ubuntu 16.04 Anaconda+cuda+theano 深度学习框架安装
来源:互联网 发布:网络信息服务许可证 编辑:程序博客网 时间:2024/05/16 19:23
由于所要做的工作的一部分需要在Linux下完成,而且它是基于深度学习的,所以在安装完成ubuntu16.04后决定顺便在ubuntu上也安装上Theano(因为已经安装了Windows下的Theano,所以说“也”),然而这个“顺便”花费了我两天大约30小时的时间。
好了,言归正传,下面介绍我的安装过程:
1.检查是否是UEFI模式
由于CUDA需要安装Nvidia的驱动,所以有一个导致失败的因素需要在安装前解决——如果你的电脑有UEFI保护的话。如果没有,请忽略此节。什么?你不知道你的电脑是否有UEFI保护,我介绍两种方式供你选择:
a. 自己百度。
b. 先不管它,等你安装不上刚好又有提示的话,那么恭喜你,你可以用到本节的内容了。
(顺便说一句,我用的是第二种 =_=|| )
解决方法:开机进入bios,打开传统安装方式(Legacy),或者参考如何关闭UEFI(http://jingyan.baidu.com/article/1876c852bc6a82890b1376f0.html)
我的解决办法是打开Legacy模式,然后就完美解决了(没有关闭UEFI而且也是在UEFI模式下安装的ubuntu16.04),这里可能有不同的方式,请自己探索解决。
2. 安装 windows + ubuntu16.04双系统
这部分没有什么好说的,可以参照:
http://jingyan.baidu.com/article/60ccbceb18624464cab197ea.html
把14.04换成16.04也完全可以安装成功,这部分应该没有太大问题。
3.安装Nvidia驱动
注:
(1). 检查一下自己的电脑是否是N卡,如果不是,别费劲了,本教程到此结束
(2). 检查自己的N卡的计算能力是否合适,比如你要安装cuDNN的话计算能力至少要3.0,当然,如果不需要的话,那么好像也要看看
首先,通过快捷键Ctrl+Alt+T打开终端,然后加入官方ppa源:
$ sudo add-apt-repository ppa:graphics-drivers/ppa
需要输入用户密码,并确认链接源。之后刷新软件库并安装最新的驱动,在命令行输入:
$ sudo apt-get update
$ sudo apt-get install nvidia-370 nvidia-settings nvidia-prime
安装完成之后重启,可以通过系查看系统属性,看是否是nvidia的显卡。另外,也可以通过下面命令看是否安装成功:
$ nvidia-settings
(参考:http://www.linuxidc.com/Linux/2016-07/132860.htm)
4. 安装Theano
a. 下载Anaconda(如Anaconda3-4.1.1-Linux-x86_64.sh),在同目录下执行
bash Anaconda3-4.1.1-Linux-x86_64.sh
安装后重启。
b. 安装nvidia-cuda-toolkit
执行以下命令即可,不用添加环境变量之类的
sudo apt-get install nvidia-cuda-toolkit
c. 安装Theano
conda install theano
d. 配置
sudo gedit ~/.theanorc
打开 .theanorc后加入如下代码
[global]floatX=float32device=gpu[cuda]root=/usr/lib/nvidia-cuda-toolkit[nvcc]flags=-D_FORCE_INLINES
完成。
(参考:我忘了是谁的CSDN博客了,找了半天没找到地址。。。)
测试:
python -c "import theano"
如果显示GPU版本如:
Using gpu device 0: GeForce GTX 965M (CNMeM is disabled, cuDNN 5005)
则安装成功(括号里面的不用管)。
也可以用 以下代码进行
from theano import function, config, shared, sandboximport theano.tensor as Timport numpyimport timevlen = 10 * 30 * 768 # 10 x #cores x # threads per coreiters = 1000rng = 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 range(iters): r = f()t1 = time.time()print ('Looping %d times took' % iters, t1 - t0, 'seconds')print ('Result is', 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')
结果类似下面:
Using gpu device 0: GeForce GTX 965M (CNMeM is disabled, cuDNN 5005)[GpuElemwise{exp,no_inplace}(<CudaNdarrayType(float32, vector)>), HostFromGpu(GpuElemwise{exp,no_inplace}.0)]Looping 1000 times took 1.976933 secondsResult is [ 1.23178029 1.61879349 1.52278066 ..., 2.20771813 2.29967761 1.62323296]Used the gpu
如果不是:
(1)可能你的系统有UEFI安全保护,你可以回到第一步继续走一遍了。
(2)如果仍旧失败,那么可能不是UEFI的问题,请自行解决。
参考:
(就是上边标注那些。。。)
- ubuntu 16.04 Anaconda+cuda+theano 深度学习框架安装
- 深度学习anaconda+theano使用框架配置
- ubuntu 16.04+Anaconda+theano+keras安装
- ubuntu安装Theano+cuda
- Ubuntu安装Theano+CUDA
- ubuntu安装Theano+cuda
- learn opencv-Ubuntu(cuda)上安装深度学习框架
- 为深度学习环境安装开源深度学习框架Tensorflow(Ubuntu16.04+CUDA+cuDNN+Anaconda+Tensorflow)
- 深度学习笔记(一)安装Cuda+Theano+Caffe+Torch
- 深度学习笔记(一)安装Cuda+Theano+Caffe+Torch
- ubuntu系统安装(双显卡)加cuda、anaconda、cudnn、theano、keras
- 如何在Ubuntu下安装Anaconda及搭建环境安装TensorFlow深度学习框架
- Ubuntu使用Anaconda安装Theano笔记
- 深度学习-theano-windows -cuda-环境搭建
- theano深度框架的学习
- 深度学习框架keras安装(后端基于Tensorflow/theano)
- ubuntu+cuda+theano+keras搭建基于GPU的深度学习环境
- 深度学习框架Caffe配置:Ubuntu 16.04+CUDA8.0+cuDNN5.1+OpenCV3.1+Anaconda+Octave4.0.3
- 从零到一发布 Android 开源库
- css布局—一列宽度固定,一列宽度自适应
- RTL8192EU 无线网卡Ubuntu16.04安装驱动
- 博客已经搬迁
- 安卓布局之相对布局(relativeLayout)
- ubuntu 16.04 Anaconda+cuda+theano 深度学习框架安装
- Effective Modern C++ 条款10 比起unscoped enums更偏爱scoped enums
- Java操作文件
- 主谓宾定状补,名词代词不定式
- ffmpeg命令行常见
- 移动端图片上传方法
- Xcode 7.3 解决自定义类无法自动联想
- win10 新建文本文档 默认utf8
- sql语句优化方法