這是一篇為機器搭建深度學習研究環境的詳細指南，包括驅動程序、工具和各種深度學習框架的安裝指導。在64位Ubuntu 14.04的機器上使用Nvidia Titan X進行測試。

還有一些有類似目的的指南。一些內容有限，而另外一些則不是最新的。該指南基于（有些部分是復制來的）：

• 在Ubuntu上安裝Caffe
• 運行深度學習的夢想機器

目錄

• 基礎知識
• Nvidia驅動
• CUDA
• cuDNN
• Tensorflow
• OpenBLAS
• 常用工具
• Caffe
• Theano
• Keras
• Torch
• X2Go

基礎知識

• 首先，打開終端，運行以下命令確保你的操作系統是最新的

sudo apt-get update sudo apt-get upgrade sudo apt-get install build-essential sudo apt-get autoremove

安裝git

sudo apt-get install git

Nvidia驅動

• 查看顯卡型號

lspci | grep -i nvidia

• 到Nvidia官網查找你顯卡對應的最新驅動和系統設置。你可以從此網站上下載并安裝驅動，但這樣做會升級到更新的驅動，并且卸載的時候會有些麻煩。此外，這么做需要你退出X服務會話，從終端進行安裝，這比較麻煩。

• 我們將使用apt-get來安裝驅動。到 “Proprietary GPU Drivers” PPA中查看是否有你最新的驅動。注意，最新的驅動一定是最穩定的。你也可以安裝網頁上推薦的驅動版本。添加”Proprietary GPU Drivers” PPA 資源庫。在寫這篇文章的時候，最新版本是361.42，然而推薦版本是352：

sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update sudo apt-get install nvidia-352

• 重啟系統

sudo shutdown -r now

• 檢查以確保安裝了正確版本的NVIDIA驅動

cat /proc/driver/nvidia/version

CUDA

• 從Nvidia上下載CUDA7.5。然后到下載目錄下安裝CUDA

sudo dpkg -i cuda-repo-ubuntu1404*amd64.deb sudo apt-get update sudo apt-get install cuda

• 添加CUDA到環境變量

echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc

• 檢查以確保安裝了正確版本的CUDA

nvcc -V

• 重啟系統

sudo shutdown -r now

檢查CUDA安裝（可選）

• 在CUDA安裝目錄安裝樣例。編譯它們（需要幾分鐘）：

/usr/local/cuda/bin/cuda-install-samples-7.5.sh ~/cuda-samples cd ~/cuda-samples/NVIDIA*Samples make -j $(($(nproc) + 1))

注意：（-j $(($(nproc) + 1))）命令使用你機器上的核心數并行執行，所以編譯會更快

• 運行deviceQuery，確保它能檢測到顯卡并測試通過

bin/x86_64/linux/release/deviceQuery

cuDNN

• cuDNN是為DNN設計的CPU加速庫。它能在多種情況下幫助提升執行速度。為了下載cuDNN庫，你需要到Nvidia網站https://developer.nvidia.com/cudnn上進行注冊。幾小時到幾個工作日就能夠批準。一旦注冊批準，下載Linux版本的cuDNN v4。最新版本是cuDNN v5，但是不是所有的工具都支持。

• 解壓并復制文件

cd ~/Downloads/ tar xvf cudnn*.tgz cd cuda sudo cp */*.h /usr/local/cuda/include/ sudo cp */libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

檢查

• 你可以使用nvidia-smi 命令檢查目前所有操作都正確。這應該會輸出GPU的一些統計數據

Tensorflow

• 安裝v0.8版本與GPU兼容。下面的指令都來自于這里

sudo apt-get install python-pip python-dev sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl

• 運行一個測試程序確保Tensorflow成功安裝。當你執行import命令的時候，應該不會有警告/錯誤。

python >>> import tensorflow as tf >>> exit()

OpenBLAS

• OpenBLAS是一個線性代數庫，比Atlas更快。這一步是可選的，但要注意，下面的一些步驟假定你已經安裝了OpenBLAS。你需要安裝gfortran來編譯它。

mkdir ~/git cd ~/git git clone https://github.com/xianyi/OpenBLAS.git cd OpenBLAS make FC=gfortran -j $(($(nproc) + 1)) sudo make PREFIX=/usr/local install

• 將路徑添加到LD_LIBRARY_PATH 變量中

echo 'export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH' >> ~/.bashrc

常用工具

• 為Scipy安裝一些常用工具

sudo apt-get install -y libfreetype6-dev libpng12-dev pip install -U matplotlib ipython[all] jupyter pandas scikit-image

Caffe

• 下面的指令都來自于這里。第一步是安裝所必須的文件

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 libgflags-dev libgoogle-glog-dev liblmdb-dev

• 克隆Caffe資源庫

cd ~/git git clone https://github.com/BVLC/caffe.git cd caffe cp Makefile.config.example Makefile.config

• 如果你安裝了cuDNN，取消Makefile中USE_CUDNN := 1 這一行的注釋

sed -i 's/# USE_CUDNN := 1/USE_CUDNN := 1/' Makefile.config

• 如果你安裝了OpenBLAS，修改BLAS參數值為open

sed -i 's/BLAS := atlas/BLAS := open/' Makefile.config

• 安裝需要的文件，構建Caffe和測試，運行測試確保所有測試都通過。注意，這都需要一段時間。

sudo pip install -r python/requirements.txt make all -j $(($(nproc) + 1)) make test -j $(($(nproc) + 1)) make runtest -j $(($(nproc) + 1))

• 構建PyCaffe，Caffe的Python接口

make pycaffe -j $(($(nproc) + 1))

• 將Caffe添加到環境變量中

echo 'export CAFFE_ROOT=$(pwd)' >> ~/.bashrc echo 'export PYTHONPATH=$CAFFE_ROOT/python:$PYTHONPATH' >> ~/.bashrc source ~/.bashrc

• 測試確保Caffe安裝成功。當執行import命令的時候應該不會有警告/錯誤。

ipython >>> import caffe >>> exit()

Theano

• 安裝所必須的文件，然后安裝Theano。這些指令來自于這里

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

• 測試Theano安裝。當執行import命令的時候應該不會有警告/錯誤。

python >>> import theano >>> exit()

Keras

• Keras是圍繞Theano和Tensorflow設計的一個有用的封裝。默認情況下，它使用Theano作為后端。查看這里的指令以了解如何變更為Tensorflow。

sudo pip install keras

Torch

• 下面安裝Torch的指令來自于這里。安裝會花一些時間

git clone https://github.com/torch/distro.git ~/git/torch --recursive cd torch; bash install-deps; ./install.sh

X2Go

• 如果你的深度學習機器不是主要工作機器，X2Go可以幫助你遠程訪問。X2Go是一個了不起的遠程訪問解決方案。你可以使用下面的命令在Ubuntu機器上安裝X2Go服務。

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

• X2Go不支持統一桌面環境（Ubuntu的默認環境）。我發現XFCE效果不錯。更多支持的環境在這里

sudo apt-get update sudo apt-get install -y xfce4 xfce4-goodies xubuntu-desktop

• 使用下面的命令查看機器的IP

hostname -I

• 你可以使用上面的IP在你主要使用的機器上安裝一個客戶端來連接到深度學習服務器上。根據你的客戶端系統，這里有更多的指令。

總結

以上是生活随笔為你收集整理的深度学习指南：基于Ubuntu从头开始搭建环境的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。