Ubuntu Theano+GPU环境搭建

一.安装好系统后【最好安装ubuntu 14.04.×,否则还得升级。。】：1.设置root 用户：sudo passwd root                                  设置密码                                  登陆 su root2.更新一下：sudo apt-get update【可选】3.安装各种python库（gfortran, numpy, scipy, sklearn, blas, atlas等）详见：http://www.th7.cn/system/lin/201508/123570.shtml

   su

do apt-get install gfortran

   sudo apt-get install libopenblas-dev 

   sudo apt-get install liblapack-dev

   sudo apt-get install libatlas-base-dev

   sudo apt-get install python-pip

   sudo apt-get install python-dev

   sudo apt-get install python-nose

#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
#再次安装numpy  scipy

sudo pip install numpy

sudo pip install scipy

#测试numpy scipy

python -c "import numpy;numpy.test()"

python -c "import scipy;scipy.test()"

4. 安装Theano

   sudo pip install Theano

#测试Theanopython -c "import theano;theano.test()" 【若测试有问题很可能numpy scipy 这两库没装好

】5.安装CUDA [详见：http://www.myexception.cn/cuda/2017261.html]#下载对应ubuntu版本的CUDA:https://developer.nvidia.com/cuda-toolkit-55-archive  【注意：CUDA5.5只支持GCC4.6版本】#安装一些依赖库：

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

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

#安装run文件：-关闭图形环境，$sudo stop lightdm，按Ctrl＋Alt＋F1，打开一个终端-进入下载的Ubuntu nvidia驱动安装文件所在目录,sudo sh ./cuda_5.5.22_linux_32.run命令进行安装 [可先不安装driver（可让系统安装）,example 先安装tooltik]-重新启动 -进入系统后：使用软件更新中的功能装NVIDA的驱动【如果没有装的话】 #查看nvcc 版本：nvcc -V6.配置theano为GPU模式 （注意，提前应先进入 root用户，因为前面是用root用户安装好的CUDA）

#

设置环境变量

    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#验证：

终端输入 nvcc -V#新建配置文件

sudo vi ~/.theanorc

添加：（注意不要写在一行，要么不识别）[/code]

     [global]device = gpufloatX = float32[nvcc]fastmath = True[cuda]root=/usr/local/cuda/bin/

#测试（首先将下面的测试代码复制到文本中，命名为test_cpu_gpu.py）

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 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')

# python test_cpu_gpu.py 输出有GPU则为成功7. 安装cudnn加速包 #下载：https://developer.nvidia.com/rdp/cudnn-download 【对应你的cuda toolkit 版本选择】#安装：

                         tar xvzf cudnn-7.5-linux-x64-v5.0-ga.tgzsudo cp cuda/include/cudnn.h /usr/local/cuda/includesudo cp -a cuda/lib64/libcudnn*  /usr/local/cuda/lib64sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

#测试运行 python test_cpu_gpu.py 提示 CNMEM is disabled, cuDNN 5005 成功

8.安装CNMeM(占用更多的显存提升速度)　　　　　　　# 下载：git clone https://github.com/NVIDIA/cnmem.git cnmem# 编译：　　　　　　　　　　　　　　cd cnmemmkdir buildcd buildcmake ..make#安装：sudo cp ../include/cnmem.h /usr/local/cuda/includesudo cp *.so /usr/local/cuda/lib64/#使用：THEANO_FLAGS="mode=FAST_RUN,device=gpu,lib.cnmem=0.8,optimizer_including=cudnn" pyhton test_cpu_gpu.py[note:lib.cnmem=0.8 指使用80%的显存跑这个数据]

9.附加#系统备份：tar -cvpzf /media/00021448000D62F3/ubuntu/system/backup.tgz --exclude=/proc --exclude=/lost+found --exclude=/mnt --exclude=/sys --exclude=/media /

   #系统还原： tar -xvpzf /media/00021448000D62F3/ubuntu/system/backup.tgz -C /【其中黑色为备份目录】 #系统修复：不能正常启动时：ctrl+alt+F1-6  启动tty命令行   F7为桌面模式   测试桌面：sudo apt-get install unity or 更新：sudo apt-get update