1 Ubuntu雙系統安裝
1.1安裝Windows10系統
一般建議從Win7升級到Win10, 避免無法激活。如果直接安裝Windows10可以在某些Win10的技術交流QQ羣獲得激活工具。選擇一個空閒磁盤,磁盤管理-》磁盤壓縮或者直接刪除卷,將來Ubuntu就安裝在該磁盤上。
1.2 Ultraiso刻錄Ubuntu系統
下載iso文件
http://pan.baidu.com/share/link?shareid=699840990&uk=3994249334
Ultraiso刻錄到U盤,重啓,F12 U盤啓動。
安裝參考教程
http://jingyan.baidu.com/article/76a7e409bea83efc3b6e1507.html
安裝過程中不要選擇更新系統。我的電腦設置是swap交換區,邏輯分區,8G。主分區300M 掛載點/boot。剩下的磁盤空間,主分區,掛載點/。
重啓,拔出U盤,進入系統
2 Cuda安裝
2.1下載cuda文件
在以下鏈接中選擇正確的文件,下載到桌面
https://developer.nvidia.com/cuda-downloads
2.2 安裝cuda
安裝命令如下:
sudo dpkg -i cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb
sudo apt-get update
sudo apt-get install cuda
nvcc
發現nvcc未識別,所以你需要設置cuda環境變量:
sudo gedit /etc/profile
在文件底部添加
export PATH=/usr/local/cuda-7.5/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH
重啓電腦,
nvcc --version
gcc -- version
成功識別nvcc,且滿足gcc版本小於5.
2.3 安裝cuDNN配置
註冊Nvidia帳號,註冊信息認真填寫。註冊地址如下
https://developer.nvidia.com/cudnn
下載 cuDNN V5 for Linux
解壓cuDNN安裝包: sudo tar -xvf cudnn-7.5-linux-*.tgz
cd 解壓出的文件 移動頭文件以及動態庫:
sudo cp lib* /usr/local/cuda/lib64/
sudo cp cudnn.h /usr/local/cuda/include/
2.4安裝Theano環境
需要預先安裝的工具
這些工具在後面可能會使用到,如編譯器等。
sudo apt-get install -y python-dev python-pip python-nose gcc g++ git gfortran
安裝BLAS, LAPACK, ATLAS 這些軟件包必須在安裝Numpy和Scipy之前安裝
sudo apt-get install -y libopenblas-dev liblapack-dev libatlas-base-dev
OpenBLAS,Numpy,Scipy For Linux 參考以下網址
http://blog.csdn.net/wangpengfei163/article/details/47399547
其中 openBLAS如下
git clone git://github.com/xianyi/OpenBLAS
sudo apt-get install gfortran
cd OpenBLAS
sudo make FC=gfortran
sudo make PREFIX=/opt/OpenBLAS install
添加環境路徑
sudo gedit ~/.bashrc
添加
export LD_LIBRARY_PATH=/opt/OpenBLAS/lib:$LD_LIBRARY_PATH
到文件末尾
sudo su
source ~/.bashrc
sudo gedit /etc/profile
添加到文件末尾
export LD_LIBRARY_PATH=/opt/OpenBLAS/lib:$LD_LIBRARY_PATH
sudo su
source /etc/profile
編譯配置過程中
numpy報錯
RuntimeError: Running cythonize failed!
解決辦法:
安裝cython
scipy又報錯
sudo pip install --upgrade cython
sudo pip install theano
新建配置文件sudo gedit ~/.theanorc
添加如下內容:
[global]
floatX=float32
device=gpu
[lib]
cnmem=0.8
[blas]
ldflags =-L/$HOME/openblas/lib -lopenblas
[nvcc]
fastmath = True
optimizer_including=cudnn
最後執行python test.py
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 xrange(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'
附屬CSDN博客語法鏈接
http://www.jianshu.com/p/0b257de21eb5
ubuntu截圖工具 ksnapshot
原創文章,轉載請註明出處
http://blog.csdn.net/lin370/article/details/51603889