https://blog.csdn.net/u011117131/article/details/103565254
安裝cuda10.0
cuda官網選擇適合自己電腦的版本下載
.在終端輸入在第一步中選擇好版本後官網給出的安裝命令。
由於顯卡驅動是之前就單獨安裝好的，所以在這裏安裝cuda時注意不要再安裝驅動driver了。除了驅動不裝，其他的都都安裝。一路指令順序執行下來。
環境變量的配置。打開 ~/.bashrc 文件補充代碼。
在終端輸入：
sudo gedit ~/.bashrc
1
在打開的文件底端補充：
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local
/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
1
2
3
輸入完成後，保存並且關閉文檔，終端界面上的警告可以忽略。然後再在終端輸入：source ~/.bashrc 讓配置生效
創建鏈接文件，終端輸入：
sudo gedit /etc/ld.so.conf.d/cuda.conf
1
在打開的文件中添加語句：
/usr/local/cuda/lib64
1
文檔保存關閉後終端輸入：
sudo ldconfig
1
查看cuda是否安裝成功, 終端輸入：nvcc -V
安裝cuDNN-7.6
這裏需要注意的是，cuDNN的版本，要與已安裝的CUDA版本對應
移動安裝文件到用戶根目錄下
複製文件到CUDA安裝目錄
sudo cp ~/cuda/include/cudnn.h /usr/local/cuda-10.0/include
sudo cp ~/cuda/lib64/lib* /usr/local/cuda-10.0/lib64
1
2
創建庫文件鏈接: 注意進入相關目錄找到對應的.so文件，因爲寫錯了.so名稱此處也不會報錯
cd /usr/local/cuda-10.0/lib64
sudo ln -sf libcudnn.so.7.6.5 libcudnn.so.7
sudo ln -sf libcudnn.so.7 libcudnn.so
sudo ldconfig -v
1
2
3
4
安裝opencv3.4.1
安裝依賴項：
sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff5-dev libdc1394-22-dev # 處理圖像所需的包
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev liblapacke-dev
sudo apt-get install libxvidcore-dev libx264-dev # 處理視頻所需的包
sudo apt-get install libatlas-base-dev gfortran # 優化opencv功能
sudo apt-get install ffmpeg
1
2
3
4
5
6
7
確保上面依賴項安裝了
然後其他參看下面博客安裝：
https://blog.csdn.net/cocoaqin/article/details/78163171
1
安裝caffe
第一步 安裝相關依賴庫
sudo apt-get --assume-yes install build-essential
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
# Python libs
sudo -H pip install --upgrade numpy protobuf
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
1
2
3
4
5
6
7
8
第二步 下載caffe
使用Git直接下載Caffe ，沒安裝git就按照提示安裝一下
git clone https://github.com/BVLC/caffe.git
cd caffe
1
2
第三步 修改Makefile.config
1、進入 caffe ，將 Makefile.config.example 文件複製一份並更名爲 Makefile.config ，也可以在 caffe 目錄下直接調用以下命令完成複製操作 ：
sudo cp Makefile.config.example Makefile.config
1
複製一份的原因是編譯 caffe 時需要的是 Makefile.config 文件，而Makefile.config.example 只是caffe 給出的配置文件例子，不能用來編譯 caffe。
2、修改 Makefile.config 文件,在 caffe 目錄下打開該文件：
sudo gedit Makefile.config
1
在文件中替換一下幾個地方：
...
將
#USE_CUDNN := 1
修改成：
USE_CUDNN := 1
...
...
#如果此處是OpenCV2，則不用修改
將
#OPENCV_VERSION := 3
修改爲：
OPENCV_VERSION := 3
...
將
CUDA_DIR := /usr/local/cuda
修改爲
CUDA_DIR := /usr/local/cuda-10.0
...
將
#WITH_PYTHON_LAYER := 1
修改爲
WITH_PYTHON_LAYER := 1
...
...
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改爲：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial /usr/local/cuda-10.0/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial /usr/local/cuda-10.0/lib64
...
...
將
CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \
-gencode arch=compute_20,code=sm_21 \
-gencode arch=compute_30,code=sm_30 \
-gencode arch=compute_35,code=sm_35 \
-gencode arch=compute_50,code=sm_50 \
-gencode arch=compute_52,code=sm_52 \
-gencode arch=compute_60,code=sm_60 \
-gencode arch=compute_61,code=sm_61 \
-gencode arch=compute_61,code=compute_61
修改爲
CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \
-gencode arch=compute_35,code=sm_35 \
-gencode arch=compute_50,code=sm_50 \
-gencode arch=compute_52,code=sm_52 \
-gencode arch=compute_60,code=sm_60 \
-gencode arch=compute_61,code=sm_61 \
-gencode arch=compute_61,code=compute_61
...
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
3、然後修改 caffe 目錄下的 Makefile 文件：
...
將：
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替換爲：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
...
...
將：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改爲：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
...
1
2
3
4
5
6
7
8
9
10
11
12
13
4、然後修改 /usr/local/cuda/include/host_config.h 文件
將
#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
改爲
//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
1
2
3
4
第四步 編譯
在caffe目錄下執行
#jn 就是cpu的核心數，j8也就是八核
sudo make all -j8
1
2
測試：
sudo make runtest -j8
1
openpose編譯安裝:
如果上面caffe按操作來不踩坑，建議參考下面博客編譯openpose一般沒問題：
https://blog.csdn.net/qq_27838651/article/details/89282776
下載OpenPose：
git clone https://github.com/CMU-Perceptual-Computing-Lab/openpose.git
1
下載模型（這一步可跳過，因爲之後會自動下載）：
cd openpose
cd models
./getModels.sh
cd ..
1
2
3
4
打開cmke軟件：
cmake-gui
1
填寫openpose源碼目錄以及build：
在這裏插入圖片描述
點擊Configure按鈕, 選擇Unix Makefile和use default native compling，點擊finish按鈕
點擊Generate按鈕，中間會出現一些紅色的可配置項。之後按圖操作配置caffe編譯路徑 ：
在這裏插入圖片描述在這裏插入圖片描述【如果使用OpenPose的 Python API，需要在 CMake GUI 中設置 BUILD_PYTHON, 並且下載pybind11解壓後的文件拷貝到3rdparty/pybind11/下即可】
最後點擊Generate按鈕
OpenPose 編譯
cd OPENPOSE_ROOT/build/
make -j`nproc`
1
2
編譯過程中出現過一個錯誤： cannot find #include “caffe/proto/caffe.pb.h”
解決辦法：首先將caffe.proto中的required改爲optional, 然後在caffe目錄下輸入如下代碼：
protoc src/caffe/proto/caffe.proto --cpp_out=.
mkdir include/caffe/proto
mv src/caffe/proto/caffe.pb.h include/caffe/proto
1
2
3
最後重新編譯caffe。
測試：
./build/examples/openpose/openpose.bin --video examples/media/video.avi
1
其他相關
下面是所有安裝用到的東西請下載
鏈接：https://pan.baidu.com/s/1ud2XTUPQmTLcz3_mOgfqzg&shfl=sharepset
提取碼：uqx6
鏈接: https://pan.baidu.com/s/1NQeE_NtOIsyG5XUnSNZymw&shfl=shareset 提取碼: 4zu3
兩個一樣的，如果失效了就留言吧也許會回。
【注意】
[1] - 編譯時不採用 cuDNN：
在OpenPose 配置中，去除 CMake 的 USE_CUDNN 勾選.
如果不採用 cuDNN，則需要減少 --net_resolution 設定的尺寸，以避免 GPU 顯存不足.
–net_resolution 可嘗試：640x320, 320x240, 320x160, 160x80。
如：–net_resolution -1x320.
[2] - 自定義 Caffe 版本：
在OpenPose 配置中，去除 CMake 的 BUILD_CAFEE 勾選，手工定義 Caffe include路徑和 library路徑.
在OpenPose 配置中，如果是從源碼編譯安裝的 OpenCV，導致 OpenPose 不能找到 OpenCV路徑，則可以手工指定 OPENCV_DIR 路徑.
如：
cmake -DOpenCV_INCLUDE_DIRS=/home/"${USER}"/softwares/opencv/build/install/include \
-DOpenCV_LIBS_DIR=/home/"${USER}"/softwares/opencv/build/install/lib \
-DCaffe_INCLUDE_DIRS=/home/"${USER}"/softwares/caffe/build/install/include \
-DCaffe_LIBS=/home/"${USER}"/softwares/caffe/build/install/lib/libcaffe.so -DBUILD_CAFFE=OFF ..
cmake -DOpenCV_CONFIG_FILE=/home/"${USER}"/softwares/opencv/build/install/share/OpenCV/OpenCVConfig.cmake \
-DCaffe_INCLUDE_DIRS=/home/"${USER}"/softwares/caffe/build/install/include \
-DCaffe_LIBS=/home/"${USER}"/softwares/caffe/build/install/lib/libcaffe.so -DBUILD_CAFFE=OFF ..
1
2
3
4
5
6
7
8
Python API
OpenPose的 Python API，需要在 CMake GUI 中設置 BUILD_PYTHON.
如:./build/examples/tutorial_developer/python_1_pose_from_heatmaps.py.
CPU 版本
爲了可以手工選擇 CPU 版本，則在 CMake GUI 中設置 GPU_MODE 爲 CPU_ONLY.
注：CPU 版本的精度比 CUDA 版本的精度高大約 1%. 故結果可能有不同.
Ubuntu 中的 OpenPose 利用了 Caffe 的 Intel MKL(Math Kernel Library) 版本. 也可以通過取消選擇USE_MKL，利用自定義的 Caffe 版本.
默認 CPU 版本在 Ubuntu 上大概每秒 0.2 張圖像(比 GPU 版本慢 ~50X ). MKL 版本能夠提升 2X 的速度，每秒 ~0.4 張圖像.
OpenPose 重新安裝與刪除
[1] - 如果運行了 sudo make install，則，首先在 build/ 中運行 sudo make uninstall.
[2] - 刪除 build/ 路徑.
[3] - CMake GUI 中，點擊 File - Delete Cache.
[4] - 重新安裝.(或刪除 OPENPOSE_ROOT/ 路徑.)
https://blog.csdn.net/u011117131/article/details/103565254