Ubuntu-安装-theano+caffe-超详细教程¶
一、说明¶
本文是继《Ubuntu-安装-cuda7.0-单显卡-超详细教程》 之后的续篇。theano和caffe是深度学习库，对运算能力需求很大，最好使用cuda进行加速。所以，请先阅读《Ubuntu-安装-cuda7.0-单显卡-超详细教程》，成功安装cuda之后，再来安装theano和caffe。
二、安装Theano¶
1. 安装各种包¶
安装gfortran, numpy, scipy, sklearn, blas, atlas等包
# 安装gfortran,后面编译过程中会用到 sudo apt-get install gfortran # 安装blas,Ubuntu下对应的是libopenblas，其它操作系统可能需要安装其它版本的blas——这是个OS相关的。 sudo apt-get install libopenblas-dev # 安装lapack，Ubuntu下对应的是liblapack-dev，和OS相关。 sudo apt-get install liblapack-dev # 安装atlas，Ubuntu下对应的是libatlas-base-dev，和OS相关。 sudo apt-get install libatlas-base-dev # 安装pip sudo apt-get install python-pip sudo apt-get install python-dev sudo apt-get install python-nose sudo apt-get install g++ sudo apt-get install git
2. 安装numpy和scipy¶
安装这两个python库有点问题，如果使用apt-get安装，后面的test不能通过。如果使用pip安装，有得考虑各种依赖关系。
所以，先使用apt-get安装，然后再卸载，最后再使用pip安装。这样，既能不考虑依赖关系，又能通过后面的test()测试。
#安装numpy和scipy sudo apt-get install python-numpy sudo apt-get install python-scipy sudo apt-get install python-sklearn #卸载numpy和scipy sudo apt-get remove python-numpy sudo apt-get remove python-scipy # 安装numpy sudo pip install numpy # 测试numpy # 如果没有安装python-nose，测试会出错！ python -c "import numpy;numpy.test()" # 安装scipy sudo pip install scipy # 测试scipy python -c "import scipy;scipy.test()"
3. 安装Theano¶
前面的操作如果没有出现错误，就可以开始安装Theano了。命令如下所示。
# 安装Theano sudo pip install Theano # 测试Theano python -c "import theano;theano.test()"
4. 安装pyCUDA¶
测试Theano时，提示PyCUDA import错误，因此需要安装pyCUDA。而PyCUDA需要以Boost为基础，所以应该先安装Boost。
使用pip安装pyCUDA。
#安装boost sudo apt-get install libboost-all-dev如果使用pip安装pyCUDA出错，使用下面安装方式。参考文章：《Ubuntu Theano CUDA》
git clone --recursive http://git.tiker.net/trees/pycuda.git cd pycuda sudo ./configure.py --cuda-root=/usr/local/cuda --cudadrv-lib-dir=/usr/lib/x86_64-linux-gnu --boost-inc-dir=/usr/include --boost-lib-dir=/usr/lib --boost-python-libname=boost_python --boost-thread-libname=boost_thread --no-use-shipped-boost make -j 4 #电脑核数 sudo python setup.py install
5. 解决cuda_ndarray.cu错误¶
如果出现错误：ERROR (theano.sandbox.cuda): Failed to compile cuda_ndarray.cu: libcublas.so.6.5 cannot open shared object file: No such file or directory，需要运行以下命令：
sudo ldconfig /usr/local/cuda-7.0/lib64
6. 配置Theano¶
在主目录下新建.theanorc文件
cd ~ vi .theanorc在.theanorc中输入下面的内容
[cuda] root=/usr/local/cuda/bin/ [global] floatX = float32 device = gpu0 [nvcc] fastmath = True
7. 测试Theano是否在使用GPU¶
将下列python代码复制到useGPU.py，并运行。
from theano import function, config, shared, sandbox import theano.tensor as T import numpy import time vlen = 10 * 30 * 768 # 10 x #cores x # threads per core iters = 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' % 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'
假定上面已经设置文件
.theanorc，运行命令如下所示：python useGPU.py
如果出现下面的错误信息，请运行命令
sudo ldconfig /usr/local/cuda-7.0/lib64参考#错误信息 ERROR (theano.sandbox.cuda): Failed to compile cuda_ndarray.cu: libcublas.so.7.0: cannot open shared object file: No such file or directory
Theano相关资料¶
参考：Using the GPU & THEANO_FLAGS & THEANORC
CUDA Toolkit默认安装在
/usr/local/cuda/，含有bin, lib, include等子文件夹。/usr/local/cuda/bin/文件夹称为cuda root文件夹。使用Theano时，必须告诉它CUDA root文件夹，有3种方法：
定义$CUDA_ROOT环境变量。例如，
CUDA_ROOT=/usr/local/cuda/bin/在THEANO_FLAGS中添加cuda.root标识。例如，
THEANO_FLAGS='cuda.root=/usr/local/cuda/bin/'在.theanorc文件夹中添加[cuda]
[cuda] root=/usr/local/cuda/bin/
还需要更改设备选项(gpu or gpu0 or gpu1)，设置默认的浮点计算类型(float32)
方法一： THEANO_FLAGS=’cuda.root=/usr/local/cuda/bin/,device=gpu,floatX=float32’
方法二： 设置
.theanorc文件的[global]选项:[cuda] root=/usr/local/cuda/bin/ [global] device = gpu floatX = float32
注意：
如果电脑有多个GPU，而配置是‘device=gpu’，驱动会选择其中一个使用（一般是
gpu0）。可以使用 nvida-smi 改变这一规则。可以通过指定 ‘device=gpuX’来选择一个特定的GPU。
默认使用GPU计算。如果GPU有问题，Theano会退回使用CPU。可以通过设置标识‘force_device=True’，当GPU不能使用时，弹出错误信息。
安装OpenCV¶
下载OpenCV¶
下载地址：https://github.com/jayrambhia/Install-OpenCV，这是根据大神编译过的版本进行安装的。
切换到文件保存的文件夹，然后安装依赖项：
#切换路径
cd ~/Downloads/Install-OpenCV-master/Ubuntu
#安装OpenCV的依赖项
sudo ./dependencies.sh
修改opencv2_4_9.sh
如果不添加CUDA_GENERATION，编译过程会失败 参考文章
#切换路径
cd 2.4
#修改opencv2_4_9.sh, 添加CUDA_GENERATION
#根据显卡支持Fermi或Kepler做相应的修改。此处以Fermi为例。
sudo gedit opencv2_4_9.sh
将以下内容
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON -D WITH_QT=ON -D WITH_OPENGL=ON -D ..
修改为:
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON -D WITH_QT=ON -D WITH_OPENGL=ON -D CUDA_GENERATION=Fermi ..
即在最后的
..前面添加***CUDA_GENERATION=Fermi***安装最新版opencv2_4_9
#添加执行权限
sudo chmod +x opencv2_4_9.sh
#安装OpenCV
sudo ./opencv2_4_9.sh
等待…..，直到安装完成。如下图所示。
安装其它依赖项¶
执行以下命令，安装其它依赖项
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler protobuf-c-compiler python-pandas
安装glog¶
Google Logging Library（glog），下载地址：https://code.google.com/p/google-glog/，然后解压安装：
$ tar zxvf glog-0.3.3.tar.gz
$ ./ configure
$ make
$ sudo make install
安装caffe¶
下载caffe¶
下载地址：https://github.com/BVLC/caffe
编辑Makefile.config¶
参考： http://caffe.berkeleyvision.org/installation.html http://ouxinyu.github.io/Blogs/20140723001.html
执行以下命令，通过设置Makefile.config文件，来使用CuDNN来加速。
unzip caffe-master.zip #本地解压caffe-master
cd /caffe-master #切换路径
vi Makefile.config #编辑Makefile.config
开始编辑Makefile.config
取消第5行的注释，即将 #USE_CUDNN=1 改为 USE_CUDNN=1
将 BLAS=atlas 改为 BLAS=open
执行以下命令，
配置Python相关选项¶
安装python依赖库
cd python #切换到./caffe-master/python/路径下
for req in $(cat requirements.txt); do sudo pip install $req; done
设置Python环境变量
sudo vi /etc/profile # 编辑profile文件
#在最后面添加以下语句，注意将path换成你的系统下的路径
export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH
安装Matlab¶
选择Mathworks.Matlab.R2014a.Unix.iso - 右键 - 使用磁盘映像挂载器打开”
进入装载的虚拟光盘，拷贝全部文件至home/Matlab 文件夹
授权安装文件夹
$ chmod a+x Matlab -R安装
$ sudo ./install拷贝 libmwservices.so 至 /usr/local/MATLAB/R2014a/bin/glnxa64
$ sudo cp libmwservices.so /usr/local/MATLAB/R2014a/bin/glnxa64/
安装完毕，程序默认启动路径：
$ sh /usr/local/MATLAB/R2014a/bin/matlab