由于工作需要,需要使用Theano的深度学习框架进行学习,这时,如果单纯地直接使用类似Tensorflow的安装方法来配置Theano,往往会产生包的依赖性问题,这里给出配置方法,需要说明的是,配置的时候要使用CUDA toolkit环境,这里要求使用nvidia的计算显卡支持。
1.下载包含Python 3.5的Anaconda
由于Anaconda的编译环境还是不错的,各种包的引入也比较方便,这里还是和第一篇一样的使用Anaconda,但是这里不能直接使用官网的内含Python 3.6的,需要到这个https://repo.continuum.io/archive/找到Anaconda3-4.2.0-Linux-x86_64.sh版本并下载到本地,默认一般下载到了Downloads文件目录下,下载下来之后,直接切换路径安装即可。
cd [Anaconda的下载路径]
bash Anaconda3-4.2.0-Linux-x86_64.sh
后面的其他同
上一篇里的Anaconda的安装介绍
安装完成后通过在终端输入命令
python --version
会发现当前的python环境为3.5。
2.安装Cuda Toolkit环境
Cuda是nvidia开发的与显卡底层交互的一套组件,可以加快深度学习的计算速度,这里由于我的笔记本Y470很老,显卡也不是很高级,是GT-550M,直接点击这里下载可支持的最低版本的CUDA,我这里选择的是CUDA Toolkit 8.0 GA1 (Sept 2016)版本,点此链接之后,依次选择Linux -> x86_64 -> Ubuntu -> 16.04 -> runfile(local),然后,会下载文件cuda_8.0.44_linux.run。
由于这里一般会由于X server导致Cuda的Toolkit安装失败。所以这里,先使用组合键Ctrl+Alt+F1切换到tty环境下,依次输入用户民和密码,在这里切换到你的下载目录,然后开始安装:
cd [CUDA Toolkit的下载路径]
sudo sh cuda_8.0.44_linux.run
然后,会弹出一堆协议,直接按字母“q”,跳过,下面的直接按照以下黑色加粗的地方执行,其中,由于我这里的本子很老,直接装驱动,很麻烦,甚至出现显卡问题,这里为暂时不加这个选项了,如果配置较高的话,可以考虑选上。
Do you accept the previously read EULA?
accept/decline/quit: accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48?
(y)es/(n)o/(q)uit: n
Install the CUDA 8.0 Toolkit?
(y)es/(n)o/(q)uit: y
Enter Toolkit Location
[ default is /usr/local/cuda-8.0 ]: 回车
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y
Install the CUDA 8.0 Samples?
(y)es/(n)o/(q)uit: n
Installing the CUDA Toolkit in /usr/local/cuda-8.0 ...
开始安装,等待许久,会弹出一个Summary,表示此次安装成功。
3.更新Pip
由于Pip命令可能存在问题,使用以下命令对pip进行更新
pip install --upgrade pip
4.安装git
如果直接没有安装过git,使用以下命令安装git。
sudo apt install git
5.安装Theano、Nolearn、lasagne等工具包
pip install -r https://raw.githubusercontent.com/dnouri/kfkd-tutorial/master/requirements.txt
以上安装完毕,下面测试引入Theano包等,Python下的测试命令:
import theano
import lasagne
from nolearn.lasagne import NeuralNet
如果不出现异常,则证明安装ok了。
6.结束
(注:关于CUDA安装的部分,不知为什么只要不安装CUDA则nolearn.lasagne一直导入不了NeuralNet这个对象,最后试着安装了CUDA Toolkit才行,安装是行得通来,但是原理还不是很清楚,如果哪位朋友知道,还望不吝赐教,在此先谢过~)