Ubuntu14.04下安装CUDA&Theano

最新推荐文章于 2022-07-31 15:17:21 发布

hukai7190

最新推荐文章于 2022-07-31 15:17:21 发布

阅读量1.6k

点赞数

分类专栏：安装教程文章标签： cuda theano ubuntu

本文链接：https://blog.csdn.net/Hanging_Gardens/article/details/64439344

版权

安装教程专栏收录该内容

1 篇文章 1 订阅

订阅专栏

- 安装CUDA
- 安装Theano

安装CUDA，THEANO等，前前后后遇到了不少问题，特别是对于Ubuntu新手来讲，很多时候都是不知所措的，所以只能多花时间搜集资料啦。另外由于实验室电脑配置也就那样，勉强装好这两个库，希望能帮到大家。

主要参考的资料：
艰辛五天：Ubuntu14.04+显卡驱动+cuda+Theano环境安装过程——参考cuda的驱动安装和cuda runfile的安装
Ubuntu-安装-theano+caffe-超详细教程 ——参考安装theano
Ubuntu Theano CUDA——参考安装theano出现的问题
ubuntu+cuda+theano+keras搭建基于GPU的深度学习环境——参考安装theano出现的问题及theano的配置文件

特别感谢这些作者！！！

电脑配置
OS：Ubuntu14.04
python 2.7.6
显卡：Nvidia GT 620
安装的文件
cuda_8.0.44_linux.run
cudnn-8.0-linux-x64-v5.1.tgz
等依赖库

安装CUDA

确保使用Nvidia显卡驱动

执行操作(1.1)或操作(1.2)
(1.1) 在官网下载NVIDIA驱动，根据自己买的型号选择下载，放到 /home/yourpath/ 目录下面，我下载的是NVIDIA-Linux-x86_64-367.48.run.

(1.2) 在官网下载cuda安装文件，这里我直接下载的cuda的runfile文件）

(2) 屏蔽开源驱动nouvear,加入黑名单

方式一：打开.conf文件后，将下面两条语句添加进去

sudo gedit /etc/modprobe.d/blacklist-nouveau.conf

blacklist nouveau
options nouveau modset=0

方式二：打开.conf文件后，在末尾添加以下内容保存

sudo gedit /etc/modprobe.d/blacklist.conf

blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist nvidiafb
blacklist rivatv
（这里有一行空格）

如果执行(3)操作，请继续操作(4)-(7)，否则跳到操作(8)执行
(3) 删除旧NVIDIA驱动（实际上这条操作我没有执行，因为我在随后直接先安装的CUDA）

sudo apt-get --purge remove nvidia-*(需要清除干净)
sudo apt-get --purge remove xserver-xorg-video-nouveau

(4) 重启电脑。

(5) 按Ctrl + Alt +F1(F1~F6均可)到x-server, Ctrl+Alt+F7是返回

(6) 关闭图形环境，否则驱动无法正常安装

输入用户名和密码登录，然后键入命令后执行

sudo service lightdm stop

成功关闭服务后将出现：lightdm stop/waiting

(7) 进入驱动所在的文件夹，这里就是/home/xxx，执行

sudo sh XXX.run

最重要的一步，安装程序问你是否使用nv的xconfig文件，这里一点要选yes，否则在启动x-window时不会使用nv驱动。
(8) 执行一条更新语句后重启电脑

sudo update-initramfs -u

再执行sudo lspci | grep nouveau没有输出，说明禁用成功

(9) 按ctrl+alt+F1(F1-F6均可)),进入命令行界面，按ctrl+alt+F7是返回，进入后输入用户名及密码登录，再执行命令关闭X-server

sudo service lightdm stop

(10) cd到cuda的安装包路径下，执行安装指令

sudo sh cuda.xxx.run

(11) 安装时，按enter到100%后accept

第一个出现的是是否安装驱动(如果前面已经自己安装过相应的nvidia显卡驱动时选择no，否则选择yes)；
第二个出现openGL，如果是双显卡选择no，不然容易出现循环登录的问题；
随后的X-config选择yes；
然后安装路径等选项按enter选择默认路径安装，其他选项键入yes。

然后等待安装，没有failed表示安装成功。

(12) 安装完后，执行语句打开桌面环境

sudo service lightdm start

(13) 添加路径
执行sudo gedit ~/.bashrc将以下语句添加至文件末尾

export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
export CUDA_ROOT=$CUDA_ROOT:/usr/local/cuda-8.0/
export CUDA_INC_DIR=/usr/local/cuda8.0/include:$CUDA_INC_DIR

同样执行以下命令，并将上面的内容添加至末尾

sudo gedit ~/.profile

再执行以下命令，并将上面的内容添加至末尾

sudo gedit /etc/profile

更新配置，执行以下命令，无结果输出

source ~/.bahsrc

测试CUDA

(1) 查看显卡的相关的状态，执行

nvidia-smi

(2) 查看NVCC，出现类似以下内容

nvcc -V i

(3) 然后跳转至cuda的sample文件夹下，我的sample在安装时默认安装在主文件夹下，如

cd /NVIDIA_CUDA-8.0_Samples/1_Utilities/deviceQuery

然后make，没有出现错误就不用管，缺少什么就安装什么，比如我在安装时出现

则需要安装相应文件。

sudo apt-get install g++

然后重新make,成功后执行

./deviceQuery

出现RESULT=PASS，如下图内容表示成功安装CUDA，没成功的话重启电脑后再试试：

安装cudnn

cuDNN是专门针对deep learning框架设计的一套GPU计算加速方案，首先需要注册一下，然后才能下载cuDNN。然而cudnn得在显卡计算容量3.0及3.0以上可用

进入Downloads目录，解压并进入解压目录下

tar xvzf cudnn-8.0-linux-x64-v5.1.tgz
cd cuda
sudo cp cuda/include/cudnn.h /usr/local/cuda-8.0/include
sudo cd -a cuda/lib64/libcudnn*  /usr/local/cuda-8.0/lib64
sudo chmod a+r /usr/local/cuda-8.0/lib64/libcudnn*

2 安装Theano

预安装工具

sudo apt-get install python-dev python-pip python-nose gcc g++ git gfortran

预安装库

# 安装blas,Ubuntu下对应的是libopenblas，其它操作系统可能需要安装其它版本的blas——这是个OS相关的。
sudo apt-get install libopenblas-dev


# 安装lapack，Ubuntu下对应的是liblapack-dev，和OS相关。
sudo apt-get install liblapack-dev


# 安装atlas，Ubuntu下对应的是libatlas-base-dev，和OS相关。
sudo apt-get install libatlas-base-dev

安装numpy和scipy

后面安装的每一步测试为 0 errors(即装完numpy后，测试numpy，再装scipy，再测试scipy)，才能进入下一步。

安装这两个Python库有点问题，如果使用apt-get安装，后面的test不能通过。如果使用pip安装，又得考虑各种依赖关系。
因此，先用apt-get安装，测试，不通过再卸载，最后再使用pip安装再测试。这样，既能不考虑依赖关系，又能通过后面的test()测试。

#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

# 安装numpy
sudo pip install numpy

# 测试numpy
# 如果没有安装python-nose，测试会出错！
python -c "import numpy;numpy.test()"

# 安装scipy
sudo pip install scipy

# 测试scipy
python -c "import scipy;scipy.test()"

测试numpy的结果：

测试scipy的结果：

我测试时出现错误：

重装后测试：

安装Theano库

前面无错误，开始安装theano

# 安装Theano
sudo pip install Theano

# 测试Theano
python -c "import theano;theano.test()"

测试时，如果提示PyCUDA import错误，

则需要安装pycuda，PyCUDA需要Boost为基础，于是安装Boost。

sudo apt-get install libboost-all-dev
# or you can call
sudo apttitude search boost

然后直接可以使用pip安装PyCUDA。

发现直接用pip安装会出错，需要使用configure才行，于是用git克隆项目，然后手动配置安装。命令：

sudo apt-get install libboost-all-dev
git clone --recursive http://git.tiker.net/trees/pycuda.git
cd pycuda
sudo ./configure.py --cuda-root=/usr/local/cuda --cudadrv-lib-dir=/usr/lib/x86_64-linux-gnu --boost-inc-dir=/usr/include --boost-lib-dir=/usr/lib --boost-python-libname=boost_python --boost-thread-libname=boost_thread --no-use-shipped-boost
make -j 4
sudo python setup.py install

出现cuda_ndarray.cu错误

ERROR (theano.sandbox.cuda): Failed to compile cuda_ndarray.cu: libcublas.so.8.0 cannot open shared object file: No such file or directory
这里写图片描述
执行命令：

sudo ldconfig /usr/local/cuda-8.0/lib64

出现ImportError:No module named nose-parameterized 错误，执行

sudo pip install nose_parameterized

import theano时，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)

原因是libc的一个错误，需要设置nvcc.flags=-D_FORCE_INLINES

配置Theano

# 在主目录下新建.theanorc文件
cd
sudo gedit .theanorc

# 在.theanorc中输入下面的内容
[global]
floatX=float32
device=gpu
# optimizer=fast_compile # 如果cudnn安装成功并可用的话，可以开启
# optimizer_including=cudnn # 如果cudnn安装成功并可用的话，可以开启

[blas]  
ldflas=-lopenblas  

[nvcc]  
fastmath=True  
flags=-D_FORCE_INLINES

[cuda]  
root=/usr/local/cuda-8.0/

测试theano

将下列代码保存为py文件，如test_theano.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' % iters, t1 - t0, 'seconds'
print 'Result is', 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'

执行python test_theano.py
如果GPU正常使用的话，出现Used the gpu,大概零点几秒结束；否则出现used the cpu，大概需要2~3秒。

如果出现下面错误，我的就出现过这个问题

则需要更改权限，把权限改成当前用户可写的模式

sudo chown -R 'username' 更改哪个路径下的权限

其余问题参考

参考：Using the GPU & THEANO_FLAGS & THEANORC
CUDA Toolkit默认安装在/usr/local/cuda-8.0/，含有bin, lib, include等子文件夹。/usr/local/cuda-8.0/bin/文件夹称为cuda root文件夹。
使用Theano时，必须告诉它CUDA root文件夹，有3种方法：
- 定义$CUDA_ROOT环境变量。例如 CUDA_ROOT=/usr/local/cuda-8.0/bin/
- 在THEANO_FLAGS中添加cuda.root标识。例如THEANO_FLAGS='cuda.root=/usr/local/cuda-8.0/bin/'
- 在.theanorc文件夹中添加[cuda]
  
  [cuda]
  root=/usr/local/cuda-8.0/bin/
还需要更改设备选项(gpu or gpu0 or gpu1)，设置默认的浮点计算类型(float32)
- 方法一:THEANO_FLAGS='cuda.root=/usr/local/cuda-8.0/bin/,device=gpu,floatX=float32'
- 方法二：设置.theanorc文件的[global]选项:
  
  [cuda]
  root=/usr/local/cuda-8.0/bin/
  [global]
  device = gpu
  floatX = float32
注意：
- 如果电脑有多个GPU，而配置是‘device=gpu’，驱动会选择其中一个使用（一般是 gpu0）。可以使用 nvida-smi 改变这一规则。
- 可以通过指定 ‘device=gpuX’来选择一个特定的GPU。
- 默认使用GPU计算。如果GPU有问题，Theano会退回使用CPU。可以通过设置标识‘force_device=True’，当GPU不能使用时，弹出错误信息。

至此，CUDA和THEANO 的安装算是告一段落啦，希望各位也能顺利完成安装。\^_^/

hukai7190

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
Ubuntu14.04下安装CUDA&Theano

安装CUDA，THEANO等，前前后后遇到了不少问题，特别是对于Ubuntu新手来讲，很多时候都是不知所措的，所以只能多花时间搜集资料啦。另外由于实验室电脑配置也就那样，勉强装好这两个库，希望能帮到大家。
复制链接

扫一扫