gpu설치

1. 그래픽 카드 드라이버 설치

$ ubuntu-drivers devices

470을 recommended 하고 있으므로 470설치합니다.

$ sudo add-apt-repository ppa:graphics-drivers/ppa
$ sudo apt update
$ sudo apt-get install nvidia-driver-470
$ reboot

비밀번호 8자리를 설정합니다.

$ sudo reboot

그러면 위와 같은 화면이 나옵니다.
Enroll MOK -> View Key 0 -> ESC 클릭 -> Continue -> password: 아까 설정한 비밀번호 -> OK -> reboot

$ nvidia-smi

470 드라이버설치된것과 동시에 cuda 11.4가 설치 됩니다.

 

2. cuda-10.2 설치

기존 cuda삭제

$ sudo apt-get --purge remove "*cublas*" "cuda*"
$ sudo autoremover
$ reboot

했는데 

음... 제거되는 게 없다고 뜨는 데 nvidia-smi를 입력했을 때 cuda는 11.4버전이다.
$ find / -name "cuda*"  > out
$ less out
로 찾아봐도 11.4버전은 안보인다. 그래서 그냥 재설치하였습니다.

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

CUDA Toolkit Archive

공식 사이트에 접속합니다.

$ wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
$ sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
$ wget https://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda-repo-ubuntu1804-10-2-local-10.2.89-440.33.01_1.0-1_amd64.deb
$ sudo dpkg -i cuda-repo-ubuntu1804-10-2-local-10.2.89-440.33.01_1.0-1_amd64.deb
$ sudo apt-key add /var/cuda-repo-10-2-local-10.2.89-440.33.01/7fa2af80.pub
$ sudo apt-get update

명령어 중에 맨 마지막 줄 빼고 입력합니다.

# CUDA 10.2 설치 (명령어 중 맨 마지막 줄은 cuda-10-2를 꼭 붙여야함 아니면 여러개 설치되는 걸로 알고 있습니다)
$ sudo apt-get -y install cuda-10-2

$ sudo gedit ~/.bashrc

가장 아래에 다음을 추가

export PATH=$PATH:/usr/local/cuda-10.2/bin
export CUDADIR=/usr/local/cuda-10.2
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.2/lib64

값만 넣지말고 실제로 경로에 들어가 파일명 맞는지 확인합니다. cuda-10.2버전이 아니라면 버전명과 폴더명이 다를 수도 있습니다.

$ sudo reboot
$ nvidia-smi

위와 같이 cuda버전이 10.2가 된 것을 확인할 수 있습니다.
이제와서 보니깐 드라이버 440을 깔아야 RTX 2060 SUPER를 제대로 인식하는 것 같다. 처음 알았네

3. cudnn 8.0.3 설치

https://developer.nvidia.com/cudnn

CUDA Deep Neural Network

공식 다운로드 사이트에 접속하고 로그인을 합니다.

 

위의 파일을 다운 받고 압축을 해제합니다.

tar -xvf cudnn-10.2-linux-x64-v8.0.3.33.tgz

 

cuDNN header 파일들을  local/cuda/cuda-10.2/include 폴더에 붙여 넣어주는 명령어입니다.

sudo cp ./cuda/include/* /usr/local/cuda-10.2/include

 

 

cuDNN Library 파일들을  local/cuda/cuda-10.2/include 폴더에 붙여 넣어주는 명령어입니다.

sudo cp -P ./cuda/lib64/* /usr/local/cuda-10.2/lib64

 

 

라이브러리 실행 권한을 부여합니다.

 

sudo chmod a+r /usr/local/cuda-10.2/lib64/libcudnn*

 

cudnn 버전을 확인합니다.

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

8.0.3버전에 맞게 표시가 됩니다.

 

4. opencv 4.5.1 빌드

https://ellun.tistory.com/333

딥러닝을 위한 cuda 지원 opencv 설치 및 활용 방법 (with Python + Windows 10)

위의 블로그를 참고하여 opencv4.2버전 이상인 4.5버전을 사용하여 cuda 가속을 사용할려고 했다. 전부 다하고 결과만 따졌을 때는 적용이 안됬다. 그러므로 4. opencv 4.5.1 빌드 부분은 하거나 말거나 마음대로 하시라!

-기존 버전 확인

pkg-config --modversion opencv

삭제 명령어
$ sudo apt-get purge libopencv* python-opencv
$ sudo apt-get autoremove
$ sudo find /usr/local/ -name "*opencv*" -exec rm -i {} \;
패키지 업데이트
$ sudo apt-get update
$ sudo apt-get upgrade
opencv 관련 패키지

• build-essential: C/C++ 컴파일러와 관련 라이브러리, make 같은 도구들이 포함
• cmake: 컴파일 옵션이나 빌드된 라이브러리에 포함시킬 OpenCV 모듈 설정 등을 위해 필요 (나는 앞에서 미리 깔아서 이건 안했음)
• pkg-config: 프로그램 컴파일 및 링크시 필요한 라이브러리에 대한 정보를 메타파일(확장자가 .pc 인 파일)로부터 가져오는데 사용됨. 터미널에서 특정 라이브러리를 사용한 소스코드를 컴파일시 필요한 컴파일러 및 링커 플래그를 추가하는데 도움이 됨.
• libjpeg-dev, libtiff5-dev, libpng-dev : 특정 포맷의 이미지 파일을 불러오거나 기록하기 위해 필요
• libavcodec-dev, libavformat-dev, libswscale-dev, libxvidcore-dev, libx264-dev, libxine2-dev: 특정 코덱의 비디오 파일을 읽어오거나 기록하기 위해 필요
• libv4l-dev, v4l-utils: Video4Linux 패키지는 리눅스에서 실시간 비디오 캡처를 지원하기 위한 디바이스 드라이버와 API 포함
• libgstreamer1.0-dev, libgstreamer-plugins-base1.0-dev: 비디오 스트리밍을 위한 라이브러리
• libgtk2.0-dev: highgui 모듈을 사용하여 자체적으로 윈도우 생성하여 이미지나 비디오를 보여줄 수 있음. 윈도우 생성 등의 GUI를 위해 gtk 또는 qt를 선택해서 사용 가능. 여기서는 gtk2를 지정함 (다른 가능한 패키지: libgtk-3-dev, libqt4-dev, libqt5-dev)
  3.2.0
• mesa-utils, libgl1-mesa-dri, libgtkgl2.0-dev, libgtkglext1-dev: OpenGL 지원하기 위해 필요
• libatlas-base-dev, gfortran, libeigen3-dev: OpenCV 최적화하기 위해 필요
• python2.7-dev, python3-dev: OpenCV-Python 바인딩 위해 필요
• python-numpy, python3-numpy: numpy는 매트릭스 연산 등을 빠르게 처리 가능

$ sudo apt-get install build-essential cmake (#이거는 앞에서 cmake 깔아서 안함.)
$ sudo apt-get install pkg-config
$ sudo apt-get install libjpeg-dev libtiff5-dev libpng-dev
$ sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libxvidcore-dev libx264-dev libxine2-dev
$ sudo apt-get install libv4l-dev v4l-utils
$ sudo apt-get install libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev
$ sudo apt-get install libgtk2.0-dev
$ sudo apt-get install mesa-utils libgl1-mesa-dri libgtkgl2.0-dev libgtkglext1-dev
$ sudo apt-get install libatlas-base-dev gfortran libeigen3-dev
$ sudo apt-get install python2.7-dev python3-dev python-numpy python3-numpy

이제 opencv를 빌드하자.
먼저 디렉터리를 생성한다.

$ mkdir opencv
$ cd opencv

그 후 opencv와 opencv-contrib를 다운받는다.

$ wget -O opencv.zip https://github.com/opencv/opencv/archive/4.5.1.zip

$ unzip opencv.zip

 $ wget -O opencv_contrib.zip https://github.com/opencv/opencv_contrib/archive/4.5.1.zip

$ unzip opencv_contrib.zip

다음으로 opencv 디렉터리 안으로 이동해서 빌드할 디렉터리 생성.

$ cd opencv-4.5.1
$ mkdir build
$ cd build

cmake -D CMAKE_BUILD_TYPE=RELEASE \
-D CMAKE_INSTALL_PREFIX=/usr/local \
-D OPENCV_GENERATE_PKGCONFIG=ON \
-D OPENCV_ENABLE_NONFREE=OFF \
-D OPENCV_EXTRA_MODULES_PATH=~/opencv/opencv_contrib-4.5.1/modules \
-D INSTALL_C_EXAMPLES=ON \
-D INSTALL_PYTHON_EXAMPLES=ON \
-D BUILD_EXAMPLES=ON \
-D BUILD_DOCS=OFF \
-D BUILD_SHARED_LIBS=ON \
-D BUILD_opencv_python2=OFF \
-D BUILD_opencv_python3=ON \
-D PYTHON_DEFAULT_EXECUTABLE=$(which python3) \
-D CUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda-10.2 \
-D BUILD_NEW_PYTHON_SUPPORT=ON \
-D WITH_CUDA=ON \
-D WITH_CUBLAS=ON \
-D WITH_CUDNN=ON \
-D CUDNN_LIBRARY=/usr/local/cuda-10.2/lib64/libcudnn.so.8.0.3 \
-D CUDNN_INCLUDE_DIR=/usr/local/cuda-10.2/include \
-D CUDA_FAST_MATH=1 \
-D OPENCV_DNN_CUDA=ON \
-D CUDA_ARCH_BIN=7.5 \
-D CUDA_ARCH_PTX=7.5 \
-D WITH_VTK=ON \
-D WITH_OPENCL=ON \
-D OPENCV_SKIP_PYTHON_LOADER=ON \
-D PYTHON_EXECUTABLE=~/anaconda3/envs/yolov8/bin/python3 \
-D PYTHON3_INCLUDE_DIR=~/anaconda3/envs/yolov8/include/python3.7m \
-D PYTHON3_NUMPY_INCLUDE_DIRS=~/anaconda3/envs/yolov8/lib/python3.7/site-packages/numpy/core/include \
-D PYTHON3_PACKAGES_PATH=~/anaconda3/envs/yolov8/lib/python3.7/site-packages \
-D PYTHON3_LIBRARY=~/anaconda3/envs/yolov8/lib/libpython3.7m.so \
-D PYTHON_LIBRARIES=~/anaconda3/envs/yolov8/lib/python3.7 ../

---------------------------------------------------------------------------------------------------------------------------------------------------------------

-D PYTHON_DEFAULT_EXECUTABLE=$(which python3) 이거는 python(for build) 메뉴가 python2로 설정되어 있어서 입력해주었다.
-빨간색글씨는 사용자의 PC에 맞는 파일 경로에 맞게 수정해야함. 

-주황색 줄은 자신의 GPU에 맞게 바꿔야함. 
https://en.wikipedia.org/wiki/CUDA

CUDA - Wikipedia

이를 확대하면

GeForce GTX Titan X의 경우 Maxwell이며 5.2이다.
-D CUDA_ARCH_BIN=7.5 \
-D CUDA_ARCH_PTX=7.5 \
그러면 여기서 7.5대신에 5.2로 바꿔야한다.

이렇게 cmake 명령어를 다 입력하면
이러니깐 
-- Configuring done
-- Generating done

이런식으로 화면이 떠야 ok이다. 아닐 경우 cmake 명령어 구문에 이상이 있다는 의미이다. 파일 경로 등을 수정해야한다.

통과가 되면

$ cat /proc/cpuinfo | grep processor

를 실행시켜 cpu의 코어 수를 확인합니다. 

필자의 코어 수는 4개이므로

$ time make -j4

를 눌러 빌드합니다.

$ sudo make install
$ cat /etc/ld.so.conf.d/*
를 입력해서 /usr/local/lib가 있는지 확인한다. 있으면 $ sudo ldconfig를 해주면 완료입니다.

5. ubuntu 18.04 ros melodic 설치

https://brownboard.tistory.com/20

저번에 정리해둔게 있다.

1) Setup your sources.list

$ sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'

2) Set up your keys

$ sudo apt install curl
$ curl -s https://raw.githubusercontent.com/ros/rosdistro/master/ros.asc | sudo apt-key add -

3) ROS 설치

$ sudo apt update
$ sudo apt install ros-melodic-desktop-full

4) Environment setup

$ echo "source /opt/ros/melodic/setup.bash" >> ~/.bashrc
$ source ~/.bashrc

5) Dependencies for building packages

$ sudo apt install python-rosdep python-rosinstall python-rosinstall-generator python-wstool build-essential
$ sudo apt install python-rosdep
$ sudo rosdep init
$ rosdep update

9.node 테스트

https://robertchoi.gitbook.io/ros/install