深度工具合集安装(Nvidia+CUDA7.5+cuDNN+Tensorflow+OpenBLAS+Caffe+Theano+Keras+Torch+Mxnet+X2Go)

转自：http://blog.csdn.net/langb2014/article/details/51579491

之前在装有caffe的基础上,换CUDA7.5不成功,然后终于找到github上一个教程,一定要按里面的流程安装.把市面上用到的深度工具都装在ubuntu14.04上.有问题请留言.

Basic

1、首选装好系统运行下面的代码:(如果已经安装了nvidia显卡容易出现问题，我出错后，重装了系统)

sudo apt-get update    
sudo apt-get upgrade    
sudo apt-get install build-essential    
sudo apt-get autoremove 

2、安装git

sudo apt-get install git   

NvidiaDrivers

1、找机子的显卡

lspci | grep -i nvidia 

2、自己下载Nvidia-352.41.run或在线安装（这里容易出现没有公钥的问题，解决方案请参考：http://blog.csdn.net/u013066730/article/details/51614088）

sudo add-apt-repository ppa:graphics-drivers/ppa  
sudo apt-get update  
sudo apt-get install nvidia-352 

3、重启

sudo shutdown -r now 

4、nvidia检查

cat /proc/driver/nvidia/version

cuda7.5

1、下载CUDA7.5（下载.deb文件，放置根目录下，我的是/home/s）(这里使用联网下载的方式太慢了，我直接用了.run文件安装，具体方式参考这里)

sudo dpkg -i cuda-repo-ubuntu1404*amd64.deb  
sudo apt-get update  
sudo apt-get install cuda 

2、添加CUDA环境

    echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc  
    echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc  
    source ~/.bashrc  

②添加lib路径，

在/etc/ld.so.conf.d/新建文件cuda.conf，并编辑

cd /etc/ld.so.conf.d

sudo touch cuda.conf 
sudo gedit cuda.conf

caffe运行的时候需要cuda的库，所以需要配置以下，在桌面新建一个文件 caffe.conf，然后在文件中输入：

/usr/local/cuda-6.5/lib64

执行下列命令使之立刻生效

sudo ldconfig

这部分从其他地方抄过来的，自己没有测试：

  /usr/local/cuda/lib64

然后保存，退出，打开终端并切换到桌面，输入以下语句：

$sudo cp caffe.conf /etc/ld.so.conf.d/

然后更新配置：

$sudo ldconfig

到这里，cuda算是配置好了，接下来就是配置cudnn加速gpu了

3、检查CUDA版本

nvcc -V  

4、重启

sudo shutdown -r now 

Checking your CUDA Installation (Optional)

1、编译cuda的sample:

/usr/local/cuda/bin/cuda-install-samples-7.5.sh ~/cuda-samples  
cd ~/cuda-samples/NVIDIA*Samples  
make -j $(($(nproc) + 1)) 

2、查看显卡里面的信息

bin/x86_64/linux/release/deviceQuery  

cudnn

1、安装cudnn_v5

    cd ~/Downloads/  
    tar xvf cudnn*.tgz  
    cd cuda  
    sudo cp */*.h /usr/local/cuda/include/ 
    sudo cp */libcudnn* /usr/local/cuda/lib64/  
    sudo chmod a+r /usr/local/cuda/lib64/libcudnn*  

如果出现一下问题：/sbin/ldconfig.real: /usr/local/cuda/lib64/libcudnn.so.4 不是符号连接

那么需要重新执行上面安装cudnn的操作。

Check

1、终端查看

nvidia-smi  

Tensorflow

1、先下载v0.8版的GPU支持

sudo apt-get install python-pip python-dev 

2、如果中途安装不了可以先下载那个网址东西，下载好了，然后安装，中途会有几个包的numpy、six、protobuf、wheel下载安装比较慢或者下载不了，可以单独安装。（一共有这几个包：tensorflow，numpy ，protobuf ，wheel， six ，setuptools）

sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl

3、测试Tensorflow

    python  
    >>> import tensorflow as tf  
    >>> exit()  

成功的话会出现以下信息：

>>> import tensorflow as tf
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcudnn.so locally
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcufft.so locally
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcurand.so locally

4、我碰到的一个问题"AttributeError: NewBase is_abstract, ImportError: libcudart.so.7.5"

解决：是因为six版本问题。

sudo pip install six --upgrade --target="/usr/lib/python2.7/dist-packages" 

5、推荐IDE调试工具

pyCharm免费的社区版（community release）不支持远程调试，百度下载然后到bin里面，运行pycharm安装文件就可以了。

安装atlas(如果装了这个就不需要装下面的OpenBLAS了)

sudo apt-get install libatlas-base-dev

OpenBLAS

1、先下载git，然后安装OpenBLAS

1. mkdir ~/git  
2. cd ~/git  
3. git clone https://github.com/xianyi/OpenBLAS.git  
4. cd OpenBLAS   
5. sudo apt-get install gfortran  
6. make FC=gfortran -j $(($(nproc) + 1))  
7. sudo make PREFIX=/usr/local install  

2、添加lib库的变量路径

1. echo 'export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH' >> ~/.bashrc  

Common Tools

1、安装来自Scipy的普通tools

1. sudo apt-get install -y libfreetype6-dev libpng12-dev  
2. pip install -U matplotlib ipython[all] jupyter pandas scikit-image  

2、如果安装matplotlib时无法安装，按照下面方法：

先下载:here

然后减压matplotlib-1.5.0，并进入matplotlib-1.5.0里面

最后运行

1. python setup.py build  
2. python setup.py install  

Caffe

1、caffe相信大家都很熟悉了，下面是一些基础依赖库

1. sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler  
2. sudo apt-get install --no-install-recommends libboost-all-dev  
3. sudo apt-get install python-skimage ipython python-pil python-h5py ipython python-gflags python-yaml  
4. sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev  

2、克隆caffe

1. cd ~/git  
2. git clone https://github.com/BVLC/caffe.git  
3. cd caffe  
4. cp Makefile.config.example Makefile.config  

3、如果安装了cuDNN然后把Makefile文件的USE_CUDNN := 1注释去掉

1. sed -i 's/# USE_CUDNN := 1/USE_CUDNN := 1/' Makefile.config  

4、如果安装了OpenBLAS，修改BLAS参数

sed -i 's/BLAS := atlas/BLAS := open/' Makefile.config

5、开启python接口

      # Uncomment to support layers written in Python (will link against Python libs)
      WITH_PYTHON_LAYER := 1

6、开启matlab接口

MATLAB_DIR := /usr/local/MATLAB/MATLAB_Production_Server/R2015a
# MATLAB_DIR := /Applications/MATLAB_R2012b.app

8、如果你装了3.0的opencv需要开启这个接口

OPENCV_VERSION := 3

9、安装需求build和测试caffe，编译PyCaffe

sudo pip install -r python/requirements.txt  
make all -j $(($(nproc) + 1))  
make test -j $(($(nproc) + 1))  
make runtest -j $(($(nproc) + 1))  
make pycaffe -j $(($(nproc) + 1))

10、添加caffe的环境变量

    echo 'export CAFFE_ROOT=$(pwd)' >> ~/.bashrc  
    echo 'export PYTHONPATH=$CAFFE_ROOT/python:$PYTHONPATH' >> ~/.bashrc  
    source ~/.bashrc  

11、测试caffe接口

    ipython  
    >>> import caffe  
    >>> exit()  

Theano

1、安装Theano

sudo apt-get install python-numpy python-scipy python-dev python-pip python-nose g++ python-pygments python-sphinx python-nose  
sudo pip install Theano

2、测试接口

    python  
    >>> import theano  
    >>> exit()  

Keras

1、这个编译器(关于Theano和Tensorflow)不是很熟悉，顺便安装一下试试。默认是Theano，如果想换Tensorflow，可以按照here.

1. sudo pip install keras  

Torch

1、这个是facebook的深度框架

1. git clone https://github.com/torch/distro.git ~/git/torch --recursive  
2. cd torch; bash install-deps;  
3. ./install.sh  

2、添加环境变量

1. source ~/.bashrc   

3、推荐IDE工具eclipse，安装相应的插件(Lua Development Tools)

首先安装eclipse c/c++的开发版，然后在官网搜索Lua，看到LDT就点进去，找到Existing Eclipse installation，按照官网指示安装插件，就ok了。

Mxnet

mxnet是cxxnet的下一代，目前实现了cxxnet所有功能，但借鉴了minerva/torch7/theano，加入更多新的功能。

1. ndarray编程接口，类似matlab/numpy.ndarray/torch.tensor。独有优势在于通过背后的engine可以在性能上和内存使用上更优
2. symbolic接口。这个可以使得快速构建一个神经网络，和自动求导。
3. 更多binding 目前支持比较好的是python，马上会有julia和R
4. 更加方便的多卡和多机运行
5. 性能上更优。目前mxnet比cxxnet快40%，而且gpu内存使用少了一半。

目前mxnet有更多的binding，更好的文档，和更多的应用（language model、语音，机器翻译，视频）。
1、安装依赖库

1. sudo apt-get update  
2. sudo apt-get install -y build-essential git libatlas-base-dev libopencv-dev  

2、安装mxnet

将mxnet/目录里找到mxnet/make/子目录，把该目录下的config.mk复制到mxnet/目录，用文本编辑器打开，找到并修改以下两行：

USE_CUDA = 1

USE_CUDA_PATH = /usr/local/cuda

1. git clone --recursive https://github.com/dmlc/mxnet  
2. cd mxnet; make -j$($(nproc)+1  

X2Go

1、X2GO是一个远程控制桌面，下面是安装教程

    sudo apt-get install software-properties-common  
    sudo add-apt-repository ppa:x2go/stable  
    sudo apt-get update  
    sudo apt-get install x2goserver x2goserver-xsession  

2、X2Go 不支持Unity desktop environment (the default in Ubuntu

sudo apt-get update  
sudo apt-get install -y xfce4 xfce4-goodies xubuntu-desktop

3、找使用机子的IP

hostname -I