CentOS 6.5怎么安装Caffe的GPU版本？

在CentOS 6.5这样的老旧系统上搭建GPU版本的Caffe深度学习框架，是一项充满挑战但并非不可能完成的任务，这个过程的核心在于处理各个组件之间严苛的版本依赖关系，因为现代版本的软件往往已经放弃了对如此古老操作系统的支持，本文将详细梳理整个安装流程，提供关键配置要点，并帮助您规避常见的陷阱。

环境准备与前置依赖

在开始之前,请确保您拥有一台安装了CentOS 6.5操作系统的计算机，配备了一块受NVIDIA官方支持的GPU，并且拥有root权限或sudo权限，由于CentOS 6.5的官方源已经停止维护，您可能需要配置vault.centos.org作为软件源，以便能够使用yum命令安装基础的编译工具。

安装必要的开发工具包和库,这些是编译Caffe及其依赖项的基础。

yum groupinstall -y "Development Tools"
yum install -y kernel-devel-$(uname -r) wget git python-devel numpy

安装Caffe所需的一系列关键依赖库,这些库可以通过yum直接安装，但需要注意版本兼容性。

yum install -y protobuf-devel leveldb-devel snappy-devel opencv-devel
yum install -y hdf5-devel boost-devel gflags-devel glog-devel lmdb-devel

NVIDIA驱动与CUDA工具包的安装

这是整个过程中最关键也最容易出错的一环,由于CentOS 6.5的内核版本非常旧（通常是2.6.x），您不能安装最新版本的NVIDIA驱动，您需要寻找一个与您的内核和CUDA工具包版本都兼容的较旧驱动。

一个推荐的组合是使用CUDA 7.5或CUDA 7.0，它们对旧系统的支持相对较好，您可以从NVIDIA开发者网站的归档区域下载这些旧版本的CUDA Toolkit。

安装步骤：

1. 禁用Nouveau驱动： Nouveau是开源的NVIDIA驱动，必须先禁用它，创建/etc/modprobe.d/blacklist-nouveau.conf文件，并添加以下内容：

   blacklist nouveau
   options nouveau modeset=0

   然后运行 dracut --force 并重启系统。

2. 安装NVIDIA驱动： 从NVIDIA官网下载与CUDA 7.5兼容的驱动程序（352.xx系列），以root权限运行下载的.run文件，并按照提示完成安装，安装过程中选择接受协议，并选择安装32位兼容库（如果需要）。

   

3. 安装CUDA Toolkit： 下载CUDA 7.5的.run安装包，运行时，建议只安装“Toolkit”组件，因为驱动已在第一步单独安装，这样可以避免版本冲突，安装路径默认为/usr/local/cuda。

4. 配置环境变量： 将CUDA的路径添加到系统环境变量中，编辑~/.bashrc或/etc/profile文件，添加：

   export PATH=/usr/local/cuda/bin:$PATH
   export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

   执行 source ~/.bashrc 使配置生效。

安装cuDNN加速库

cuDNN是NVIDIA为深度神经网络提供的GPU加速库,您需要一个与CUDA 7.5兼容的cuDNN版本（例如cuDNN v4或v5），同样，这需要从NVIDIA开发者网站的归档中下载。

下载后,解压压缩包，您会看到cuda文件夹，将其中的库文件和头文件复制到CUDA安装目录下：

tar -xzvf cudnn-7.5-linux-x64-v5.1.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

编译与配置Caffe

现在所有依赖都已就位,可以开始编译Caffe了，建议从GitHub上克隆一个相对较旧但稳定的Caffe版本，以避免新代码对旧环境的不兼容。

git clone https://github.com/BVLC/caffe.git
cd caffe

核心配置在于修改Makefile.config文件，复制示例文件：

cp Makefile.config.example Makefile.config

使用文本编辑器打开Makefile.config，进行如下关键修改：

配置项	原始值	修改后值	说明
CPU_ONLY	CPU_ONLY := 1	# CPU_ONLY := 1	注释掉此行以启用GPU支持
CUDA_DIR	CUDA_DIR := /usr/local/cuda	确保路径正确	指向CUDA工具包的安装目录
BLAS	BLAS := open	BLAS := atlas 或 open	选择系统中已安装的BLAS库
PYTHON_INCLUDE	注释状态	取消注释	启用Python层支持
WITH_PYTHON_LAYER	# WITH_PYTHON_LAYER := 1	WITH_PYTHON_LAYER := 1	启用Python层

配置完成后,开始编译，使用-j参数可以加速编译过程，$(nproc)会自动使用所有可用的CPU核心。

make all -j$(nproc)
make test -j$(nproc)
make runtest

如果make runtest能够顺利通过，说明Caffe的GPU环境已经基本搭建成功，为了在Python中使用Caffe，还需要编译Python接口：

make pycaffe -j$(nproc)

将caffe/python目录添加到PYTHONPATH环境变量中，即可在Python脚本中import caffe了。

---

相关问答FAQs

问题1：编译过程中提示GCC版本不兼容或C++11特性相关错误，该如何解决？

解答： 这是CentOS 6.5上最常见的问题之一，CentOS 6.5默认的GCC版本是4.4.7，而较新版本的Caffe或其依赖（如Boost）可能需要GCC 4.6以上版本甚至支持C++11，有两种主要解决方案：

1. 使用DevToolSet： 安装CentOS SCLo（Software Collections）仓库，然后通过yum install devtoolset-2或devtoolset-3来获取一个较新的GCC环境（如4.8.1），在编译前，需要先执行scl enable devtoolset-2 bash来切换到新的GCC环境。
2. 降级Caffe版本： 如果无法使用DevToolSet，可以尝试 checkout 一个更古老的Caffe版本（例如2015-2016年的某个commit），那个时期的Caffe代码对旧版GCC的兼容性更好。

问题2：运行make runtest时，部分测试失败，提示“CUDA driver version is insufficient for CUDA runtime version”或找不到libcudart.so等错误，是什么原因？

解答： 这个错误通常指向NVIDIA驱动、CUDA Toolkit和cuDNN之间的版本不匹配，或者环境变量配置问题。

1. 版本不匹配： 请仔细核对您安装的NVIDIA驱动版本是否支持您所使用的CUDA Toolkit版本，CUDA 7.5通常需要352.xx系列的驱动，可以查阅CUDA Toolkit的Release Notes来确认。
2. 环境变量： 确保您已经正确设置并source了LD_LIBRARY_PATH和PATH环境变量，可以通过echo $LD_LIBRARY_PATH和nvcc --version命令来检查，如果nvcc命令找不到，说明PATH设置有问题；如果运行时找不到库文件，说明LD_LIBRARY_PATH设置有问题。
3. 库文件完整性： 检查/usr/local/cuda/lib64目录下是否存在libcudart.so、libcublas.so以及cuDNN的库文件（如libcudnn.so），确保它们都存在且具有可读权限。