本文转载自:http://blog.csdn.net/u012556077/article/details/50364640
之前本打算安装Caffe,但是依赖包太多了,大大小小的问题真是头疼,也是因为机器的原因,本来想在自己笔记本上就在实体机上安装Ubuntu然后装caffe等深度学习框架,但是固态硬盘最近出了问题,拿去返修了。
无奈在虚拟机上安装(Caffe好像不行,或许不开GPU,没看,虚拟机上安装的话,因为其驱动是vmtool之类的,感觉有点奇怪,检查个显卡版本是vmtool云云就放弃了),之后又在实体机上试了试,也没成功,具体这里就不说了。
前两天在虚拟机上安装成功了Keras这个框架,照着教程就能安装成功,这里做记录。我这里以虚拟机VMware Workstations 12,实体机(笔记本)硬件环境,CPU是i7-3630m,GPU是GT650m,16G RAM,虚拟机上环境是Ubuntu14.04的64位稳定版(4核,8G RAM)。
- 安装vim和git
- 安装python及其包
- 安装Theano
- 安装GPU依赖包
- 安装cuDNN
- 安装Keras
- 缺少libyaml解决办法
- pip安装Keras(第二种方法,从第六步开始,比较快)
- Keras Google Group
- 测试导入Keras
- 参考
使用超级管理员root用户安装,具体设置方法参考这里。
1.安装vim和git
首先下载并安装vim和git(sudo apt-get install vim git),我已经安装过了。
2.安装python及其包
看官方安装教程,里面说到:
Keras uses the following dependencies:
- numpy, scipy
- pyyaml
- Theano
- HDF5 and h5py (optional, required if you use model saving/loading functions)
- Optional but recommended if you use CNNs: cuDNN.
Anaconda Python Distribution(http://www.continuum.io/downloads#all,在其中选择linux版本),为什么安装这个发行版,因为里面的包全(numpy,scipy,pyyaml,hdf5之类的包已经在里面了,但h5py没有,稍后安装)。在那个continuum上进行下载格式为sh的文件(Anaconda-2.3.0-Linux-x86_64.sh),参考sh文件安装方法里的其它回答。
使用chmod + 777命令赋予sh文件权限,之后运行当前目录下的sh文件进入安装。 之后选择安装目录,这里我直接回车enter安装在用户目录下,这时才正式开始安装python及其包,例如pandas或者hdf5等。
之后再一次的用户输入是选择是否添加Anaconda的环境变量,yes添加了。
我们也可以在上面看到theano-0.7.0的np19py27_0已经安装了。再通过pip管理器安装h5py。
3.安装Theano
根据Easy Installation of an Optimized Theano on Current Ubuntu — Theano 0.7 documentation里的教程,依次输入如下命令:
虽然部分之前已经通过Anaconda安装过,但还有些没安装。
4.安装GPU依赖包
我这里没有安装,因为在虚拟机上,下面是部分,更多参考这里。不过我也列出Ubuntu14.04在安装GPU的包时候用到的命令(摘自教程):
截止目前(2015年9月28日),cuda出到7.5了,以至于前阵子网上找到教程安装caffe,里面用的都是6.5,主要是官网现在我就找不到6.5的下载地址,下载页面只有7.5的,除非有网友共享6.5的了(百度网盘据说有网友共享)。
然后再测试GPU,到此为止,我们已经装完了下面这几个:
- numpy, scipy
- pyyaml
- Theano
- HDF5 and h5py (optional, required if you use model saving/loading functions)
5.安装cuDNN
唯有下面这个可选项,选择性安装:
- Optional but recommended if you use CNNs: cuDNN.
当然,安装cuDNN的前提是安装了GPU的NVIDIA包(第4步),因为是虚拟机环境所以我这里同样给出下载地址(NVIDIA cuDNN – GPU Accelerated Deep Learning https://developer.nvidia.com/cudnn),这里给出一篇搜到的参考博文(NVIDIA CuDNN 安装说明 – 普兒 – 博客园 http://www.cnblogs.com/platero/p/4118139.html)。
6.安装Keras
以上,都是安装Keras的依赖包,现在我们正是开始安装keras,首先将其从github repo上clone下来。
依次执行上述命令。简单解释一下,首先切换到root根目录,然后在根目录下克隆下keras代码库,切换进clone的keras文件夹中,开始安装。 执行结束前有个小bug(下图),我们可以看到编译终止,系统提示找不到libyaml。 虽然最后完成了Keras的配置,但是有小问题,那么我们就把这个缺少的包(libyaml)装上,在重新安装一下试试。
7.缺少libyaml解决办法
依次执行以上命令,并重新进入keras文件目录,执行python setup.py install命令,重新安装keras,这次没有报错。
8.pip安装Keras(第二种方法,从第六步开始,比较快)
当然,我们也可以用pip安装从第六步开始,命令如下,我这里已经安装完就不测试了。
9.如果有问题,可以在google的group中讨论Keras Google group.
10.测试导入Keras
到此安装完成,可以直接在shell中键入python,之后输入from keras.models import Sequential,一切正常。更多例子参考这里(Examples – Keras Documentation http://keras.io/examples/)。
10.参考
- Download Ubuntu Desktop | Download | Ubuntu http://www.ubuntu.com/download/desktop/
- ubuntu设置root用户密码 – 清风专栏 – 博客频道 – CSDN.NET http://blog.csdn.net/breeze_vickie/article/details/5063861
- Keras Documentation http://keras.io/#installation
- Easy Installation of an Optimized Theano on Current Ubuntu — Theano 0.7 documentation http://deeplearning.net/software/theano/install_ubuntu.html#install-ubuntu
- Download Anaconda Python Distribution http://www.continuum.io/downloads#all
- ubuntu14.10桌面版安装Anaconda for python3.4 | 星龙剑 http://www.xinglongjian.com/index.php/2015/02/02/ubuntu14-10-anaconda-for-python3-4
- LINUX下如何安装SH文件_百度知道 http://zhidao.baidu.com/link?url=PUDaNO-XrfWz125blmWwHJBgC7GT1ru3L_uvlW0lu0IuWBhKcAJnGsBEEUyv_P9XhzESbPYyPFPBS-t3I5wKi_
- NVIDIA cuDNN – GPU Accelerated Deep Learning https://developer.nvidia.com/cudnn
- NVIDIA CuDNN 安装说明 – 普兒 – 博客园 http://www.cnblogs.com/platero/p/4118139.html
- Ubuntu下搭建Ruby On Rails(见其中常见的问题及解决办法1,libyaml安装失败) – Leo Chin – 博客园 http://www.cnblogs.com/hnrainll/archive/2012/12/19/2824818.html
- Examples – Keras Documentation http://keras.io/examples/