Ubuntu 20.04 + RTX 3070 显卡下 OpenPose 环境搭建全攻略（含 Conda 虚拟环境避坑指南）

Ubuntu 20.04 + RTX 3070 显卡下 OpenPose 环境搭建全攻略（含 Conda 虚拟环境避坑指南）

最近在折腾一个基于人体姿态估计的项目，手头正好有一台搭载了 RTX 3070 显卡、运行 Ubuntu 20.04 的机器。OpenPose 作为这个领域的经典工具，自然是首选。但说实话，在 30 系显卡和较新的 CUDA 版本上，尤其是在 Conda 虚拟环境里配置 OpenPose，踩的坑比预想的多得多。官方文档对 Conda 的态度有些“暧昧”，社区里各种教程也说法不一。经过几天的折腾和反复验证，我终于梳理出了一条相对顺畅的路径。这篇文章，就是把我从系统准备到最终成功运行 OpenPose 的完整过程，以及那些让人头疼的“坑”和解决方案，毫无保留地分享出来。如果你也正拿着一块 30 系显卡，想在 Ubuntu 的 Conda 虚拟环境里搞定 OpenPose，希望这篇攻略能让你少走弯路。

1. 环境准备与基础依赖安装

在开始编译 OpenPose 之前，一个干净、正确的基础环境是成功的一半。对于 RTX 30 系列显卡，CUDA 版本的选择至关重要，因为它直接决定了与显卡驱动、cuDNN 以及后续 Caffe 框架的兼容性。

我的硬件配置是 NVIDIA GeForce RTX 3070，系统为 Ubuntu 20.04.6 LTS。首先，通过 nvidia-smi 命令确认驱动版本和可用的最高 CUDA 版本。对于 30 系显卡，CUDA 11.x 是起点。经过测试，CUDA 11.1 配合 cuDNN 8.0.4 是一个比较稳定的组合，既能保证显卡性能发挥，又能与 OpenPose 依赖的 Caffe 框架有较好的兼容性（尽管仍有挑战）。

注意：强烈建议在物理机或虚拟机中操作，而非 WSL/WSL2，因为后者在 GPU 直通和内核模块支持上可能带来额外复杂度。

接下来是 Conda 虚拟环境的创建。官方文档曾警告 Anaconda 可能与 Caffe 的 Protobuf 冲突，建议禁用或卸载。但实践证明，在一个独立的 Conda 虚拟环境中操作是完全可行的，这能完美隔离项目依赖，避免污染系统环境。我们创建一个名为 openpose 的 Python 3.6 环境（OpenPose 的 Python 接口对 3.6 支持较好）：

conda create -n openpose python=3.6 -y
conda activate openpose

进入虚拟环境后，我们先安装一些基础的编译工具和库。这里我整理了一个脚本 install_basic_deps.sh，你可以直接运行：

#!/bin/bash
# 更新包列表并安装基础编译工具
sudo apt-get update
sudo apt-get install -y build-essential cmake git unzip

# 安装 OpenCV 开发库
sudo apt-get install -y libopencv-dev

# 安装 Caffe 及 OpenPose 所需的一系列依赖
sudo apt-get install -y libatlas-base-dev libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install -y --no-install-recommends libboost-all-dev
sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev

# 安装 CMake 图形界面（可选，但便于配置检查）
sudo apt-get install -y cmake-qt-gui

将上述内容保存后，赋予执行权限并运行：chmod +x install_basic_deps.sh && ./install_basic_deps.sh。这一步确保了系统层面拥有所有必要的编译器和库文件。

2. 关键组件：CUDA、cuDNN 与 Protobuf 的配置

这是整个搭建过程中最核心也最容易出错的环节。我们需要在 Conda 虚拟环境中管理 Python 包，同时又要确保系统级的 CUDA 和 cuDNN 能被正确找到并链接。

CUDA 11.1 安装：从 NVIDIA 官网下载对应版本的 runfile 本地安装包。在安装时，一个关键的步骤是不要安装驱动，因为我们已经有了合适的显卡驱动。在安装选项中，取消勾选 Driver，只安装 CUDA Toolkit。

sudo sh cuda_11.1.0_455.23.05_linux.run --toolkit --silent --override

安装完成后，将 CUDA 路径添加到环境