caffe+GPU︱AWS.G2+Ubuntu14.04+GPU+CUDA8.0+cudnn8.0
caffe+GPU︱AWS.G2+Ubuntu14.04+GPU+CUDA8.0+cudnn8.0
国服亚马逊的GPU实例G2.2xlarge的python+caffe的安装过程，被虐… 一周才装出来…
BVLC/caffe的在AWS安装的官方教程github： https://github.com/BVLC/caffe/wiki/Install-Caffe-on-EC2-from-scratch-(Ubuntu,-CUDA-7,-cuDNN-3)
如果要在AWS试的话，推荐不要用其他教程了，太坑爹了，被国内的很多教程虐死。 当然，AWS也是遍地是坑，教程开篇也直接告诉你，一定要多给自己AWS的实例开EBS的存储量，因为原始实例只有8G，完全不够啊。还有60G的临时实例附送，那么这个60G临时实例，再次启动就会被重新刷新，等于没啥用，所以caffe系统安装一定要EBS扩展，你看AWS收费还是高明——设坑收费法? 报错：
报错一：
dpkg: error: failed to write available database record about 'krb5-locales' to '/var/lib/dpkg/available': No space left on device
sh: echo: I/O error
E: Sub-process /usr/bin/dpkg returned an error code (2)
E: Problem executing scripts DPkg::Post-Invoke 'if [ -d /var/lib/update-notifier ]; then touch /var/lib/update-notifier/dpkg-run-stamp; fi; if [ -e /var/lib/update-notifier/updates-available ]; then echo > /var/lib/update-notifier/updates-available; fi '
E: Sub-process returned an error code
报错二：
dpkg: error processing package initramfs-tools (--configure):
cp: error writing ‘/tmp/mkinitramfs_WnwvEK//lib/modules/3.13.0-48-generic/kernel/crypto/ghash-generic.ko’: No space left on device.
一、安装NVIDIA Drivers
1、Drivers的安装包下载
AWS中原本就有一套NVIDIA drivers，之前的有点老了，好像是340.46的，那么现在就需要根据实例的GPU配置，重新设置一个drivers，来到NVIDIA Driver的安装网页，这时候你得挑一下到底是什么driver，那么AWS的G2实例中的配置到底是啥呢？来看看AWS的官方怎么解释G2配置，网址。
笔者选择了一个375.26的：Linux x64 (AMD64/EM64T) Display Driver BETA 同时笔者也下载了CUDA 8.0的安装文件：sudo sh cuda_8.0.61_375.26_linux.run .
2、Drivers的安装
接下来就是安装了：
chmod +x cuda_8.0.61_375.26_linux.run
mkdir nvidia_installers
./cuda_8.0.61_375.26_linux.run -extract=`pwd`/nvidia_installers这里的’pwd’要指定到nvidia_installers创建的目录。 更新linux的NVIDIA’s drivers：
sudo apt-get install linux-image-extra-virtual执行后有可能跳出来：What would you like to do about menu.lst? 选择：keep the local version currently installed 需要禁用一些有冲突的内核：
sudo vi /etc/modprobe.d/blacklist-nouveau.conf加上以下内容：
blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off回到shell命令行执行：
echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf
sudo update-initramfs -u
sudo reboot重启之后，需要安装一下这些内容：
sudo apt-get install linux-source
sudo apt-get install linux-headers-`uname -r`正式到了可以安装的时候了：
cd nvidia_installers
sudo ./NVIDIA-Linux-x86_64-375.26.run其中会跳到另外的界面： 出现“nvidia-installer was forced to guess the X library path ‘/usr/lib’ and X module path ”点ok, 出现“The CC version check failed”，点击不理他； 出现问你更新 X configuration file，默认选No,
安装之后，可以通过
nvidia-smi来看看是否正确，安装，如何正确安装就会出现Nvidia的一些信息。
- 出现报错一：
按照教程，你可以更新这个版本，也可以删除这个重新装。 要说删除之前的Nvidia的话，AWS也有官方教程： http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/accelerated-computing-instances.html
sudo yum erase nvidia cuda- 出现报错二：
按提示安装：
apt-get install linux-3.13.0-108-generic.
二、安装CUDA8.0
一般来说，各类教程中不要越级安装，CAFFE教程里面的版本是7.0，而且CUDA7.5比较稳定，一般会选择低一点。不过… 笔者当时并不知道这些，于是直接安装了CUDA8.0，最后也是可以用的。说明，可以兼容。
sudo modprobe nvidia
sudo apt-get install build-essential
sudo ./cuda-linux64-rel-8.0.61-19326674.run
sudo ./cuda-samples-linux-8.0.61-19326674.run出现“Would you like to add desktop menu shortcuts?”随便你； 出现“Would you like to create a symbolic link? ”选择yes
安装好之后，一定要指定path。 打开“~/.bashrc”，输入：
export PATH=$PATH:/home/usr/local/cuda-8.0/bin
export LD_LIBRARY_PATH=/home/usr/local/cuda-8.0/lib64
source ~/.bashrc
sudo ldconfig同时需要主要path的路径一定要对应，笔者照着教程抄，没想到一直没有输入正确，然后一直报错“lib”的错误。 输入完需要键入，让环境应用起来：
source ~/.bashrc最后：
还有：
. .
三、cuDNN8.0的安装
cuDNN这里笔者吃了很多亏… 因为cuDNN和CUDA一定要配套，不然不适配，笔者当时在CUDA8.0的情况，用了cuDNN出现了一堆报错，最后只能改过来。 下载链接：https://developer.nvidia.com/rdp/cudnn-download 一定选择跟CUDA8.0配套的选项。同时，如果是GTX1080,GTX1070最好是v5以上的版本。 其中，该网站需要注册，你注册一下很快就可以用。一个包只有75MB
tar -zxf cudnn-8.0-linux-x64-v5.0-prod.tgz
cd cuda
sudo cp lib64/* /usr/local/cuda/lib64/
sudo cp include/cudnn.h /usr/local/cuda/include/至此基本按照完毕了。于是乎，你可以nvidia-smi检查一下，是否ok. . .
四、caffe的安装
.
1、caffe安装
相关的lib库安装：
sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev protobuf-compiler gfortran libjpeg62 libfreeimage-dev libatlas-base-dev git python-dev python-pip libgoogle-glog-dev libbz2-dev libxml2-dev libxslt-dev libffi-dev libssl-dev libgflags-dev liblmdb-dev python-yaml python-numpy需要下载pillow，
sudo easy_install pillow- 如果报错一：TypeError: ‘NoneType’ object is not callable
那么先执行：
sudo apt-get install pypy-dev- 如果报错二：
ImportError: No module named packaging.version
解决：
wget https://bootstrap.pypa.io/get-pip.py
python get-pip.py然后就是从github把caffe挪下来：
cd caffe
git clone https://github.com/BVLC/caffe.git接下里的步骤比较耗时，需要30min左右。
cd caffe
cat python/requirements.txt | xargs -L 1 sudo pip install.
2、配置Makefile文件
制作一个Makefile：
cp Makefile.config.example Makefile.config
vi Makefile.config需要修改里面的： USE_CUDNN := 1，去掉#，让其激活 CUDA_DIR 的路径一定要对。 .
3、make过程
make pycaffe -jX
make all -jX
make test -jXx是你想调用的CPU核心数量，但是笔者之前的疑问。 .
4、pycaffe的使用
进入cd caffe/python 试试能不能import caffe当然这一步报错就更多了。
- 报错一：No module named caffe
export PYTHONPATH=/home/username/caffe/python- 报错二：Failed to initialize libdc1394
sudo ln /dev/null /dev/raw1394- 报错三：
Gdk-CRITICAL **: gdk_cursor_new_for_display: assertion 'GDK_IS_DISPLAY (display)' failed
Traceback (most recent call last):
.
.
.
TypeError: constructor returned NULL这个错误的原因在于ssh连接服务器时候，import pyplot因为没有图形界面所导致的故障.两个办法：
办法一：直接在ssh连接服务器的时候，添加-X的标记
ssh 192.168.0.1 -X以上参考博客：http://nfeng.cc/2016/03/28/caffe-python-gtk-error/ 当然AWS因为需要密钥，这一步骤，比较繁琐。
办法二：使用matplotlib
进入Python后：
import matplotlib
matplotlib("Pdf")
#matplotlib("Agg")都可以- 报错四：还是报错三的问题
Gdk-CRITICAL **: gdk_cursor_new_for_display: assertion 'GDK_IS_DISPLAY (display)' failed
Traceback (most recent call last):
.
.
.
TypeError: constructor returned NULL还是报错三，前面的办法解决不了，那么可以先删除一下matplotlib：
sudo pip uninstall matplotlib
sudo apt-get install python-matplotlib如果还是报错，那么重启一下AWS的shell 以上解决办法来源于github
- 报错五：
ImportError: libcudart.so.8.0: cannot open shared object file: No such file or directory这个问题在tensorflow中出现极多。那么解决方案更多了： 如果之前的make all出现该报错： （1）ImportError问题，一般是之前的lib库没有安装好； （2）TF_BINARY_URL修改，可见lfzCarlosC这个是因为CUDA7.5和CUDA8.0的binary有很大的不同，那么nvidia、cudnn不适配出现的，github里面没有CUDA8.0,不过可以在以下网址找到： https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/get_started/os_setup.md
TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.0.0-cp27-none-linux_x86_64.whl如果make all可以启动： 在import caffe时候单独出现，那么就是你的LD_LIBRARY_PATH没设置好。需要在~/.bashrc修改，然后source：
LD_LIBRARY_PATH=/home/usr/local/cuda-8.0/lib64
source ~/.bashrc
sudo ldconfig- 报错六：
make: *** [.build_release/src/caffe/common.o] Error 1
make: *** [.build_release/src/caffe/layer_factory.o] Error 1
make: *** [.build_release/src/caffe/solver.o] Error 1
make: *** [.build_release/src/caffe/internal_thread.o] Error 1没有正确配置cudnn和CUDA的型号，特别是cudnn的型号进行调整、配置
最后：
.
延伸一：linux很多命令不可用，崩溃
因为安装过程中，需要添加环境变量，譬如/etc/profile中，添加：
PATH=/usr/local/cuda/bin:$PATH
export PATH
source /etc/profile真是惨，以上是国产教程让我修改的，那么崩溃了。于是不得不改回来，参考教程： http://xjsunjie.blog.51cto.com/999372/1384468
第一步：
export PATH=/usr/bin:/usr/sbin:/bin:/sbin:/usr/X11R6/bin
第二步：
需要把这句保存到/etc/profile里才能永久生效
第三步：
source /etc/profile.
延伸二：实时查看NVIDIA
nvidia-smi watch -n 0.1 nvidia-smi（watch实时查看数据）
腾讯云开发者
