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 root
2.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
sudo 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()"
4. 安装Theano
sudo pip install Theano
#测试Theano python -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，$sudo stop lightdm，按Ctrl＋Alt＋F1，打开一个终端
-进入下载的Ubuntu nvidia驱动安装文件所在目录,sudo sh ./ cuda_5.5.22_linux_32.run命令进行安装 [可先不安装driver（可让系统安装）,example 先安装tooltik]
-重新启动
-进入系统后：使用软件更新中的功能装NVIDA的驱动 【如果没有装的话】
#查看nvcc 版本：nvcc -V
6.配置theano为GPU模式 （注意，提前应先进入 root用户，因为前面是用root用户安装好的CUDA）
#设置环境变量
echo 'export PATH=/usr/local/cuda-7.5/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.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）
[global]
device = gpu
floatX = 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, 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 %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')
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.tgz sudo cp cuda/include/cudnn.h /usr/local/cuda/include sudo cp -a cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo 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 cnmem
mkdir build
cd build
cmake ..
make
#安装：sudo cp ../include/cnmem.h /usr/local/cuda/include
sudo 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