ubuntu 16.04 Anaconda+cuda+theano 深度学习框架安装

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=float32
device=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, 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 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 seconds
Result 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。。。）