ubuntu 16.04 Anaconda+cuda+theano 深度学习框架安装
2016-08-17 23:03
681 查看
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:
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。
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。
(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:
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:
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:
(参考:http://www.linuxidc.com/Linux/2016-07/132860.htm)
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
c. 安装Theano
d. 配置
打开 .theanorc后加入如下代码
完成。
(参考:我忘了是谁的CSDN博客了,找了半天没找到地址。。。)
如果显示GPU版本如:
则安装成功(括号里面的不用管)。
也可以用 以下代码进行
结果类似下面:
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。。。)
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。。。)
相关文章推荐
- [置顶] 深度学习框架搭建 Ubuntu16.04+CUDA+Anaconda4.2+Python3.5+keras+TensorFlow gpu+cuDNN
- 深度学习实战 1-补充:搭建Ubuntu16.04+Anaconda(内嵌Python3.5) + theano
- 深度学习框架Caffe配置:Ubuntu 16.04+CUDA8.0+cuDNN5.1+OpenCV3.1+Anaconda+Octave4.0.3
- 深度学习环境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook
- 深度学习框架keras安装(后端基于Tensorflow/theano)
- 深度学习框架tensorflow配置(ubuntu14.04+cuda8.0+cudnn v5.1+anaconda2+tensorflow)
- ubuntu16.04+深度学习框架安装
- GTX1070+CUDA8.0+Ubuntu16.04+Caffe+SSD 深度学习框架搭建 细节一步到位版
- 如何在Ubuntu下安装Anaconda及搭建环境安装TensorFlow深度学习框架
- [深度学习]Ubuntu16.04 + GTX 1050 + cuda8.0 + cuDNN5.1 + caffe安装详解
- Caffe深度学习入门——Ubuntu16.04 + CUDA9.1+cudnn7.5 + opencv3.3.1+python3.5+caffe安装参考博客和跳坑笔记
- 深度学习服务器环境搭建详细版(Ubuntu16.04+CUDA8+Caffe+Anaconda+TensorFlow+共享)
- ubuntu+cuda+theano+keras搭建基于GPU的深度学习环境
- 深度学习anaconda+theano使用框架配置
- ubuntu16.04+CUDA 8.0+Anaconda 4.2.0+Theano+Keras+cuDNN 5 (二)
- 在U盘里配置好主流深度学习框架及GPU环境theano\tensorflow\keras\caffe\cuda7.5
- 深度学习环境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook
- 折腾记要——Ubuntu 14.04系统安装Nvidia CUDA7.5并搭建Python Theano深度学习开发环境
- 深度学习python库安装经验,Windows下安装Anaconda3 pycharm tensorflow keras theano中遇到的问题
- 微星GT80S win8+ubuntu16.04.01+theano+tensorflow+cuda8.0深度学习平台搭建