首页 / 操作系统 / Linux / 深层学习库包Theano、Lasagne、TensorFlow在Ubuntu支持GPU的安装

随着深层学习的火热，越来越多的人开始使用深层学习训练自己的模型。 用GPU训练的速度比CPU快很多倍，可让需要训练一周的模型只在一天内完成。 这篇post就介绍如何在Ubuntu14.04上安装用GPU训练的Theano、Lasagne、TensorFlow

• Anaconda
  • 安装
  • 使用
• GPU配置
  • 安装CUDA
  • 安装cuDNN
• Theano
  • 安装
  • GPU环境变量设置
  • GPU运行测试
• Lasagne
  • 安装
  • 教程
• TensorFlow
• 安装
  • CPU only
  • GPU enabled
• GPU环境变量设置
• 简单测试
• TensorBoard
  • 追踪数据
  • 分析模型
• 教程

Anaconda

由于将会用到很多python的库包，安装Anaconda将会很方便

安装

下载完毕后，执行，根据提示安装到想要安装的目录下
>sudo bash Anaconda2-2.5.0-Linux-x86_64.sh如果遇到 Error: Missing write permissions in: */anaconda2
You don"t appear to have the necessary permissions to update packages
into the install area */anaconda2运行下面指令，更改组群可以解决（请把usr 和 */ 替换为自己的内容）
>sudo chown -R usr */anaconda2

使用

所有指令都可以在Using conda找到
这里列出几个常用指令

• 更新conda
  >conda update conda
• 显示可用packages
  >conda list
• 从conda安装package
  >conda install package-name
• 如果conda没有,可从anaconda.org上搜索，键入所显示的指令即可
  >conda install -c channel package-name
• 删除package
  >conda remove package-name
• 更新package
  >conda update package-name

---

GPU配置

安装CUDA

CUDA download（本文将选择network安装）下载完毕后执行
>sudo dpkg -i cuda-repo-ubuntu1404_7.5-18_amd64.deb
>sudo apt-get update
>sudo apt-get install cuda （耗时）
拥有cuda的并行计算模块就可以用GPU训练Theano的模型了

安装cuDNN

Theano也支持cuDNN（可选），而Tensorflow则必需要cuDNNcuDNN download（需要注册），下载完毕后执行
>tar xvzf cudnn-7.0-linux-x64-v4.0-prod.tgz
>sudo cp cuda/include/cudnn.h /usr/local/cuda/include
>sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
>sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

---

Theano

由于Theano对模型拥有很高的控制权，深受研究人员喜欢

安装

>sudo apt-get install g++ libopenblas-dev
>conda install git
>pip install --upgrade --no-deps git+git://github.com/Theano/Theano.git也可以从anaconda.org上搜索

GPU环境变量设置

>export CUDA_ROOT=/usr/local/cuda-7.5/
>export PATH=$PATH:$CUDA_ROOT/bin
>export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA_ROOT/lib64
>export THEANO_FLAGS=mode=FAST_RUN,device=gpu,floatX=float32,allow_gc=False
>export CUDA_LAUNCH_BLOCKING=1需要注意的是GPU只支持float32的数据，想要更多的速度，就要把数据的类型都转为float32

GPU运行测试

from theano import function, config, shared, tensor, sandboximport numpyimport timevlen = 10 * 30 * 768# 10 x #cores x # threads per coreiters = 1000rng = numpy.random.RandomState（22）x = shared（numpy.asarray（rng.rand（vlen）, config.floatX））f = function（[], tensor.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 %f seconds" % （iters, t1 - t0））print（"Result is %s" % （r,））if numpy.any（[isinstance（x.op, tensor.Elemwise） and（"Gpu" not in type（x.op）.__name__）for x in f.maker.fgraph.toposort（）]）:print（"Used the cpu"）else:print（"Used the gpu"）CPU结果：[Elemwise{exp,no_inplace}（<TensorType（float64, vector）>）]Looping 1000 times took 3.060987 secondsResult is [ 1.231780321.618793411.52278065 ...,2.207718152.299677531.62323285]Used the cpuGPU结果：Using gpu device 0: GeForce GTX 980 Ti （CNMeM is disabled, CuDNN 4007）[GpuElemwise{exp,no_inplace}（<CudaNdarrayType（float32, vector）>）, HostFromGpu（GpuElemwise{exp,no_inplace}.0）]Looping 1000 times took 0.208453 secondsResult is [ 1.231780291.618793491.52278066 ...,2.207718132.299677611.62323296]Used the gpu

---

Lasagne

安装

Lasagne是写在Theano之上的库包，可以使用户更简单的使用深层学习训练
这里将要安装的是Lasagne 0.2.dev1版本，直接执行
>conda install -c http://conda.anaconda.org/toli lasagne

教程

这里有Lasagne tutorial 和 Lasagne tutorial2的简单ipython教程

---

TensorFlow

TensorFlow是由Google开源的深层学习包，在概念上和Theano十分相似，都是生成computational graph并可自动求导，虽然表达上比Theano简洁了一些，但对于模型结构的控制能力不如Theano。当前的GPU版本还在显存占用方便有问题。总体来说十分“年轻”。但是拥有强大的公司背景。使人十分期待未来发布的版本。

安装

CPU only

>pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.7.1-cp27-none-linux_x86_64.whl

GPU enabled

>pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.7.1-cp27-none-linux_x86_64.whl遇到如下问题时
Cannot remove entries from nonexistent file /usr/local/bin/anaconda2/lib/python2.7/site-packages/easy-install.pth
执行，删除后setuptools再运行
>conda remove setuptools

GPU环境变量设置

>export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64
>export CUDA_HOME=/usr/local/cuda

简单测试

import tensorflow as tfhello = tf.constant（"Hello, TensorFlow！"）sess = tf.Session（）print（sess.run（hello））Hello, TensorFlow！a = tf.constant（10）b = tf.constant（32）print（sess.run（a + b））42期间你将会看到类似的信息

Creating TensorFlow device （/gpu:0） -> （device: 0, name: GeForce GTX 980 Ti, pci bus id: 0000:01:00.0）

TensorBoard

比较人性化的地方是工具TensorBoard可以自动生成如下的交互界面，允许用户更好的追踪数据和分析自己所建的模型

追踪数据

分析模型

教程

还有很多教程可以参考官网更多Ubuntu相关信息见Ubuntu 专题页面 http://www.linuxidc.com/topicnews.aspx？tid=2本文永久更新链接地址