深度工具合集安装(Nvidia+CUDA+cuDNN+Tensorflow+OpenBLAS+Caffe+Theano+Keras+Torch+Mxnet+X2Go)

之前在装有caffe的基础上,换CUDA7.5不成功,然后终于找到github上一个教程,一定要按里面的流程安装.把市面上用到的深度工具都装在ubuntu14.04上.有问题请留言.

Basics

1、首选装好系统运行下面的代码:

sudo apt-get update  sudo apt-get upgrade  sudo apt-get install build-essential  sudo apt-get autoremove 

2、安装git

sudo apt-get install git 

Nvidia Drivers

1、找机子的显卡

lspci | grep -i nvidia 

2、自己下载Nvidia-352.41.run或在线安装

sudo add-apt-repository ppa:graphics-drivers/ppasudo apt-get updatesudo apt-get install nvidia-352

3、重启

sudo shutdown -r now

4、nvidia检查

cat /proc/driver/nvidia/version

CUDA

1、下载CUDA7.5

sudo dpkg -i cuda-repo-ubuntu1404*amd64.debsudo apt-get updatesudo apt-get install cuda

2、添加CUDA环境

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

3、检查CUDA版本

nvcc -V

4、重启

sudo shutdown -r now

Checking your CUDA Installation (Optional)

1、编译cuda的sample:

/usr/local/cuda/bin/cuda-install-samples-7.5.sh ~/cuda-samplescd ~/cuda-samples/NVIDIA*Samplesmake -j $(($(nproc) + 1))

2、查看显卡里面的信息

bin/x86_64/linux/release/deviceQuery

cuDNN

1、安装cudnn_v5

cd ~/Downloads/tar xvf cudnn*.tgzcd cudasudo cp */*.h /usr/local/cuda/include/sudo cp */libcudnn* /usr/local/cuda/lib64/sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

Check

1、终端查看

 nvidia-smi

Tensorflow

1、先下载v0.8版的GPU支持

sudo apt-get install python-pip python-dev 

2、如果中途安装不了可以先下载那个网址东西，下载好了，然后安装，中途会有几个包的numpy、six、protobuf、wheel下载安装比较慢或者下载不了，可以单独安装。

sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl

3、测试Tensorflow

python>>> import tensorflow as tf>>> exit()

4、我碰到的一个问题"AttributeError: NewBase is_abstract, ImportError: libcudart.so.7.5"

解决：是因为six版本问题。

$sudo pip install six --upgrade --target="/usr/lib/python2.7/dist-packages"

5、推荐IDE调试工具

pyCharm免费的社区版（community release）不支持远程调试，百度下载然后到bin里面，运行pycharm安装文件就可以了。

OpenBLAS

1、先下载git，然后安装OpenBLAS

mkdir ~/gitcd ~/gitgit clone https://github.com/xianyi/OpenBLAS.gitcd OpenBLAS sudo apt-get install gfortranmake FC=gfortran -j $(($(nproc) + 1))sudo make PREFIX=/usr/local install

2、添加lib库的变量路径

echo 'export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH' >> ~/.bashrc

Common Tools

1、安装来自Scipy的普通tools

sudo apt-get install -y libfreetype6-dev libpng12-devpip install -U matplotlib ipython[all] jupyter pandas scikit-image

2、如果安装matplotlib时无法安装，按照下面方法：

先下载:here

然后减压matplotlib-1.5.0，并进入matplotlib-1.5.0里面

最后运行

python setup.py buildpython setup.py install

Caffe

1、caffe相信大家都很熟悉了，下面是一些基础依赖库

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilersudo apt-get install --no-install-recommends libboost-all-devsudo apt-get install python-skimage ipython python-pil python-h5py ipython python-gflags python-yamlsudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

2、克隆caffe

cd ~/gitgit clone https://github.com/BVLC/caffe.gitcd caffecp Makefile.config.example Makefile.config

3、如果安装了cuDNN然后把Makefile文件的USE_CUDNN := 1注释去掉

sed -i 's/# USE_CUDNN := 1/USE_CUDNN := 1/' Makefile.config

4、如果安装了OpenBLAS，修改BLAS参数

sed -i 's/BLAS := atlas/BLAS := open/' Makefile.config

5、安装需求build和测试caffe，编译PyCaffe

sudo pip install -r python/requirements.txtmake all -j $(($(nproc) + 1))make test -j $(($(nproc) + 1))make runtest -j $(($(nproc) + 1))make pycaffe -j $(($(nproc) + 1))

6、添加caffe的环境变量

echo 'export CAFFE_ROOT=$(pwd)' >> ~/.bashrcecho 'export PYTHONPATH=$CAFFE_ROOT/python:$PYTHONPATH' >> ~/.bashrcsource ~/.bashrc

7、测试caffe接口

ipython>>> import caffe>>> exit()

Theano

1、安装Theano

sudo apt-get install python-numpy python-scipy python-dev python-pip python-nose g++ python-pygments python-sphinx python-nosesudo pip install Theano

2、测试接口

python>>> import theano>>> exit()

Keras

1、这个编译器(关于Theano和Tensorflow)不是很熟悉，顺便安装一下试试。默认是Theano，如果想换Tensorflow，可以按照here.

sudo pip install keras

Torch

1、这个是facebook的深度框架

git clone https://github.com/torch/distro.git ~/git/torch --recursivecd torch; bash install-deps;./install.sh

2、添加环境变量

source ~/.bashrc 

3、推荐IDE工具eclipse，安装相应的插件(Lua Development Tools)

首先安装eclipse c/c++的开发版，然后在官网搜索Lua，看到LDT就点进去，找到Existing Eclipse installation，按照官网指示安装插件，就ok了。

Mxnet

mxnet是cxxnet的下一代，目前实现了cxxnet所有功能，但借鉴了minerva/torch7/theano，加入更多新的功能。

1. ndarray编程接口，类似matlab/numpy.ndarray/torch.tensor。独有优势在于通过背后的engine可以在性能上和内存使用上更优
2. symbolic接口。这个可以使得快速构建一个神经网络，和自动求导。
3. 更多binding 目前支持比较好的是python，马上会有julia和R
4. 更加方便的多卡和多机运行
5. 性能上更优。目前mxnet比cxxnet快40%，而且gpu内存使用少了一半。

目前mxnet有更多的binding，更好的文档，和更多的应用（language model、语音，机器翻译，视频）。
1、安装依赖库

sudo apt-get updatesudo apt-get install -y build-essential git libatlas-base-dev libopencv-dev

2、安装mxnet

将mxnet/目录里找到mxnet/make/子目录，把该目录下的config.mk复制到mxnet/目录，用文本编辑器打开，找到并修改以下两行：

USE_CUDA = 1

USE_CUDA_PATH = /usr/local/cuda

git clone --recursive https://github.com/dmlc/mxnetcd mxnet

make -j $(($(nproc) + 1)) 

X2Go

1、X2GO是一个远程控制桌面，下面是安装教程

sudo apt-get install software-properties-commonsudo add-apt-repository ppa:x2go/stablesudo apt-get updatesudo apt-get install x2goserver x2goserver-xsession

2、X2Go 不支持Unity desktop environment (the default in Ubuntu)

sudo apt-get updatesudo apt-get install -y xfce4 xfce4-goodies xubuntu-desktop

3、找使用机子的IP

hostname -I