ubuntu安装常用软件（比如python、搜狗拼音、cudnn等）-伙伴云

ubuntu 安装常用软件（比如python、搜狗拼音、cudnn等）

网友投稿 797 2022-05-29

终端打开方式:Ctrl+Alt+T

一、进入ubuntu分辨率无法改变：去软件更新处更新驱动，是显卡驱动的问题(新装系统要稍等一会才会出现）重启后恢复

二、鼠标右键进入终端 sudo apt-get install nautilus-open-terminal 注销后重进

三、安装搜狗输入法：下载 https://pinyin.sogou.com/linux/?r=pinyin

进入下载目录，在终端执行安装

sudo dpkg -i sogoupinyin_2.2.0.0102_amd64.deb

sudo apt-get install -f

系统设置--语言支持--fctix

注销后重进 ctrl+空格切换输入法

四、安装python和tensorflow

sudo apt-get update

pip install python（会装两个版本2.7和3.4，默认2.7.如果切换到3.4，请用pip3安装相应库，防止切换成2.7库丢失）

sudo pip install --upgrade pip

pip install tensorflow 若安装了cuda则安装GPU版本的tensorflow

本文安装的是pip install tensorflow==1.2

如果想安装最新版本的1.4 pip install tensorflow 1.4.1 则必须把cudnn配置到v6及以上版本方可正常使用

一般的卸载代码大致如：pip uninstall tensorflow

五、安装keras（keras是高度封装了TensorFlow\CNTK\Theano）

sudo pip install keras

官方API链接 https://keras.io/

六、安装科学计算库

①sudo pip install jupyter

安装成功后，在终端上键入jupyter notebook

[I 16:13:13.793 NotebookApp] Writing notebook server cookie secret to /run/user/1000/jupyter/notebook_cookie_secret

[I 16:13:13.937 NotebookApp] Serving notebooks from local directory: /home/m

[I 16:13:13.937 NotebookApp] 0 active kernels

[I 16:13:13.937 NotebookApp] The Jupyter Notebook is running at:

[I 16:13:13.937 NotebookApp] http://localhost:8888/?token=6f46feec7a319f3b1e433d003122e065c235bf48004d5c7b

即打开jupyter网页编辑器，进行修改程序标注程序代码或运行程序

②pip install pandas

③pip install numpy

④pip install Matplotlib（绘图库）

⑤pip install scikit-learn

⑥pip install seaborn

⑦pip install scikit-image

也可以一起安装，但各版本依赖之间记得相适应

七、安装spyder

sudo pip install spyder

sudo apt-get install python-pyqt*

spyder

默认环境是2.7

如果用3.4 请参考网址 http://blog.csdn.net/wangrunhuan/article/details/78218564

八、安装opencv3.4.0+opencv_contrib3.4.0（新版的3.4好多模型还不适用，建议先安装3.3）

安装步骤如下：

1、系统更新

sudo apt-get update

sudo apt-get upgrade

2、搭建C/C++编译环境：

sudo apt-get install build-essential

3、安装关联库

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 libtiff-dev libjasper-dev libdc1394-22-dev

4、下载opencv3.4.0（opencv_contrib3.4.0）

提供网址：下载opencv3.4.0在opencv官网下载 https://opencv.org/releases.html

下载opencv_contrib3.4.0在github中opencv中下载记得选择3.4版本(Tag中选版本) https://github.com/opencv/opencv_contrib

将下载好的两个压缩包解压目录如下

主目录：opencv3.4.0

子目录： ------ opencv_contrib3.4.0

------ bulid(在第5步会新建这个文件夹)

5、打开终端，cd ~/opencv3.4.0

mkdir build

6、 cd build

cmake .. (中间空格不要忘记)

备注：

第一种方式：

(①若配置opencv_contrib3.4.0则需配置环境：

cmake -DOPENCV_EXTRA_MODULES_PATH=/home/m/opencv3.4.0/opencv_contrib3.4.0/modules /home/m/opencv3.4.0

cmake -DOPENCV_EXTRA_MODULES_PATH=/home/m/opencv-3.3.1/opencv_contrib-3.3.1/modules /home/m/opencv-3.3.1

其中 CMAKE_BUILD_TYPE=Release / Debug，这里选择Release

‘/home/m/opencv3.4.0/opencv_contrib3.4.0/modules’为opencv_contrib3.4.0扩展模块中modules的路径

‘/home/m/opencv3.4.0’为opencv3.4.0的路径）

（还有一种配置cmake https://www.cnblogs.com/asmer-stone/p/5089764.html）

②若不配置扩展模块opencv_contrib3.4.0，则只在终端 cmake .. )

7、make -j4 0%-----100% 根据自己电脑的配置选择jn（n=2/4/....），时间稍长

8、sudo make install 到此配置结束

9、验证：

在此路径/home/m/opencv/opencv/samples/python，即安装的opencv中的samples中找到官方给的demo，进行python运行，如运行成功，则表示安装成功

若想测试opencv_contrib3.4.0是否安装成功，插入摄像头电脑，在opencv_contrib的samples中运行即可。

参考链接

http://blog.csdn.net/linj_m/article/details/45048905

http://blog.csdn.net/u013831198/article/details/70215925

10、如需要更新版本或者配置扩展库等，都需要先卸载原有的opencv

+-------------------------------------------------------------##卸载opencv##-----------------------------------------------------------------------------------------------+

①进入build文件夹中

sudo make uninstall

cd ..

sudo rm -r build

rm -r /usr/local/include/opencv2 /usr/local/include/opencv /usr/include/opencv /usr/include/opencv2 /usr/local/share/opencv /usr/local/share/OpenCV /usr/share/opencv /usr/share/OpenCV /usr/local/bin/opencv* /usr/local/lib/libopencv* (如果此步出现错误请继续即可）

②删除/usr中所有opencv相关项

cd /usr/

find . -name "*opencv*" | xargs sudo rm -rf

+-------------------------------------------------------------##卸载opencv##-----------------------------------------------------------------------------------------------+

九、安装cuda+cudnn

参考：http://www.cnblogs.com/xuanxufeng/p/6150593.html

下载cuda和cudnn链接，需要登录

cuda https://developer.nvidia.com/cuda-toolkit-archive

cudnn https://developer.nvidia.com/rdp/cudnn-download

新版的cudnn格式都是.solitairetheme8的，官方给的解压cudnn的方式：

cp cudnn-8.0-linux-x64-v5.1.solitairetheme8 cudnn-8.0-linux-x64-v5.1.tgz

先变成tgz格式的然后再按照后续步骤进行操作

1、安装相关依赖项

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

## 安装之后执行以下操作 ##

选择ubuntu14.04系统,若是16请提前查好自己的适配版本

查看显卡型号以及是否支持CUDA

输入：sudo nvidia-smi（也可用来查看运行内存占用情况）

显示如下内容：

Mon May 8 10:38:50 2017

+-----------------------------------------------------------------------------+

| NVIDIA-SMI 375.39 Driver Version: 375.39 |

|-------------------------------+----------------------+----------------------+

| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |

| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |

|===============================+======================+======================|

| 0 GeForce GTX 105... Off | 0000:01:00.0 On | N/A |

| 29% 37C P0 35W / 80W | 207MiB / 4037MiB | 0% Default |

+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+

| Processes: GPU Memory |

| GPU PID Type Process name Usage |

|=============================================================================|

| 0 966 G /usr/lib/xorg/Xorg 150MiB |

| 0 1690 G compiz 53MiB |

| 0 1972 G /usr/lib/firefox/firefox 1MiB |

+-----------------------------------------------------------------------------+

2/ 安装CUDA

+---------------------------------------##安装CUDA##-------------------------------------------+

|sudo chmod 777 cuda_8.0.61_375.26_linux.run (根据自己下载的CUDA版本号更改）

|sudo ./cuda_8.0.61_375.26_linux.run

|注意：执行后会有一系列提示让你确认，但是注意，有个让你选择是否安装nvidia367驱动时，一定要选择否：（型号不一定是367，看自己系统更新的）

|Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48?

|因为前面我们已经安装了更加新的nvidia367，所以这里不要选择安装。其余的都直接默认或者选择是即可。

|sudo gedit ~/.bashrc

|将以下内容写入到~/.bashrc尾部：

|export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}

|export LD_LIBRARY_PATH=/usr/local/cuda8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

|测试CUDA的samples

|cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery

|make

|sudo ./deviceQuery

|如果显示一些关于GPU的信息，则说明安装成功。

再次查看安装状态：cat /proc/driver/nvidia/version

+-----------------------------------------##安装CUDA##-----------------------------------------+

3/ 配置cuDNN

+-----------------------------------------##配置cuDNN##-----------------------------------------+

sudo tar -zxvf ./cudnn-7.5-linux-x64-v5.0-ga.tgz （根据自己的CUDNN版本号更改）

sudo tar -zxvf ./cudnn-8.0-linux-x64-v5.1.tgz

sudo cp cudnn.h /usr/local/cuda/include

cd ..

cd lib64

sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库

cd /usr/local/cuda/lib64/

sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件（最好去文件夹下把有关cudnn的所有都删除，貌似是4个文件，如果是第一次装就无所谓了）

sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成软衔接（根据解压后的文件夹内的具体版本号做相应调整，该版本以cudnn5.1为例）

sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接

sudo ldconfig /usr/local/cuda/lib64

+-----------------------------------------##配置cuDNN##-----------------------------------------+

如果需要更新新的cudnn版本只需要先删除/usr/local/cuda/lib64/中所有相关cudnn的文件即可，然后重新配置

十、安装mxnet

1、sudo apt-get update

sudo apt-get install -y build-essential git libblas-dev libopencv-dev

2、git clone --recursive https://github.com/dmlc/mxnet

3、将mxnet/目录里找到mxnet/make/子目录，把该目录下的config.mk复制到mxnet/目录，用文本编辑器打开，找到并修改以下三行：

USE_CUDA = 1

USE_CUDA_PATH = /usr/local/cuda

USE_CUDNN = 1

4、mxnet/目录下编译

make -j4

5、mxnet下cd python;

sudo python setup.py install（是个坑，sudo用了会锁上很多，需要解锁）

6、cd mxnet/example/image-classification

python train_mnist.py（会下载数据集)

或者python

import mxnet

十一、可视化操作：

一般运行程序时会在终端显示每一步的准确率或者loss，如果想把终端上显示出的数据统计绘图，第一步先生成txt，方法是在运行程序代码后 | tee 23.txt

eg1：运行darknet时可视化 ./darknet detector train cfg/tiny-yolo.cfg tiny-yolo_8000.conv.9 2>1 | tee person_train_log.txt

eg2: python train.py | tee loss.txt

运行完会在运行目录下生成相应txt文件

把txt中的数据提取成数组并绘制相应图像，用到了Python中的正则化，具体方法自行百度

十二、查看软链接 sudo ldconfig -v

解锁该目录下所有文件 sudo chmod 777 *

合并txt cat train.txt val.txt > trainval.txt

十三、录屏软件

在ubuntu软件安装下搜索“recordmydesktop”，最高帧速50

十四、切换python3和python2

sudo update-alternatives --install /usr/bin/python python /usr/local/lib/python2.7 100

sudo update-alternatives --install /usr/bin/python python /usr/local/lib/python3.4 150

sudo update-alternatives --config python

切换的时候cudnn会出现错误，需要重新更新cudnn软链接

十五：打开tensorboard

tensorboard --logdir=/模型路径

十六、caffe安装

首先安装各种依赖包。

sudo apt-get update

sudo apt-get install -y build-essential cmake git pkg-config

sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler

sudo apt-get install -y libatlas-base-dev

sudo apt-get install -y--no-install-recommends libboost-all-dev

sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev

sudo apt-get install -y python-pip

sudo apt-get install -y python-dev

sudo apt-get install -y python-numpy python-scipy

从github上clone caffe

git clone https://github.com/BVLC/caffe.git //从github上git caffe

cd caffe

sudo cp Makefile.config.example Makefile.config

sudo gedit Makefile.config

打开之后修改如下内容:

根据需要去掉以下语句前的#

USE_CUDNN := 1 OPENCV_VERSION := 3WITH_PYTHON_LAYER := 1

修改以下语句：

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

修改makefile文件

NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)

NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

将上面的第一句改为第二句。

打开/usr/local/cuda/include/host_config.h，将其中的第115行注释掉。系统盘会没有改写权限，用下边的方法

sudo gedit /usr/local/cuda/include/host_config.h

#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!

改为

//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!

编译

make all -j8

make runtest

make pycaffe

最后一个make如果出现错误的话，把Makefile.config里的路径改一下

PYTHON_INCLUDE := /usr/include/python2.7 \

/usr/local/lib/python2.7/dist-packages/numpy/core/include

如果没有报错那么就安装成功了。

打开~/.bashrc

sudo gedit ~/.bashrc

写入以下语句

export PYTHONPATH=~/caffe/python

关闭文件，执行如下语句

source ~/.bashrc

在成功编译caffe的源码之后，可以在python环境中使用caffe。

在Ubuntu环境下，打开python解释程序，输入import caffe检验是否安装正确

十七 theano

1、keras可以依托于tensorflow和theano

通过sudo gedit ~/.keras/keras.json更改keras的后端

{undefined

"epsilon": 1e-07,

"floatx": "float32",

"image_data_format": "channels_first",

"backend": "theano"

}

2、theano使用gpu进行加速时，需要配置

通过 sudo gedit ~/.theanorc

[global]

floatX=float32

device=cuda0

root=/usr/local/cuda-8.0

[nvcc]

fastmath = True

flags=--machine=64

[lib]

cnmem=100

3、然后还需要安装pygpu

ubuntu安装常用软件（比如python、搜狗拼音、cudnn等）

不能使用pip

安装教程：http://deeplearning.net/software/libgpuarray/installation.html

git可以直接从github--theano--libgpuarray 选择版本

Python TensorFlow Ubuntu

财务系统搭建的关键步骤与最佳实践探讨

797 2022-05-29

ubuntu 安装 常用 软件（比如python、搜狗拼音、cudnn等）

掌握将Excel文件转换为PDF的简单高效方法

财务系统搭建的关键步骤与最佳实践探讨

服务器系统搭建的重要性与挑战，如何实现高效与安全的管理？

推荐文章

企业生产管理是什么，企业生产管理软件

进盘点进销存软件排行榜前十名

进销存系统哪个简单好用？进销存系统优点

工厂生产管理（工厂生产管理流程及制度）

生产管理软件，机械制造业生产管理，制造业生产过程管理软件

进销存软件和ERP有什么区别？进销存与erp软件理解

进销存如何进行库存管理

如何利用excel制作销售订单管理系统？

数据库订单管理系统有哪些功能？数据库订单管理系统怎么设计？

什么是数据库管理系统？

最近发表

热评文章

零代码开发是什么？2022低代码平台排行榜

智能进销存库存管理系统（智慧进销存）

在线文档哪家强？8款在线文档编辑软件推荐

WPS2016怎么绘制简单的价格表?

定制家居数字化管理模式：提升品质、智能化和个性化的未

客户管理工具是什么？

友情链接