Linux环境下搭建DeepNet深度学习框架

由于实验室的项目需求，需要使用RBM（受限制玻尔兹曼机）、DBN（深信度网络）等深度学习的网络模型，于是学习和使用了Toronto大学提供的DeepNet深度学习框架。
DeepNet是Toronto大学的Nitish Srivastava博士开发的一款利用Python实现基于GPU的一些深度学习算法的框架，主要包括以下深度学习算法：
1.Feed-forward Neural Nets
2.Restricted Boltzmann Machines
3.Deep Belief Nets
4.Autoencoders
5.Deep Boltzmann Machines
6.Convolutional Neural Nets

该框架的实现需要cudamat和cuda-convnet的支持。
以下将在Linux环境下搭建DeepNet深度学习框架的过程分享给大家。

1.Linux版本是Ubuntu16.04。

2.下载安装Python。
Python使用的是Anaconda2 4.4.1，因为它集成了许多Python关于计算的第三方库，使用起来非常方便，将Anaconda2的环境变量添加到~/.bashrc文件中去。

cd /home/pb
vi ./bashrc

在最下行添加

export PATH="/ho