Ubuntu 16.04+Cuda 9.0+Cudnn 7.0.5+OpenCV 3.4.0+Caffe 配置教程

在Ubuntu 16.04环境下，本文档详细介绍了如何配置CUDA 9.0、cuDNN 7.05、OpenCV 3.4.0以及Caffe库，以适应两台不同硬件平台：一台是搭载GTX 1080Ti的专业台式机，另一台则是配备了GTX 960M显卡的笔记本电脑。作者强调，尽管CUDA 9.1理论上也可以兼容，但为了确保稳定性和最佳性能，建议采用文档中列出的特定版本。 首先，配置过程从更新系统源代码开始，以获取最新的软件包。这包括删除旧的源列表文件（/etc/apt/sources.list）并替换为包含阿里云镜像的列表，这样可以提高下载速度和可靠性： 1. 备份原始source.list文件： ``` sudo cp /etc/apt/sources.list /etc/apt/sources.list.old ``` 2. 打开并编辑新的source.list文件： ``` sudo gedit /etc/apt/source.list ``` 3. 将原有内容替换为包含阿里云镜像的多源列表，确保覆盖所有主要的软件仓库，如主库、安全库、更新库、提议库和回滚库。 4. 更新软件包列表： ``` sudo apt-get update ``` 接下来，安装CUDA和cuDNN： 1. 安装CUDA 9.0： - 下载CUDA安装包，根据GPU型号选择对应版本，然后解压并安装。 - 配置环境变量，添加CUDA路径到系统路径中。 - 完成安装后，确认CUDA运行正常，如检查nvcc版本等。 2. 安装cuDNN 7.05： - 下载cuDNN对应版本，解压并将其添加到CUDA的include和lib目录下。 - 更新LD_LIBRARY_PATH环境变量指向cuDNN库。 对于OpenCV 3.4.0，可以通过以下步骤安装： 1. 添加OpenCV PPA： ``` sudo add-apt-repository ppa:itseez/pool ``` 2. 更新源并安装OpenCV： ``` sudo apt-get update sudo apt-get install python3-opencv ``` 安装完成后，安装Caffe依赖项，包括protobuf、gflags、glog等，并构建Caffe库。根据Caffe官方文档或GitHub上的指引进行安装，可能需要编译安装，具体步骤取决于你的系统架构（32位或64位）和C++版本。 最后，为了确保一切设置正确，可以运行Caffe的示例程序或进行深度学习模型训练，以验证环境是否已成功配置。如果遇到问题，建议查阅官方文档、社区论坛或者结合文档中提到的解决步骤来排查。 这份指南提供了一个详尽的Ubuntu 16.04系统上CUDA 9.0、cuDNN 7.05、OpenCV 3.4.0和Caffe的配置教程，适合那些希望在不同硬件平台上搭建深度学习开发环境的用户参考。