2012年5月7日 星期一

How to install CUDA 4.0 12.2 on Ubuntu 10.10 




目前測試Ubuntu 10.10版本安裝CUAD，其主要原因是OpenCV 2.3.1所使用的CUDA toolkit版本為4.0.17，而nvidia所以提供的Cuda toolkit 4.0.17版本號僅支援ububtu 10.10，因此先拿10.10做測試，如果測試OK未來將使用11.10版本進行測試安裝



Step1.首先安裝ubuntu
注意:OpenCV_2.3.1使用的CUDA Toolkit 為CUDA 4.0版本，所以ToolKit 與SDK版本均要下載4.0版本，不然Make將會出錯

下載檔案如下





NVIDIA-Linux-x86_64-285.05.33.run

cudatoolkit_4.0.17_linux_64_ubuntu10.10.run

gpucomputingsdk_4.0.17_linux.run




















Step2.安裝Cuda






a.安裝CUDA時須先離開xwindow,









ubuntu 10.10離開方式




#sudo stop gdm
ubuntu 11.04離開方式




#sudo stop lightdm







b.安裝Nvidia 驅動程式





#sudo ./NVIDIA-Linux-x86_64-285.05.33.run

c.安裝Nvidia Cuda toolkit 4.0





#sudo cudatoolkit_4.0.17_linux_64_ubuntu10.10.run



非常注意，這邊使用的OpenCV2.3.1一定要對應Toolkit 4.0版本





d.安裝CUDA SDK 4.0





#sudo gpucomputingsdk_4.0.17_linux.run

e.設定相關系統path





#sudo vi /etc/bash.bashrc



於最下面加入






export PATH=/usr/local/cuda/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/lib:$LD_LIBRARY_PATH


# The following line should on the last line of this file.

export PATH=.:$PATH





f.安裝編譯相關程式





#sudo apt-get install build-essential gcc-4.4 g++-4.4 libxi-dev libxmu-dev freeglut3-dev

g.將SDK進行編譯測試





預設SDK安裝於'/home/user/NVIDIA_GPU_Computing_SDK'資料夾當中，user為你的使用者名稱。



#cd NVIDIA_GPU_Computing_SDK/C/



#make



若編譯過程中無出現任何錯誤，將可編譯出下列執行檔。















測試編譯的執行檔。



#./deviceQuery



若出現下列訊息，表示該平台可以正常運作CUDA














 






Step3.安裝OpenCV 2.3.1







至官方網站下載OpenCV tar套件OpenCV-2.3.1a.tar.bz2



Step a.安裝相關有用之lib庫









#sudo apt-get install cmake-gui libjpeg62 libjpeg62-dev libgtk2.0-0 libgtk2.0-dev libjpeg62-dev libtiff4-dev libjasper-dev libopenexr-dev cmake python-dev python-numpy libtbb-dev libeigen2-dev yasm libfaac-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev libtbb-dev







Step b.安裝OpenCV





建立opencv安裝目錄







#mkdir /usr/local/opencv2.3.1



#ln -s /usr/local/opencv2.3.1 /usr/local/opencv










Symbolic Link (符號連結，亦即是捷徑)相對於 hard link ， Symbolic link 可就好理解多了，基本上， Symbolic link 就是在建立一個獨立的檔案，而這個檔案會讓資料的讀取指向他 link 的那個檔案的檔名！由於只是利用檔案來做為指向的動作， 所以，當來源檔被刪除之後，symbolic link 的檔案會『開不了』， 會一直說『無法開啟某檔案！』。實際上就是找不到原始『檔名』而已啦！

ln指令：連結檔案或目錄

語法:ln -[可選參數] 原始檔案/目錄 目的檔案/目錄





參數說明：




    

  1. 不加：預設值；只限於相同檔案系統間的連結，且不能連結目錄
    2. 

  2. s：可作不同檔案系統間的連結，且能連結目錄
    3. 

  3. f：如果要連結成的檔案已存在，則砍掉這個已存在的檔案
    4. 

  4. n：如果要連結成的檔案已存在，則停止連結，不會砍掉該檔案
    5. 
















上述動作於/usr/local/資料夾中建立opencv資料夾，在將opencv2.3.1指向 opencv資料夾，可以有效管理安裝的資料夾，若需更改其他版本，請直接指向另外一個版本之資料夾，將可以不需更改PATH資料夾。

















Step c.使用cmake-gui 建立 makefile















#cd ~/opencv_2.3.1/



#mkdir release



#cd release/



#cmake-gui ../






















CMAKE_BUILD_TYPE=RELEASE
























CMAKE_INSTALL_PREFIX=/usr/local/opencv


































WITH_CUDA=1




























點選configure進行設定,這邊我們先手動啟動一些設定值，還有安裝的目錄很重要。










使用預設的compilers進行編譯












當點選Finish 之後會進行初步設定，此時有一個值要手動建立Path for CUDA_SDK_ROOT_DIR，請用瀏覽的方式，將該設定值設定為你所安裝SDK的位置，如下圖所示。














再度點選Configure若無出現錯誤，將可點選Generate進行建立該MakeFile檔案




















#make


若安裝過程中無出現錯誤，代表所有設定值與安裝之lib未出現錯誤，此時將可進行install動作


#sudo make install


注意:





cmake-gui中設定opencv安裝目錄"CMAKE_INSTALL_PREFIX=/usr/local/opencv"，若make install後發現並無安裝置/usr/local/opencv中，可檢查MakeFile.cmake檔案，並修改INSTALL_PRFIX路徑位置



#gedit cmake_install.cmake

修改CMAKE_INSTALL_PREFIX="/use/local" 為 "/usr/local/opencv"





修改設定檔

因為安裝路徑有修改，所以prefix=/usr/local將改成/usr/local/opencv





並加-lopencv_gpu加入引用程式庫。





















Step d. 修改系統變數











#sudo gedit /etc/bash.bashrc



加入下列紅色字串。





export PATH=/usr/local/cuda/bin:/usr/local/opencv/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/lib:/usr/local/opencv/lib:$LD_LIBRARY_PATH

export PKG_CONFIG_PATH=/usr/local/opencv/lib/pkgconfig:${PKG_CONFIG_PATH}


# The following line should on the last line of this file.

export PATH=.:$PATH















Step e. 加入動態連結管理員





請於/etc/ld.so.conf.d/資料夾當中新增opencv.conf檔案，檔案內容






/usr/local/opencv/lib





新增後重新啟動ldconfig即可







#sudo ldconfig















Step4. OpenCV 2.3.1 with CUDA test









a.建立簡單應用gpu開啟影像並做基本處裡，原始碼如下圖所示，檔名為main.cpp。












#include <iostream>

#include <opencv2/opencv.hpp>

#include <opencv2/gpu/gpu.hpp>



int main (int argc, char* argv[])

{

    try

    {

          int num_device=cv::gpu::getCudaEnabledDeviceCount();

          std::cout<< "Number of GPU device " << num_device<<std::endl;



        cv::Mat src_host = cv::imread("beach.jpg",CV_LOAD_IMAGE_GRAYSCALE);



        cv::gpu::GpuMat dst, src;

        src.upload(src_host);



        cv::gpu::threshold(src, dst, 128.0, 255.0, CV_THRESH_BINARY);



        cv::Mat result_host = dst;

        cv::imshow("Result", result_host);

        cv::waitKey();

    }

    catch(const cv::Exception& ex)

    {

        std::cout << "Error: " << ex.what() << std::endl;

    }

    return 0;

}









編譯c++



#g++ main.cpp -o gpu_test `pkg-config --cflags --libs opencv`



執行如下圖所示。























b.GPU Device info






#include <opencv2/opencv.hpp>

#include <opencv2/gpu/gpu.hpp>

#include <iostream>



int main() {

     int num_device= cv::gpu::getCudaEnabledDeviceCount();

     std::cout << "Number of CUDA device: " << num_device << std::endl;

     if (num_device>0) {

          int dev_id=cv::gpu::getDevice();

          cv::gpu::DeviceInfo dev_info;



          dev_info=cv::gpu::DeviceInfo::DeviceInfo(dev_id);

          std::cout << "Device information" << std::endl;

          std::cout << "Device name: " << dev_info.name() << std::endl;

          std::cout << "Number of Processor: " << dev_info.multiProcessorCount() << std::endl;

          std::cout << "Total Memory: " << dev_info.totalMemory()/1024 << " (Mb)" << std::endl;

     }

     return 0;

}




























張貼者：



於



























標籤：
,


















沒有留言:















張貼留言


















        

      









訂閱：
張貼留言 (Atom)