV python 文章分类 iOS 移动开发

电脑配置：

系统：ubuntu16.04

显卡：GTX1050Ti

1.禁用nouveau

sudo gedit /etc/modprobe.d/blacklist.conf
在打开的blacklist.conf最后两行分别输入blacklist nouveau和 optionsnouveau modeset=0
执行 sudo update-initramfs -u
2.安装nvidia显卡驱动
（1)第一种安装方式
   a.在官网http://www.nvidia.com/Download/index.aspx?lang=en-us下载对应版本的驱动NVIDIA-Linux-x86_64-384.98.run

   b.ctrl+Alt+F1进入文字界面
   c.sudo apt-get remove –purge nvidia* 若有旧的驱动则卸载

   d.输入sudoservice lightdm stop 停用 X service
   e.进入相应目录运行a中下载的驱动./NVIDIA-Linux-x86_64-384.98.run –no-opengl-files，加入–no-opengl-files防止安装驱动后无法登陆图形界面
   f.安装成功后sudoservice lightdm start 启用 X service
   g.sudo nvidia-smi查看显卡和GPU信息

若未出现process:里面GPU没有相关信息，则驱动可能安装失败。

（2)第二种安装方式

若采用上述（1)装过一次，则应该卸载刚安装的驱动./NVIDIA-Linux-x86_64-384.98.run --uninstall

可以再运行一次

sudo apt-get remove –purge nvidia*卸载旧的驱动
  a.采用sudo apt-cache search nvidia* 搜索驱动
  b.采用sudo apt-get install nvidia-384安装一个nvidia显卡驱动
  c.若安装重启后发现分辨率变得太小，则参考https://www.douban.com/note/262885853/

     更改分辨率sudo gedit /etc/X11/xorg.conf
      HorizSync 31.5 - 61.0 %这个地方修改
       VertRefresh 50.0 - 75.0 %这个地方修改
      Modes "1920×1080" % 修改
    但是我的没改回来，而是变为了1440*900，不知道是不是HorizSync和VertRefresh改的不对
3.安装cuda8.0
  （1)在上的百度云资源进行下载cuda8.0.run得到cuda_8.0.61_375.26_linux.run
  （2)输入命令sudo chmod 777 cuda_8.0.44_linux.run
             sudo  ./cuda_8.0.61_375.26_linux.run
     安装时询问Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48?选N，因为之前已经装过了nvidian的驱动，不再安装更低的版本了
   (3)将cuda加入环境变量，参考
      a.打开~/.bashrc文件：
                 sudo gedit ~/.bashrc
~/.bashrc尾部：
 
7.5/bin${PATH:+:${PATH}}
                   export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
 
/etc/profile文件中添加CUDA环境变量：
 
                sudo
 
                 PATH=/usr/local/cuda/bin:$PATH2
 
, 执行下列命令, 使环境变量立即生效：
 
                 source /etc/profile
 
lib库路径，在 cuda.conf
 
              sudo gedit /etc/ld.so.conf.d/cuda.conf
 
              在文中加入下面内容：
 
              /usr/local/cuda/lib64
 
              执行下列命令使之立刻生效：
 
              sudo
 

   (4)测试

     cd /usr/local/cuda-7.5/samples/1_Utilities/deviceQuery
    make
     sudo ./deviceQuery 会输出GPU的相关信息

   (5)cudnn安装
     在上的百度云资源进行下载cudnn5.1.10(cuda8.0)得到

      cudnn-8.0-linux-x64-v5.1.tgz，采用tar -xzvf ***.tar.gz命令解压缩
      cd cuda/include
      sudo cp cudnn.h /usr/local/cuda/include  #复制头文件
      cd lib64

      sudo cp lib* /usr/local/cuda/lib64/    #复制动态链接库
      //复制的时候可能破坏链接关系，重新建立软链接

      cd /usr/local/cuda/lib64/
      sudo chmod +r libcudnn.so.5.10.1
      sudo ln -sf libcudnn.so.5.10.1 libcudnn.so.5
      sudo ln -sf libcudnn.so.5 libcudnn.so

      sudo ldconfig
4.安装opencv
  (1)第一种安装方式，参考

    在官网上下载opencv并解压缩
    安装cmake

       sudo apt install cmake
    配置cmake

       sudo cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..

    编译

       sudo make

    安装opencv
       sudo make install
    不自己安装，也可以采用别人写的脚本https://github.com/jayrambhia/Install-OpenCV

  （2)第二种安装方式
       参考
       参考
       参考

       apt-get update
        apt-cache search opencv 

       sudo apt-get install libcv-dev

   （3)测试
       1 sudo apt-get install python-opencv  
        2 sudo apt-get install python-numpy

       可以在python中import cv2，并写个简单的小代码测试下
       img = cv2.imread("1.jpg")
       cv2.imshow("1",img)
       cv2.waitKey(0)

 3. caffe配置      

   参考
   参考http://www.linuxidc.com/Linux/2016-12/138870.htm
   安装相关库

    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
 

 
    USE_CUDNN := 1
    若使用的opencv版本是3的，则OPENCV_VERSION := 3
    若要使用python来编写layer，则WITH_PYTHON_LAYER := 1
    INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
     LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial

    （4）修改makefile文件（）
       打开makefile文件，做如下修改：（这个不知道有没有用，这一步感觉没作用）
       将：
           NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
       替换为：
           NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
       接下来是针对安装opencv3.0.0版本的同学而言的，对于3.0.0之前的版本不需要修改：
       在位置（(LIBRARIES+= glog gflags protobuf leveldb snappy lmdbboost_system hdf5_hl hdf5 m opencv_coreopencv_highgui opencv_imgproc opencv_imgcodecs)）处添加opencv_imgcodecs
       这一步非常重要，否则编译后会出现错误如下：
       CXX/LD-o.build_release/tools/convert_imageset.bin
        .build_release/lib/libcaffe.so:undefined reference tocv::imread(cv::String           const&,int)'.build_release/lib/libcaffe.so: undefined referencetocv::imencode(cv::String const&, cv::_InputArray const&,std::vector >&, std::vector > const&)'
       原因就是opencv3.0.0把imread相关函数放到imgcodecs.lib中了，而非原来的imgproc.lib。
 （If you input "make all",the problem is the same again.But if you delete all the file in build(rm -rf ./build/*) before "make all"(I use make clean ),you will success.I just success）

 make all
make test
make runtest
出现各种库缺少的话，将其拷贝进入usr/lib中
make pycaffe
export PYTHONPATH=/home/caffe-master/python:$PYTHONPATH

import caffe


出现错误No module named skimage.io

1. sudo pip install scikit-image
2.sudo apt-get install python-skimage

出现错误No module named google.protobuf.internal，可以根据下面重新安装依赖包

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 python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython  
 sudo apt-get install protobuf-c-compiler protobuf-compiler  
 sudo apt-get install libatlas-base-dev1  
 sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev


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

本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。