ubuntu14.04安装CUDA+theano

声明：
    该服务器系统是ubuntu14.04 64bit
   
安装显卡驱动：(来源：http://blog.csdn.net/xizero00/article/details/43227019/)
    在线安装：
        首先验证该服务器是否有nvida的显卡：
            lspci | grep -i nvidia
        查看该服务器的linux版本：
            uname -m && cat /etc/*release
        查看该服务器中的gcc版本：
            gcc --version
        下载nvidia cuda的仓库安装包：
            在线下载：
                wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/cuda-repo-ubuntu1404_7.5-18_amd64.deb
            离线下载再上传：
                到官网下载deb(network)版本，在上传到服务器中。
                我上传的位置是/home/handsight/Tanghy/
        安装该仓库安装包：
            sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb
        更新本地仓库：
            sudo apt-get update
        安装CUDA以及显卡驱动：
        (安装cuda的同时就会把显卡驱动也全部安装好，这个真的很方便。但是下载的时间真的很长！！)
            sudo apt-get install cuda
    
    这里提供的安装方法和官方的说明说基本一致，跟网上的很多安装方法不太一样，网上的方法相对比较复杂，容易出错。
        (1) 有些教程是手工安装显卡驱动，手工屏蔽系统的默认开源驱动
        (2) 安装CUDA也是手工进行
    使用本安装方法的时候一定要注意几个问题：
        (1) cuda6.5已经不支持老旧的显卡了所以sm11 等等都必须删除。
            可以参考我的另一个文章，关于编译opencv3.0的
        (2) ubuntu14.04是64位的，并且不要一开始就更新系统补丁什么的，
            因为系统更新过之后，再安装显卡驱动就会无法进入图形界面，
            我查看了相关的日志发现是卡在了dbus那边。所以，我建议一安
            装好ubuntu 14.04就不要更新系统补丁。
    
    设置环境变量：
        该博客介绍的配置方法：(貌似这种方式每次连接服务器的时候都需要配置一下才行)
            $ export PATH=/usr/local/cuda-6.5/bin:$PATH  
            $ export LD_LIBRARY_PATH=/usr/local/cuda-6.5/lib64:$LD_LIBRARY_PATH
        我使用的方法：
            sudo vi /etc/environment
            添加以下内容：
                在PATH的最后添加:  :/usr/local/cuda-6.5/bin  (第二个冒号是添加的内容)
                在空白处添加：LD_LIBRARY_PATH="/usr/local/cuda-6.5/lib64"
    设置完毕之后，你还可以选择是否安装cuda附带的示例代码(<dir>表示你要安装的位置，你可以将<dir>替换成~)：
        $ cuda-install-samples-6.5.sh <dir>
    
    接下来做一些验证工作：
    查看显卡的驱动版本：
        cat /proc/driver/nvidia/version
    查看nvcc编译器的版本：
        nvcc -V i
    编译cuda的示例代码:
        cd Tanghy/NVIDIA_CUDA-7.5_Samples
        make
    进入bin路径运行devicequery
        cd /bin/x86_64/linux/release
        ./deviceQuery

安装Theano环境：
    需要预先安装的工具：
        sudo apt-get install -y python-dev python-pip python-nose gcc g++ git gfortran
    安装BLAS, LAPACK, ATLAS：
        这些软件包必须在安装Numpy和Scipy之前安装
        sudo apt-get install -y libopenblas-dev liblapack-dev libatlas-base-dev
    安装NumPy：
        在官方教程中使用了apt-get方式安装的，但是貌似我确实在安装后没有通过单元测试，有不少错误产生。
        尤其是后面安装的SciPy更是如此。可能和我之前没有把需要的工具包安装齐全有关系吧。
        # 安装NumPy，这个安装过程需要等待会，因为需要编译，所以得花一点时间。
        # 实际上后面安装的SciPy和Theano都会花时间编译的，整个安装过程还是要挺久的。
        sudo pip install numpy
        # 进行测试。
        python -c 'import numpy; numpy.test()'
        必须要保证上面的测试通过，然后再继续下一步，确保每一步都是正确的。没有Errors则通过测试。
    安装SciPy：
        # 安装方法，耐心等待编译吧:
        sudo pip install scipy
        # 进行测试
        python -c 'import scipy; scipy.test()'
        【这里安装scipy的时候总是有错误，在网上看了一些博客，最终解决方案如下：
            先使用apt-get的方法把scipy安装好：
                sudo apt-get install scipy
            卸载scipy：
                sudo apt-get remove scipy
            使用pip安装scipy：
                sudo pip install scipy
            搞定！
        】
        必须保证scipy也正常通过测试，这样才可以继续安装下面的Theano。
    安装Theano：
        # 安装方法，还是要耐心等待编译安装的，感觉比较耗时
        sudo pip install Theano
        # 开始测试
        sudo python -c 'import theano; theano.test()'
        这里的测试很久都没有通过，一开始是权限的问题，解决办法如下：
            sudo chown -R handsight:handsight .theano
        再然后说缺少nose_parameterized，解决办法如下：
            sudo pip install nose_parameterized

        最后测试通过了！

但好像有警告说pyCUDA导入失败。另外，就连经典的test.py的运行也都是在CPU上面，根本没有进入GPU。
尝试寻找解决办法：最后发现CUDA驱动和CUDA运行环境不匹配！！！
唉～～什么鬼啊！
所以在官网手动下载驱动吧，由于我们的显卡是GeForce GTX TITAN X，也就是900系列吧。
下载后(NVIDIA-Linux-x86_64-361.45.11.run)直接运行安装，可能会遇到该文件不可执行，修改一下执行权限就好了。
在安装的时候可能会遇到一些奇怪的问题，安装失败，可以参考http://www.cnblogs.com/platero/p/4070756.html
接下来，test.py还是运行在CPU下的。
后来又发现原来是cuDNN没有安装，OK，继续折腾吧：(http://www.linuxdiyf.com/linux/18652.html这里给了帮助)
所以在网上下载cuDNN，安装网站中的程序一步步走通，就搞定了！唉，终于搞定了！！
但是重启服务器之后发现，shit，还是运行在CPU中，也就是说按照网上说的环境变量配置方法只是一次性的！
那么如何永久性生效了？http://soft.chinabyte.com/os/169/11412169.shtml里面介绍得很详细
终于终于是运行在GPU上的了，到目前为止theano可以宣告安装完成！！