引言

最近幾天一直嘗試搭建Theano深度學(xué)習(xí)開發(fā)環(huán)境，并安裝英偉達CUDA Toolkit。這期間，有想過在Windows上搭建的，但是從網(wǎng)上了解后，發(fā)現(xiàn)還是在linux環(huán)境下更加合適。在搭建這個開發(fā)環(huán)境的過程中，其實入了不少坑，有點曲折。本不打算寫搭建過程的，因為網(wǎng)上確實有不少不錯的安裝步驟，以及官網(wǎng)也有安裝教程。But，鑒于被坑了好幾天，還是記錄一下，長長記性 :)
期間安裝Ubuntu 14.04超過4次（原因：有些軟件依賴問題無法解決，更換軟件源貌似也不可以。不過今天把軟件源換成主服務(wù)器后，就正常了，但是我的無線網(wǎng)速度比較慢，所以使用主服務(wù)器后，下載速度明顯要慢了不少。）。
嘗試安裝Fedora操作系統(tǒng)1次，因為也想過在這個系統(tǒng)上搭建環(huán)境的，因為Ubuntu 14.04上面的部分依賴總是搞不定。但是因為網(wǎng)卡驅(qū)動的問題，始終無法聯(lián)網(wǎng)；無法聯(lián)網(wǎng)，自然就沒法安裝編譯器，沒有編譯器，沒法安裝網(wǎng)卡驅(qū)動（因為需要編譯驅(qū)動），最后放棄了這個平臺。
嘗試安裝CentOS操作系統(tǒng)1次，其實根本沒有安裝成功，原因是我的獨立顯卡驅(qū)動問題，導(dǎo)致安裝程序的圖形界面上的所有文字都是模糊的，甚至連“退出安裝”按鈕文字我都識別不出來，最后放棄了。

臺式機主要參數(shù)

• 內(nèi)存：金士頓8G
  
• 處理器：Intel Core i5-4590 CPU @ 3.3GHz x 4
  
• 顯卡： 英偉達Geforce GTX 750 （GPU并行運算）
  
• 硬盤： 西部數(shù)據(jù) 1TB

安裝Ubuntu 14.04操作系統(tǒng)

• 制作Ubuntu啟動盤（使用軟碟通寫入到U盤上）；
  
• 臺式機啟動時，選擇快捷啟動，從U盤啟動Ubuntu live cd系統(tǒng)；
  
• 安裝Ubuntu 14.04操作系統(tǒng)；
  
• 安裝完畢后重新啟動系統(tǒng)；
  
• 啟動系統(tǒng)，在進入Grub界面時，按e鍵，進入編輯頁面，在倒數(shù)第二行中，ro quiet splash后面添加nomodeset，這樣進入系統(tǒng)后不會因為獨顯驅(qū)動問題而導(dǎo)致黑屏了；
  
• 在進入系統(tǒng)后，編輯文件/boot/grub/grub.cfg文件，搜索ro quiet splash關(guān)鍵詞，同樣追加nomodeset，這樣不用每次啟動系統(tǒng)前重復(fù)上述步驟了。

安裝Theano環(huán)境

需要預(yù)先安裝的工具

這些工具在后面可能會使用到，如編譯器等。

sudo apt-get install -y python-dev python-pip python-nose gcc g++ git gfortran

安裝BLAS, LAPACK, ATLAS

這些軟件包必須在安裝Numpy和Scipy之前安裝

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

安裝NumPy

在官方教程中使用了apt-get方式安裝的，但是貌似我確實在安裝后沒有通過單元測試，有不少錯誤產(chǎn)生。尤其是后面安裝的SciPy更是如此?？赡芎臀抑皼]有把需要的工具包安裝齊全有關(guān)系吧。

# 安裝NumPy，這個安裝過程需要等待會，因為需要編譯，所以得花一點時間。# 實際上后面安裝的SciPy和Theano都會花時間編譯的，整個安裝過程還是要挺久的。sudo pip install numpy# 進行測試。python -c 'import numpy; numpy.test()'

必須要保證上面的測試通過，然后再繼續(xù)下一步，確保每一步都是正確的。沒有Errors則通過測試。測試結(jié)果如下。

安裝SciPy

# 安裝方法，耐心等待編譯吧:)sudo pip install scipy# 進行測試python -c 'import scipy; scipy.test()'

必須保證scipy也正常通過測試，這樣才可以繼續(xù)安裝下面的Theano。測試結(jié)果如下圖：

安裝Theano

# 安裝方法，還是要耐心等待編譯安裝的，感覺比較耗時sudo pip install Theano# 開始測試sudo python -c 'import theano; theano.test()'

好吧，我感覺這個步驟中的Theano測試花了好長時間，所以，還是耐心等待吧。最后結(jié)果如下。

安裝CUDA Toolkit

下載CUDA Toolkit

在安裝這個英偉達CUDA Toolkit時，還是遇到了不少問題。以下記錄安裝過程，詳細的說明文檔參見英偉達官方提供的Installation Guide for Linux。需要注意的是，該安裝文件已經(jīng)包含了英偉達較新的顯卡驅(qū)動，所以不用單獨安裝獨顯驅(qū)動的。

下載CUDA Toolkit

• 進入CUDA Toolkit下載頁面

• 選擇對應(yīng)的Ubuntu 14.04操作系統(tǒng)，并且選擇下載runfile(1.1G)文件，同時記錄對應(yīng)的md5值，用于校驗下載文檔有沒有損壞

• 下載GPU Development Kit

• 下載完成后，最后校驗一下下載文件與下載頁面提供的文件MD5值是否相同，確保下載到的安裝包是完好無損的。
  

安裝一些需要的庫

• 下面都是一些可能需要用到的庫，否則在安裝CUDA時，可能會提示缺少需要的庫文件。

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev  

• 值得注意的是，我在我的Ubuntu系統(tǒng)/usr/lib/x86_64-linux-gnu/目錄下找到了名為libGLU.so.1.3.1，所以在嘗試建立鏈接到/usr/lib/目錄下后，安裝Samples時就正常了。

sudo ln -s /usr/lib/x86_64-linux-gnu/libGLU.so.1.3.1 /usr/lib/libGLU.so

安裝CUDA

1. 首先，將X-Window關(guān)閉，然后進入字符界面（如tty1）。關(guān)閉X-Window方法：sudo service lightdm stop

2. 接下來，在字符界面中，給下載好的cuda_7.5.18_linux.run以及cuda_352_39_gdk_linux.run添加可執(zhí)行權(quán)限

3. 安裝Development Kit：sudo ./cuda_352_39_gdk_linux .run

4. 安裝CUDA：sudo ./cuda_7.5.18_linux.run，安裝過程直接根據(jù)提示進行下去即可

5. 重新啟動X-Window：sudo service lightdm start

環(huán)境變量設(shè)置

• 在終端中輸入下面的命令即可：

echo 'export PATH=/usr/local/cuda-7.5/bin:$PATH' >> ~/.bashrcecho 'export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH' >> ~/.bashrcsource ~/.bashrc

• 接下來重啟系統(tǒng)，然后開始驗證安裝的結(jié)果。

驗證

查看NVCC版本

• nvcc -V，輸出結(jié)果如下：
  

編譯并運行例子

• 進入到Samples安裝目錄，然后在該目錄下make，等待十來分鐘。

• 編譯完成后，可以在Samples里面找到bin/x86_64/linux/release/目錄，并切換到該目錄

• 運行deviceQuery程序，查看輸出結(jié)果如下（重點關(guān)注最后一行，Pass表示通過測試）：
  

• 運行bandwidthTest程序，查看輸出結(jié)果如下（同樣最后顯示結(jié)果為PASS）：
  

綜合測試

這是最后一個環(huán)節(jié)了，配置Theano使用GPU并行計算，以驗證環(huán)境搭建是否成功。

• 首先將下面的測試代碼復(fù)制到文本中，命名為test.py

from theano import function, config, shared, sandboximport theano.tensor as Timport numpyimport time vlen = 10 * 30 * 768  # 10 x #cores x # threads per coreiters = 1000 rng = numpy.random.RandomState(22)x = shared(numpy.asarray(rng.rand(vlen), config.floatX))f = function([], T.exp(x))PRint(f.maker.fgraph.toposort())t0 = time.time()for i in xrange(iters):    r = f()t1 = time.time()print("Looping %d times took %f seconds" % (iters, t1 - t0))print("Result is %s" % (r,))if numpy.any([isinstance(x.op, T.Elemwise) for x in f.maker.fgraph.toposort()]):    print('Used the cpu')else:    print('Used the gpu')

• 在用戶目錄下新建.theanorc配置文件，設(shè)置采用GPU替代CPU進行運算：
  
• 新建配置文件sudo vi ~/.theanorc
  

• 添加如下內(nèi)容：

  [global]floatX=float32device=gpu

• 運行test.py測試文件：
  
• 首先是默認的使用gpu進行計算，查看運行結(jié)果
  

• 作為對比，使用cpu進行計算，觀察與gpu運算結(jié)果差別，從下面的截圖中可以看出，使用gpu的運算時間明顯短很多
  

總結(jié)

• 最終還是在Ubuntu 14.04.1系統(tǒng)上將整個開發(fā)環(huán)境搭建成功了，期間確實走了不少彎路。所以還是要汲取一下教訓(xùn)。
  
• 理想情況下，按照很多教程那樣，可以很順利的解決安裝的問題。但是安裝過程中還是遇到不少問題，所以，重要的是學(xué)會解決遇到的問題，還有就是耐心地閱讀文檔。

參考

1. Easy Installation of an Optimized Theano on Current Ubuntu，這個是我第一次安裝的時候閱讀的教程，不過我沒有成功，在后面的單元測試時，沒有全部通過。
   
2. Ubuntu12.04配置NVIDIA cuda5.5經(jīng)驗帖
   
3. Theano Tutorial: Using the GPU
   
4. Ubuntu 14.04安裝Theano詳細教程
   
5. CUDA: Installation Guide for Linux
   
6. CUDA: Quick Start
   
7. stackoverflow: Missing recommended library: libGLU.so