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.
Basics
1、首选装好系统运行下面的代码:
- sudo apt-get update
- sudo apt-get upgrade
- sudo apt-get install build-essential
- sudo apt-get autoremove
2、安装git
Nvidia Drivers
1、找机子的显卡
2、自己下载Nvidia-352.41.run或在线安装
- sudo add-apt-repository ppa:graphics-drivers/ppa
- sudo apt-get update
- sudo apt-get install nvidia-352
3、重启
4、nvidia检查
- cat /proc/driver/nvidia/version
CUDA
1、下载CUDA7.5
- 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
3、检查CUDA版本
4、重启
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 *
- libcudnn* /usr/local/cuda/lib64/
- sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
Check
1、终端查看
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。
- sudo pip install --upgrade https:
3、测试Tensorflow
- python
- >>> import tensorflow as tf
- >>> exit()
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。
OpenBLAS
1、先下载git,然后安装OpenBLAS
- mkdir ~/git
- cd ~/git
- git clone https:
- cd OpenBLAS
- sudo apt-get install gfortran
- make FC=gfortran -j $(($(nproc) + 1))
- sudo make PREFIX=/usr/local install
2、添加lib库的变量路径
- echo 'export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH' >> ~/.bashrc
Common Tools
1、安装来自Scipy的普通tools
- sudo apt-get install -y libfreetype6-dev libpng12-dev
- 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
- python setup.py build
- 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
- sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
- sudo apt-get install --no-install-recommends libboost-all-dev
- sudo apt-get install python-skimage ipython python-pil python-h5py ipython python-gflags python-yaml
- sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
2、克隆caffe
- cd ~/git
- git clone https:
- cd caffe
- 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
- 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、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))
6、添加caffe的环境变量
- echo 'export CAFFE_ROOT=$(pwd)' >> ~/.bashrc
- echo 'export PYTHONPATH=$CAFFE_ROOT/python:$PYTHONPATH' >> ~/.bashrc
- source ~/.bashrc
7、测试caffe接口
- ipython
- >>> import caffe
- >>> exit()
Theano
1、安装Theano
- sudo apt-get install python-numpy python-scipy python-dev python-pip python-nose g++ python-pygments python-sphinx python-nose
- sudo pip install Theano
2、测试接口
- python
- >>> import theano
- >>> exit()
Keras
1、这个编译器(关于Theano和Tensorflow)不是很熟悉,顺便安装一下试试。默认是Theano,如果想换Tensorflow,可以按照here.
Torch
1、这个是facebook的深度框架
- git clone https:
- cd torch; bash install-deps;
- ./install.sh
2、添加环境变量
3、推荐IDE工具eclipse,安装相应的插件(Lua Development Tools)
首先安装eclipse c/c++的开发版,然后在官网搜索Lua,看到LDT就点进去,找到Existing Eclipse installation,按照官网指示安装插件,就ok了。
Mxnet
mxnet是cxxnet的下一代,目前实现了cxxnet所有功能,但借鉴了minerva/torch7/theano,加入更多新的功能。
- ndarray编程接口,类似matlab/numpy.ndarray/torch.tensor。独有优势在于通过背后的engine可以在性能上和内存使用上更优
- symbolic接口。这个可以使得快速构建一个神经网络,和自动求导。
- 更多binding 目前支持比较好的是python,马上会有julia和R
- 更加方便的多卡和多机运行
- 性能上更优。目前mxnet比cxxnet快40%,而且gpu内存使用少了一半。
目前mxnet有更多的binding,更好的文档,和更多的应用(language model、语音,机器翻译,视频)。
1、安装依赖库
- sudo apt-get update
- sudo apt-get install -y build-essential git libatlas-base-dev libopencv-dev
2、安装mxnet
将mxnet/目录里找到mxnet/make/子目录,把该目录下的config.mk复制到mxnet/目录,用文本编辑器打开,找到并修改以下两行:
USE_CUDA = 1
USE_CUDA_PATH = /usr/local/cuda
- git clone --recursive https:
- cd mxnet; make -j$($(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