ubuntu+cuda+theano+keras搭建基于GPU的深度学习环境
2016-09-09 17:24
786 查看
这里我先后尝试了Ubuntu16.04和Ubuntu14.04两个环境下的安装。
具体的安装教程,nvidia,keras,theano的官网都有介绍。并且还有中文的,所以我不想重复,只是提下我的安装配置感受,挑几个明显的坑。
1. 安装过程,不能只以某一个官网的一言以蔽之,要几个官网的安装过程对照着看,互相补充,这样配置起来也更完善。
2. 16.04在apt update更新源时,会遇到Google的源无法访问但是不自动跳过的情况,解决的方法是在软件与更新面板里先暂时去掉这个源。
3.16.04在apt update更新源时,遇到某个key无法验证时,需要去Ubuntu的key服务器下载key密钥文件到本地,命令如下:使用命令前最后的字符串先替换成你自己的。
4.16.04在用dpkg安装cuda-toolkit的deb文件时,可能会安装失败,并且导致软件源被破坏和系统内核混乱,,系统无法再安装软件! 解决方法是自动删除那些弃用的和未安装好的软件。然后才有gdebi这个工具来安装。命令如下:
5.cuda7.5支持的gcc,明确说了是5以下的,比如4.9最好,所以,ubuntu16.04的gcc版本过高。如果想跑起来cuda,需要指定cuda采用低版本的gcc.解决方法如下:
6. import theano时,会出现ERROR (theano.sandbox.cuda): Failed to compile cuda_ndarray.cu: 和WARNING (theano.sandbox.cuda): CUDA is installed, but device gpu is not available (error: cuda unavailable)错误,原因是libc的一个错误,需要设置nvcc.flags=-D_FORCE_INLINES
7. 如果出现cudnn not available的错误,首先去NVIDIA官网下载cudnn的库,选择和已经安装的cuda的对应的generial 版本。解压后把里面的include和lib64分别copy到cuda的安装目录下的对应的目录里。然后修改thearc的配置, 在global里添加下列一项,强制theano开启cudnn支持。
8. 如果出现在命令行里theano成功开启GPU支持但是在IDE里无法使用GPU,还提示了cuda的安装目录下lib64里一个动态链接文件找不到(其实存在),首先可以试着把cuda的相关配置放到profile里,这个是系统的环境配置文件,而bashrc是终端用户的配置文件。 如果问题还是不能解决,那就在IDE里设置全局变量,把profile里和cuda相关的环境变量在IDE里重复设置一次,这样肯定会解决。
9.这个是我 theanorc的配置内容,比官网的多,因为官网没有给出解决bug的配置方法。需要的可以借鉴.
[global]
floatX=float32
device=gpu
optimizer=fast_compile
optimizer_including=cudnn # if you have successfully installed cudnn, otherwise remove it.
[lib]
cnmem=0.8
[blas]
ldflas=-lopenblas
[nvcc]
fastmath=True
flags=-D_FORCE_INLINES
flags=-arch=sm_50 # if your nvidia card is too recent but cuda-toolkit is older, for example gtx1060 and cuda7.5, you have to set this.</span>
[cuda]
root=/usr/local/cuda-7.5/
具体的安装教程,nvidia,keras,theano的官网都有介绍。并且还有中文的,所以我不想重复,只是提下我的安装配置感受,挑几个明显的坑。
1. 安装过程,不能只以某一个官网的一言以蔽之,要几个官网的安装过程对照着看,互相补充,这样配置起来也更完善。
2. 16.04在apt update更新源时,会遇到Google的源无法访问但是不自动跳过的情况,解决的方法是在软件与更新面板里先暂时去掉这个源。
3.16.04在apt update更新源时,遇到某个key无法验证时,需要去Ubuntu的key服务器下载key密钥文件到本地,命令如下:使用命令前最后的字符串先替换成你自己的。
sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys 8D5A09DC9B929006
4.16.04在用dpkg安装cuda-toolkit的deb文件时,可能会安装失败,并且导致软件源被破坏和系统内核混乱,,系统无法再安装软件! 解决方法是自动删除那些弃用的和未安装好的软件。然后才有gdebi这个工具来安装。命令如下:
sudo apt autoremove sudo apt-get install gdebi
5.cuda7.5支持的gcc,明确说了是5以下的,比如4.9最好,所以,ubuntu16.04的gcc版本过高。如果想跑起来cuda,需要指定cuda采用低版本的gcc.解决方法如下:
sudo apt-get install gcc-4.9 g++-4.9 sudo ln -s /usr/bin/gcc-4.9 /usr/local/cuda-7.5/bin/gcc sudo ln -s /usr/bin/g++-4.9 /usr/local/cuda-7.5/bin/g++
6. import theano时,会出现ERROR (theano.sandbox.cuda): Failed to compile cuda_ndarray.cu: 和WARNING (theano.sandbox.cuda): CUDA is installed, but device gpu is not available (error: cuda unavailable)错误,原因是libc的一个错误,需要设置nvcc.flags=-D_FORCE_INLINES
7. 如果出现cudnn not available的错误,首先去NVIDIA官网下载cudnn的库,选择和已经安装的cuda的对应的generial 版本。解压后把里面的include和lib64分别copy到cuda的安装目录下的对应的目录里。然后修改thearc的配置, 在global里添加下列一项,强制theano开启cudnn支持。
optimizer_including=cudnn
8. 如果出现在命令行里theano成功开启GPU支持但是在IDE里无法使用GPU,还提示了cuda的安装目录下lib64里一个动态链接文件找不到(其实存在),首先可以试着把cuda的相关配置放到profile里,这个是系统的环境配置文件,而bashrc是终端用户的配置文件。 如果问题还是不能解决,那就在IDE里设置全局变量,把profile里和cuda相关的环境变量在IDE里重复设置一次,这样肯定会解决。
9.这个是我 theanorc的配置内容,比官网的多,因为官网没有给出解决bug的配置方法。需要的可以借鉴.
[global]
floatX=float32
device=gpu
optimizer=fast_compile
optimizer_including=cudnn # if you have successfully installed cudnn, otherwise remove it.
[lib]
cnmem=0.8
[blas]
ldflas=-lopenblas
[nvcc]
fastmath=True
flags=-D_FORCE_INLINES
flags=-arch=sm_50 # if your nvidia card is too recent but cuda-toolkit is older, for example gtx1060 and cuda7.5, you have to set this.</span>
[cuda]
root=/usr/local/cuda-7.5/
相关文章推荐
- 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
- [置顶] 深度学习框架搭建 Ubuntu16.04+CUDA+Anaconda4.2+Python3.5+keras+TensorFlow gpu+cuDNN
- Ubuntu16.04+GTX1050ti+CUDA8.0+TensorFlow-gpu+Keras+Pycharm配置深度学习环境
- 深度学习GPU环境搭建:ubuntu16.04+GTX1070+Cuda8.0+tensorflow build from source
- win7上配置基于CUDA计算的Theano深度学习环境
- 微星GT80S win8+ubuntu16.04.01+theano+tensorflow+cuda8.0深度学习平台搭建
- 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
- 深度学习服务器环境搭建详细版(Ubuntu16.04+CUDA8+Caffe+Anaconda+TensorFlow+共享)
- Windows7 下 theano + keras + cuda 机器学习环境搭建
- 【深度学习】笔记1_Ubuntu14.04下caffe环境的搭建,无GPU版本以及python可视化环境的配置
- 手把手教你搭建深度学习平台——避坑安装theano+CUDA
- 深度学习(二)theano环境搭建
- 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
- ubuntu 14.04 server搭建+NVIDIA+CUDA+CUDNN+caffe+theano+tensorflow+keras+matlab
- 【深度学习】笔记13 win10+cuda7.5+caffe+vs2013环境搭建(GPU版本)
- 深度学习指南:基于Ubuntu从头开始搭建环境
- [转载] 深度学习指南:基于Ubuntu从头开始搭建环境
- cuda8.0+ubuntu+theano、caffe、tensorflow环境搭建
- windows系统下的keras(Theano/Tensorflow后端)CPU以及GPU加速环境搭建