Ubuntu 16.04下CUDA8.0+Theano+Caffe+TensorFlow环境搭建
Tauren 2016-09-27
目前自己撘过深度学习各种库、各种环境，已经搭建了n多台电脑，发现每台电脑配置安装方法各不相同，总会出现各不相同的错误，真是心塞。笔记本和台式机有差别，台式机之间的安装方法又各不相同，不同的系统版本环境、平台又各有差异。比如昨天搞的一台电脑，可能因为显卡比较新，然而Ubuntu 14.04、Ubuntu 15.04都比较旧，连安装系统都装不上，一开始在14.04上重装了n多次系统，还以为是自己电脑的问题。最后在Ubuntu 16.04竟然非常顺利完成了安装；然而16.04的版本，只有cuda8.0才支持，在这台破电脑上，又折腾了我快一天的时间。
显卡：GTX960
环境：Ubuntu16.04、cuda8.0
下面是我的安装之路，总的来说theano、keras、tensorflow都比较容易安装；最难安装的是caffe，因为caffe调用的第三方库比较杂、比较多。
一、安装cuda8.0
1、输入命令：
sudo vim /etc/modprobe.d/blacklist.conf在文件最后面，添加：
blacklist nouveau
sudo reboot
sudo apt-get remove --purge nvidia*
重启，然后进入终端：
sudo service lightdm stop
chmod +x cuda*.run
sudo ./cuda*.run2、安装cuda的过程中，一直跳出错误：
If you're sure that X is not running, but are getting this error, please delete any X lock files in /tmp.
那么我们可以直接删除X-lock文件，具体命令为：
sudo rm /tmp/.X0-lock3、ubuntu的gcc编译器是5.4.0，然而cuda8.0不支持5.0以上的编译器，因此需要降级，把编译器版本降到4.9：
sudo apt-get install g++-4.9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10
sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives --set cc /usr/bin/gcc
sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives --set c++ /usr/bin/g++等待安装完成
4、配置环境变量：
sudo vim /etc/profile在文件末尾添加：
PATH=/usr/local/cuda/bin:$PATH
export PATH
保存退出。输入命令：
source /etc/profile
使其生效。
输入命令：
sudo /etc/ld.so.conf.d/cuda.conf
添加内容：
/usr/local/cuda/lib645、验证测试
测试cuda是否安装成功：
cd /usr/local/cuda/samples
编译例子：
sudo make all -j8运行编译可执行结果文件：
./deviceQuery
二、安装theano
1、直接输入命令：
sudo pip install theano
2、配置参数文件：.theanorc
[global]
floatX=float32
device=gpu
base_compiledir=~/external/.theano/
allow_gc=False
warn_float64=warn
[mode]=FAST_RUN
[nvcc]
fastmath=True
[cuda]
root=/usr/local/cuda
3、运行测试例子：
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 %f seconds" % (iters, t1 - t0))
print("Result is %s" % (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')
可以看到结果：
/usr/bin/Python2.7 /home/hjimce/PycharmProjects/untitled/.idea/temp.py
Using gpu device 0: GeForce GTX 960 (CNMeM is disabled, cuDNN not available)
[GpuElemwise{exp,no_inplace}(<CudaNdarrayType(float32, vector)>), HostFromGpu(GpuElemwise{exp,no_inplace}.0)]
Looping 1000 times took 0.302778 seconds
Result is [ 1.23178029 1.61879349 1.52278066 ..., 2.20771813 2.29967761
1.62323296]
Used the gpu
三、caffe环境搭建
1、切换编译器：
sudo update-alternatives --config g++选择g++ 5.0以上的对应编号
sudo update-alternatives --config gcc根据编号选择gcc编译器5.0以上的版本。
2、hd5相关问题：遇到hd5等相关找不到的文件错误。
输入命令：
cd /usr/lib/x86_64-linux-gnu
sudo ln -s libhdf5_serial.so.10.1.0 libhdf5.so
sudo ln -s libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so
3、caffe编译
从github上下载caffe，解压打开makefile.config对其进行修改，makefile.config修改内容内容如下：
将
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib改为：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial4、cuda8.0编译器问题
打开/usr/local/cuda/include/host_config.h
注释掉：
error -- unsupported GNU version! gcc versions later than 5.3 are not supported!
结果如下：
#if __GNUC__ > 5 || (__GNUC__ == 5 && __GNUC_MINOR__ > 3)
//#error -- unsupported GNU version! gcc versions later than 5.3 are not supported!
#endif /* __GNUC__ > 5 || (__GNUC__ == 5 && __GNUC_MINOR__ > 1) */
5、遇到prototuf等编译问题：
build_release/lib/libcaffe.so: undefined reference to 'google::protobuf::io::CodedOutputStream::WriteVarint64ToArray(unsigned long long, unsigned char*)'主要是因为我们直接采用命令apt-get install 安装prototuf是比较老旧的版本，而ubuntu16.04比较新，所以我们需要卸载prototuf，然后自己在自己的电脑上编译安装。
(1)于是先卸载原有版本:
sudo apt-get autoremove libprotobuf-dev protobuf-compiler(2)从github下载protobuf
(3)打开protobuf文件目录进行编译安装，具体过程如下
编译过程过下：
A、输入命令：
sh auto*.sh生产configure文件。这步可能遇到的错误：
configure.ac:64: error: possibly undefined macro: AC_PROG_LIBTOOL
那么输入命令：
sudo apt-get install libtool
然后在次运行：
sh auto*.sh
B、按照顺序，依次输入如下命令：
./configure
make -j8
make check
make install
完成安装。
C、protobuf配置环境变量.
打开profile文件：
sudo vim /etc/profile
添加：
export PATH=$PATH:/usr/local/protobuf/bin/
export PKG_CONFIG_PATH=/usr/local/protobuf/lib/pkgconfig/<保存退出，然后输入命令：
source /etc/profileD、配置动态链接库
打开配置文件ld.so.conf:
sudo vim /etc/ld.so.conf添加：
/usr/local/protobuf/libE、更新配置
sudo su
ldconfig6、caffe编译：
make all -j8
make pycaffe
OK，万事大吉，打完收工。
四、tensorflow
以前的安装方法：
sudo apt-get install python-pip python-dev
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.9.0-cp27-none-linux_x86_64.whl
sudo pip install --upgrade $TF_BINARY_URL出现错误：
libcudart.so.7.5: cannot open shared object file: No such file or directory
主要原因是上面的tensoftlow*.whl是cuda7.5编译好的，导致我们不能直接用。因此我们接着要自己编译才行。
1、先装jdk
sudo apt-get update
sudo apt-get install default-jre
sudo apt-get install default-jdk2、安装编译工具Bazel
echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.listcurl https://storage.googleapis.com/bazel-apt/doc/apt-key.pub.gpg | sudo apt-key add -sudo apt-get update && sudo apt-get install bazel
3、下载tensorflow并编译
./configure遇到错误：
Can't find swig. Ensure swig is in $PATH or set $SWIG_PATH.安装swig：
sudo apt-get install swig
4、在tensorflow安装的时候，没有找到可以忽略使用cudnn的选项，一直提示如下错误：
Please specify the location where cuDNN library is installed. Refer to README.md for more details. [Default is /usr/local/cuda]:
Invalid path to cuDNN toolkit. Neither of the following two files can be found:
/usr/local/cuda-8.0/lib64/libcudnn.so
/usr/local/cuda-8.0/libcudnn.so
所以没办法，只能把cudnn也给安装了。首先到官网下载cuda8.0对应的cudnn：
cudnn-8.0-linux-x64-v5.0-ga.tgz
tar -zxvf cudnn-8.0-linux-x64-v5.0-ga.tgzsudo 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/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*安装完毕后，就接着前面的工作tensorflow的安装
5、输入.configure,然后一路回车、或者选择yes。
6、这是心酸，原来tensorflow官网给了从源码安装的教程：install from sources
https://www.tensorflow.org/versions/r0.9/get_started/os_setup.html
参考文献：
http://textminingonline.com/dive-into-tensorflow-part-iii-gtx-1080-ubuntu16-04-cuda8-0-cudnn5-0-tensorflow
