在CentOS系统上安装机器学习框架Caffe的方法(centos安装dig)

推荐整理分享在CentOS系统上安装机器学习框架Caffe的方法(centos安装dig)，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:centos如何安装软件,centos安装dig,安装 centos,centos直接安装,centos 安装chia,centos中如何安装软件,centos安装软件教程,centos直接安装,内容如对您有帮助，希望把文章链接给更多的朋友！

注：系统安装好后，先确认kernel kernel-headers kernel-devel kernel-firmware四个包的版本要相同复制代码代码如下:#rpm -qa |grep kernel注： 先修改yum配置文件 /etc/yum.conf 修改 keepcache=. 安装库复制代码代码如下:yum -y install epel-release.noarch(wget --import -K rpmforge-release-0.5.3-1.el6.rf.*.rpmrpm -ivh rpmforge-release-0.5.3-1.el6.rf.*.rpm rpmforge-releaser2、JDK安装复制代码代码如下:tar –xf jdk-7u-linux-x.tar.gz && mv jdk1.7.0_/ jdk1.7 mv jdk1.7/ /optvim /etc/profileexport JAVA_HOME=/opt/jdk1.7export JAVA_BIN=/opt/jdk1.7/binexport PATH=$PATH:$JAVA_HOME/binexport CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jarexport PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATHsource /etc/profile3、编译安装python2.7（centOS6上用的是python2.6）python官网： wget zlib openssl 等包复制代码代码如下:tar -xvf Python-2.7.9.tgz -C /usr/srccd /usr/src/Python-2.7.9./configure --enable-sharedmake -jmake altinstall（altinstall在安装时会区分已存在的版本）(解决libpython2.7.so.1.0办法：vi /etc/ld.so.conf 添加/usr/local/lib，然后ldconfig)替换系统中的python复制代码代码如下:ls -l `which python python2 python2.6`rm /usr/bin/pythonln -s -f /usr/local/bin/python2.7 /usr/bin/python保持yum可用性复制代码代码如下:vim /usr/bin/yum#!/usr/bin/python 改为 #!/usr/bin/python2.、安装pip复制代码代码如下:curl -O # 得到一个get-pip.pypython get-pip.pyInstalling collected packages: pip, setuptools, wheelSuccessfully installed pip-7.1.0 setuptools-.0.1 wheel-0..0（必须先安装openssl-devel与zlib的包，再执行python编译，若执行该命令的时候出现红色cann't remove easy-install.pth的提醒，但目录下又无此文件，可新建后再次执行一遍命令，安装系统的时候最好把开发工具的选项给勾上，出现“Successfully installed pip-6.0.8 setuptools-.3.1为安装成功”）5、安装cuda-6.5及驱动复制代码代码如下:wget -ivh cuda-repo-rhel6-6.5-.x_.rpmyum install cuda-6-5GTX 显卡装cuda后会导致Xorg狂奔，直至系统死机，需要将/etc/inittab中的启动级别改为3注，驱动包文件结构不对，导致nvidia_uvm.ko模块无法编译，需手动解决复制代码代码如下:cd /var/lib/dkms/nvidia/.cp -rv /usr/src/nvidia-. build如果使用yum 方式安装的使用下载下的驱动包升级下复制代码代码如下:chmod +x NVIDIA-Linux-x_-..run./NVIDIA-Linux-x_-..run重启后，dkms会在开机时完成nvidia_uvm.ko的编译/lib/modules/版本号/extra/下有两个包：nvidia.ko nvidia_uvm.ko复制代码代码如下:lsmod|grep nvidiavi /etc/rc.local #编辑该文件modprobe nvidia_uvm #添加该条5.1 run包安装方式复制代码代码如下:chmod +x cuda_6.5._linux_.run./ cuda_6.5._linux_.run6、安装blas复制代码代码如下:yum -y install blas.x_ blas-devel.x_ atlas.x_ atlas-devel.x_ atlas-sse3.x_ atlas-sse3-devel.x_、安装opencv复制代码代码如下:yum -y install ant.x_ gcc.x_ gcc-c++.x_ cmake.x_ git.x_ pkgconfig.x_ gtk2.x_ gtk2-devel.x_ libdc.x_ libdc-devel.x_ libjpeg-turbo.x_ libjpeg-turbo-devel.x_ libpng.x_ libpng-devel.x_ libtiff.x_ libtiff-devel.x_ jasper.x_ jasper-libs.x_ jasper-devel.x_ yasm.x_ yasm-devel.x_pip install numpy安装ffmpeg： #此包不需要通过yum安装，yum安装版本不对复制代码代码如下:tar -xf ffmpeg-2.6.1.tar.bz2 -C /usr/srccd /usr/src/ffmpeg-2.6.1/./configure --enable-shared #要以共享库方式配置，否则opencv编译时链接静态库会出错make -j && make installunzip opencv-2.4.9cd opencv-2.4.9mkdir release && cd release修改源文件NCVPixelOperations.hpp，文件替换到opencv路径下的modules/gpu/src/nvidia/core/NCVPixelOperations.hpp配置环境变量：复制代码代码如下:vim /etc/profile.d/custom.sh 配置完成source /etc/profile.d/custom.sh#!/bin/bashexport PATH=/usr/local/MATLAB/Ra/bin:/usr/local/cuda-6.5/bin:$PATHexport LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/boost-1..0/lib:/usr/local/cuda-6.5/lib:/opt/caffe-master/build/lib:/usr/lib/atlasexport LIBRARY_PATH=$LIBRARY_PATH:/usr/local/boost-1..0/lib:/usr/local/cuda-6.5/lib:/opt/caffe-master/build/lib:/usr/lib/atlasexport C_INCLUDE_PATH=$C_INCLUDE_PATH:/usr/local/boost-1..0/include:/usr/local/cuda-6.5/include:/opt/caffe-master/build/src:/opt/caffe-master/includeexport CPLUS_INCLUDE_PATH=$CPLUS_INCLUDE_PATH:/usr/local/boost-1..0/include:/usr/local/cuda-6.5/include:/opt/caffe-master/build/src:/opt/caffe-master/includeexport PYTHONPATH=$PYTHONPATH:/opt/caffe-master/pythonexport HISTTIMEFORMAT="%F %T "cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..make –jmake install8、安装boost-1.（1.不兼容）复制代码代码如下:yum -y install libicu.x_ libicu-devel.x_ bzip2-libs.x_ bzip2-devel.x_tar –xf boost_1__0.tar.gz && cd boost_1__0./bootstrap.sh./b2./b2 install运行./b2 install命令，默认安装在/usr/local/lib目录下，头文件在/usr/local/include/boost目录下9、安装caffe其他依赖：复制代码代码如下:yum -y install snappy.x_ snappy-devel.x_ hdf5.x_ hdf5-devel.x_ epel-release leveldb.x_ leveldb-devel.x_ libgfortran.x_------ 编译安装protobuf-2.5.0 protobuf-2.5.0------ tar -xvf protobuf-2.5.0.tar.gz------ cd /usr/src/protobuf-2.5.0./configuremakemake checkmake install------ export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH、编译安装caffe其他依赖包复制代码代码如下:glogwget zxvf glog-0.3.3.tar.gzcd glog-0.3.3./configuremake && make installgflagswget gflags-master.zipcd gflags-mastermkdir build && cd buildexport CXXFLAGS="-fPIC" && cmake .. && make VERBOSE=1make && make installlmdbgit clone –xf lmdb.tarcd mdb/libraries/liblmdbmake && make install #若提示man1错误，手动建立一个mkdir -p /usr/local/man/man、将matlab上传至服务器，通过图形方式安装安装秘钥---安装完成后导入lic文件，然后替换libmwservices.so到/usr/local/MATLAB/Ra/bin/glnxa/进行覆盖，结束安装。、解决python依赖复制代码代码如下:pip install 'six>=1.3'easy_install -U distributepip2.7 install PIL --allow-external PIL --allow-unverified PIL解包caffe-master.zip，并将该包移至opt目录复制代码代码如下:cd /opt/caffe-master/pythonfor i in $(cat requirements.txt); do pip install $i; done #需要多执行几遍注：会出现一个报错，关于PIL.Image >= 1.1.7，则可使用命令pip install 'PIL' 进行安装后再次执行以上的for循环语句，需要将python升级至2.7以上版本（安装及注意事项下：）

、安装caffe修改caffe-master/Makefile.config文件，增加如下几句复制代码代码如下:cp /opt/caffe-master/Makefile.config.example Makefile.configvim Makefile.configMATLAB_DIR := /usr/local/MATLAB/Ra/BLAS := atlasBLAS_LIB := /usr/lib/atlasPYTHON_INCLUDE := /usr/include/python2.7 /usr/local/lib/python2.7/site-packages/numpy/core/include /usr/local/include/python2.7执行 ldconfigmake all -jmake –j pycaffemake –j matcaffemake test –jmake runtest –j如果matlab要使用静态编译libprotobuf.a的话，修改Makefile在MATLAB_CXXFLAGS项上添加-static参数即可但使用动态库的matlab模型可能不可用若一切没有问题，至此caffe环境安装结束，待测试。以下为可选部分编译安装protobuf-2.5.0 protobuf-2.5.0复制代码代码如下:tar -xvf protobuf-2.5.0.tar.gzcd /usr/src/protobuf-2.5.0./configuremakemake checkmake installexport LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH继续安装protobuf的python模块(如果不用python，可跳过这一步)复制代码代码如下:#cd ./python #python setup.py build #python setup.py test #python setup.py install安装cudnnLINUX复制代码代码如下:cd <installpath>export LD_LIBRARY_PATH=`pwd`:$LD_LIBRARY_PATHAdd <installpath> to your build and link process by adding -I<installpath> to your compile line and -L<installpath> -lcudnn to your link line.

a. 编辑确保Makefile.config,启用GPU “# CPU_ONLY := 1”,并设置 “USE_CUDNN := 1”。b. 安装cuDNN复制代码代码如下:tar -xzvf cudnn-6.5-linux-R1.tgzcd cudnn-6.5-linux-R1cp lib* /usr/local/cuda-6.5/lib/cp cudnn.h /usr/local/cuda-6.5/include/cd /usr/local/cuda-6.5/lib/rm -rf libcudnn.so libcudnn.so.6.5chmod u=rwx,g=rx,o=rx libcudnn.so.6.5.ln -s libcudnn.so.6.5. libcudnn.so.6.5ln -s libcudnn.so.6.5 libcudnn.soldconfig注1：将相关的头文件，库文件放到profile中定义的系统路径里即可，matlab的mex运行时需要加载对应库caffe编译时也可在Makefile.config中修改，添加cuDNN的路径/cache/INSTALL_cuDNN/cudnn-6.5-linux-R1复制代码代码如下:INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /cache/INSTALL_cuDNN/cudnn-6.5-linux-R1LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /cache/INSTALL_cuDNN/cudnn-6.5-linux-R1注2：在使用tesla-c显卡时，需要在Makefile.config里改如下几个地方：复制代码代码如下:PYTHON_LIB := /usr/lib #原为PYTHON_LIB := /usr/libLIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib #原为如下：LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib注3：protobuf手动安装，不需要通过yum，yum安装版本不对，make runtest会报错，使用protobuf2.5的版本，安装方式见上，在编译caffe前安装好后再进行编译。包：咖啡环境需要上传的包：gflags-master.zip、opencv-2.4.9.zip、boost_1__0.tar.gz、caffe-master.zip、glog-0.3.3.tar.gz、protobuf-2.5.0.tar.gz、cuda-repo-rhel6-6.5-.x_.rpm、jdk-7u-linux-x.tar.gz、lmdb.tar、Python-2.7.9.tgz、 ffmpeg-2.6.1.tar.bz2、rpmforge-release-0.5.3-1.el6.rf.x_.rpm、NVIDIA-Linux-x_-..run、NCVPixelOperations.hpp、matlab文件夹

在CentOS上安装和使用代理软件HAProxy的完全攻略 一、HAProxy简介（1）HAProxy是一款提供高可用性、负载均衡以及基于TCP（第四层）和HTTP（第七层）应用的代理软件，支持虚拟主机，它是免费、快速并且

RedHat系统上基本的网络连接和设置方法 在开始本章内容讲解前，特别声明，由于这么多年的运维工作中从来没有碰到过配置IPv6的需求，所以这里就不针对IPv6做过多的讲解。一、Linux图形化网

红帽子RedHatLinux9 光盘启动安装过程图解 RedHatLinux是目前世界上使用最多的Linux操作系统。因为它具备最好的图形界面，无论是安装、配置还是使用都十分方便，而且运行稳定，因此不论是新手