目前自己撘過深度學習各種庫、各種環境，已經搭建了n多台電腦，發現每台電腦配置安裝方法各不相同，總會出現各不相同的錯誤，真是心塞。筆記本和台式機有差別，台式機之間的安裝方法又各不相同，不同的系統版本環境、平台又各有差異。比如昨天搞的一台電腦，可能因為顯卡比較新，然而Ubuntu 14.04、Ubuntu 15.04都比較舊，連安裝系統都裝不上，一開始在14.04上重裝了n多次系統，還以為是自己電腦的問題。最後在Ubuntu 16.04竟然非常順利完成了安裝；然而16.04的版本，只有cuda8.0才支持，在這台破電腦上，又折騰了我快一天的時間。
顯卡：GTX960
環境：Ubuntu16.04、cuda8.0
下面是我的安裝之路，總的來說theano、keras、tensorflow都比較容易安裝；最難安裝的是caffe，因為caffe調用的第三方庫比較雜、比較多。
一、安裝cuda8.0
1、輸入命令：
sudo vim /etc/modprobe.d/blacklist.conf在文件最後面，添加：
blacklist nouveau
sudo reboot
sudo apt-get remove --purge nvidia*
重啟，然後進入終端：
sudo service lightdm stop
chmod +x cuda*.run
sudo ./cuda*.run2、安裝cuda的過程中，一直跳出錯誤：
If you're sure that X is not running, but are getting this error, please delete any X lock files in /tmp.
那麼我們可以直接刪除X-lock文件，具體命令為：
sudo rm /tmp/.X0-lock3、ubuntu的gcc編譯器是5.4.0，然而cuda8.0不支持5.0以上的編譯器，因此需要降級，把編譯器版本降到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++等待安裝完成
4、配置環境變量：
sudo vim /etc/profile在文件末尾添加：
PATH=/usr/local/cuda/bin:$PATH
export PATH
保存退出。輸入命令：
source /etc/profile
使其生效。
輸入命令：
sudo /etc/ld.so.conf.d/cuda.conf
添加內容：
/usr/local/cuda/lib645、驗證測試
測試cuda是否安裝成功：
cd /usr/local/cuda/samples
編譯例子：
sudo make all -j8運行編譯可執行結果文件：
./deviceQuery
二、安裝theano
1、直接輸入命令：
sudo pip install theano
2、配置參數文件：.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、運行測試例子：
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')
可以看到結果：
/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環境搭建
1、切換編譯器：
sudo update-alternatives --config g++選擇g++ 5.0以上的對應編號
sudo update-alternatives --config gcc根據編號選擇gcc編譯器5.0以上的版本。
2、hd5相關問題：遇到hd5等相關找不到的文件錯誤。
輸入命令：
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編譯
從github上下載caffe，解壓打開makefile.config對其進行修改，makefile.config修改內容內容如下：
將
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib改為：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial4、cuda8.0編譯器問題
打開/usr/local/cuda/include/host_config.h
注釋掉：
error -- unsupported GNU version! gcc versions later than 5.3 are not supported!
結果如下：
#if __GNUC__ > 5 || (__GNUC__ == 5 && __GNUC_MINOR__ > 3)
//#error -- unsupported GNU version! gcc versions later than 5.3 are not supported!
#endif /* __GNUC__ > 5 || (__GNUC__ == 5 && __GNUC_MINOR__ > 1) */
5、遇到prototuf等編譯問題：
build_release/lib/libcaffe.so: undefined reference to 'google::protobuf::io::CodedOutputStream::WriteVarint64ToArray(unsigned long long, unsigned char*)'主要是因為我們直接采用命令apt-get install 安裝prototuf是比較老舊的版本，而ubuntu16.04比較新，所以我們需要卸載prototuf，然後自己在自己的電腦上編譯安裝。
(1)於是先卸載原有版本:
sudo apt-get autoremove libprotobuf-dev protobuf-compiler(2)從github下載protobuf
(3)打開protobuf文件目錄進行編譯安裝，具體過程如下
編譯過程過下：
A、輸入命令：
sh auto*.sh生產configure文件。這步可能遇到的錯誤：
configure.ac:64: error: possibly undefined macro: AC_PROG_LIBTOOL
那麼輸入命令：
sudo apt-get install libtool
然後在次運行：
sh auto*.sh
B、按照順序，依次輸入如下命令：
./configure
make -j8
make check
make install
完成安裝。
C、protobuf配置環境變量.
打開profile文件：
sudo vim /etc/profile
添加：
export PATH=$PATH:/usr/local/protobuf/bin/
export PKG_CONFIG_PATH=/usr/local/protobuf/lib/pkgconfig/<保存退出，然後輸入命令：
source /etc/profileD、配置動態鏈接庫
打開配置文件ld.so.conf:
sudo vim /etc/ld.so.conf添加：
/usr/local/protobuf/libE、更新配置
sudo su
ldconfig6、caffe編譯：
make all -j8
make pycaffe
OK，萬事大吉，打完收工。
四、tensorflow
以前的安裝方法：
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出現錯誤：
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編譯好的，導致我們不能直接用。因此我們接著要自己編譯才行。
1、先裝jdk
sudo apt-get update
sudo apt-get install default-jre
sudo apt-get install default-jdk2、安裝編譯工具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、下載tensorflow並編譯
./configure遇到錯誤：
Can't find swig. Ensure swig is in $PATH or set $SWIG_PATH.安裝swig：
sudo apt-get install swig
4、在tensorflow安裝的時候，沒有找到可以忽略使用cudnn的選項，一直提示如下錯誤：
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
所以沒辦法，只能把cudnn也給安裝了。首先到官網下載cuda8.0對應的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*安裝完畢後，就接著前面的工作tensorflow的安裝
5、輸入.configure,然後一路回車、或者選擇yes。
6、這是心酸，原來tensorflow官網給了從源碼安裝的教程：install from sources
https://www.tensorflow.org/versions/r0.9/get_started/os_setup.html
參考文獻：
http://textminingonline.com/dive-into-tensorflow-part-iii-gtx-1080-ubuntu16-04-cuda8-0-cudnn5-0-tensorflow
Ubuntu 16.04下Matlab2014a+Anaconda2+OpenCV3.1+Caffe安裝 http://www.linuxidc.com/Linux/2016-07/132860.htm
Ubuntu 16.04系統下CUDA7.5配置Caffe教程 http://www.linuxidc.com/Linux/2016-07/132859.htm
Caffe在Ubuntu 14.04 64bit 下的安裝 http://www.linuxidc.com/Linux/2015-07/120449.htm
深度學習框架Caffe在Ubuntu下編譯安裝 http://www.linuxidc.com/Linux/2016-07/133225.htm
Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置說明 http://www.linuxidc.com/Linux/2015-04/116444.htm
Ubuntu 16.04上安裝Caffe http://www.linuxidc.com/Linux/2016-08/134585.htm
Caffe配置簡明教程 ( Ubuntu 14.04 / CUDA 7.5 / cuDNN 5.1 / OpenCV 3.1 ) http://www.linuxidc.com/Linux/2016-09/135016.htm
更多Ubuntu相關信息見Ubuntu 專題頁面 http://www.linuxidc.com/topicnews.aspx?tid=2
