Ubuntu 64位安装 theano cuda7.5 详细笔记

心不留意外尘 2016-03-29

展开全文

from http://blog.csdn.net/niuwei22007/article/details/50439478

　　经过了3天的摸索，尝试了网上的各种方法，重装了N遍ubuntu，今天终于装好了，记录下来，与自己或者有需要的朋友一起分享。

　　介绍一下我的环境：GTX425M，笔记本win7_64+ubuntu15.10_64双系统，cuda7.5。

　　首先声明，我是安装完ubuntu15.10后，没有sudo apt-get update，没有安装其他的软件，没有disable Nouveau，直接安装的cuda，再安装的Theano。下面介绍一下我的安装过程及遇到的问题和解决方案。

第1步：下载cuda安装包。下载页面：https://developer./cuda-downloads 从中选择适合ubuntu的deb安装包。也就是linux–>x86_64–>Ubuntu–>15.04–>deb(local). 大约1.9G．假设下载到 ~/Downloads/cuda-repo-ubuntu1504-7-5-local_7.5-18_amd64.deb

第2步：cd ~/Downloads(进入下载的目录)，执行sudo dpkg -i 你的下载包

第3步：执行sudo apt-get update

第4步：执行sudo apt-get install cuda

第5步：执行sudo gedit ~/.bashrc，在最后面，64位的话粘贴以下内容：

export PATH=/usr/local/cuda-7.5/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH

32位的话，粘贴以下内容：

export PATH=/usr/local/cuda-7.5/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib:$LD_LIBRARY_PATH

不要忘了执行source ~/.bashrc 使其立即生效

解释一下，就是在PATH里边添加cuda-7.5的路径，进入/usr/local/可以看到有一个cuda，还有一个cuda-7.5，这里填写cuda-7.5的路径

第6步：这个时候基本就安装完了，剩下的就是进行配置。这个时候可以执行nvcc -V(注意大写V)检测一下是否有内容输出，如果没问题的话，应该有以下类似输出

nvcc: NVIDIA(R) Cuda compiler driver
copyright (c) 2005-2015 NVIDIA Corporation
Built on ………………
Cuda compilation tools, release 7.5, V7.5.17

执行nvidia-settings会弹出显卡配置的界面，至少7个大项，其中有一项叫GPU-0(GeForce GT 425M)，如果能看到自己的显卡的话，应该就算安装成功了。下面进行配置。

第7步：使用自带的samples进行GPU运算测试。进入到cuda-7.5的samples目录，一般都是cd /usr/local/cuda-7.5/samples，然后会有一个Makefile文件，执行命令sudo make，不出意外地话，会出现带有红颜色的error错误，大概是这样的：unsupported GNU version! gcc versions later than 4.9 are not supported! 意思也很明显了，就是gcc的版本高于4.9，Cuda不支持。解释一下：ubuntu15.10自带的gcc是5.2.1，可以通过gcc –version（两个-）查看，但是cuda不支持超过4.9.0的gcc编译器。要么安装一个低版本的编译器，要么把cuda的这个限制给去掉。我选择的是后者，而且尚未出现其他问题。

解决方案如下：

sudo cd /usr/local/cuda/include/ #进入到头文件目录cuda(而不是cuda-7.5)；
sudo cp host_config.h host_config.h.bak #备份原头文件；
sudo gedit host_config.h #编辑头文件；
ctrl+F查找4.9出现的地方，大约位于115行，在第113行处应该显示if _GNUC_>4 || (_GNUC_ == 4 && _GNUC_MINOR_ > 9)，因为我们的是5.2.1，因此，把上面的2个4都改成5就ok了，保存退出。

第8步：重新执行第七步中的sudo make指令（查看是否处于/usr/local/cuda-7.5/samples目录中），这个时候，应该就可以编译了。这个过程会比较长，让他在哪编译一会，剩下的时间可以用来安装Theano。

第9步：安装Theano的话，就不多说了。

sudo apt-get update #更新源，如果更新速度比较慢的话，建议如下修改：

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak #在终端中执行下面命令备份源

sudo gedit /etc/apt/sources.list #运行命令修改
删除里面所有的内容，增加下面的Ubuntu 15.10源
deb http://mirrors./ubuntu/ wily main restricted universe multiverse
deb http://mirrors./ubuntu/ wily-security main restricted universe multiverse
deb http://mirrors./ubuntu/ wily-updates main restricted universe multiverse
deb http://mirrors./ubuntu/ wily-proposed main restricted universe multiverse
deb http://mirrors./ubuntu/ wily-backports main restricted universe multiverse
deb-src http://mirrors./ubuntu/ wily main restricted universe multiverse
deb-src http://mirrors./ubuntu/ wily-security main restricted universe multiverse
deb-src http://mirrors./ubuntu/ wily-updates main restricted universe multiverse
deb-src http://mirrors./ubuntu/ wily-proposed main restricted universe multiverse
deb-src http://mirrors./ubuntu/ wily-backports main restricted universe multiverse

sudo apt-get install python-numpy python-scipy python-dev python-pip python-nose g++ libopenblas-dev git #安装依赖包

sudo pip install Theano #等安装完就好了（我在执行这一步时，总是提示找不到相应的安装信息，我才用的git方式进行安装的，安装命令如下：先进入~(home)目录cd ~，再进行安装 git clone git://github.com/Theano/Theano.git，大约49M，然后进入cd Theano，执行python setup.py develop –user(同样是两个-)，这样就安装好了）

测试numpy是否启用了blas加速，进入python
》>>>import numpy
》>>>id(numpy.dot) == id(numpy.core.multiarray.dot)
》>>>False (输出False表示加速成功，如果输出True，参考官方教程修改，理论上很少加速失败。)

命令端下其他测试。(建议先做第10步，把theano配置文件配置好后，再测试一下内容)
NumPy (~30s): python -c “import numpy; numpy.test()” #最好errors=0,failures=0
SciPy (~1m): python -c “import scipy; scipy.test()” #最好errors=0,failures=0
Theano (~30m):python -c “import theano; theano.test()” #时间太长，没测试完。

第10步：编辑theano配置文件。
sudo gedit ~/.theanorc
将以下内容写入：

[global]
floatX=float32
device=gpu
[cuda]
root=/usr/local/cuda-7.5

第11步：在python中，import theano时，有可能会出现以下问题：
问题1. cuda is installed but device gpu is not available
解决1:重新检查一下(sudo vim ~/.bashrc)中的$PATH中的路径是否配置正确，包括LD_LIBARAY_PATH。一般这个问题是由于nvcc complier不能编译造成的，解决了host_config.h里边的问题后，应该不会出现，如果有出现，可以把详细输出信息贴出来，讨论一下。

问题2. failed to compile cuda_ndarray.cu
解决2:cd /etc/ld.so.conf.d，然后编辑sudo gedit cuda.conf，此文件应该是不存在的，所以打开是空的，将 /usr/local/cuda-7.5/lib64 写进去，并保存。然后sudo ldconfig。ok，再回去测试，应该就没什么问题了。import theano后，应该会显示你的GPU信息。例如我的显示：Using gpu device 0: GeForce GT 425M(CNMem is disabled)

至此，大功告成。GPU加速成功。可以把经典的GPU测试代码保存至test.py，然后测试：

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 range(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')1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20