最近几天一直尝试搭建Theano深度学习开发环境，并安装英伟达CUDA Toolkit。这期间，有想过在Windows上搭建的，但是从网上了解后，发现还是在Linux环境下更加合适。在搭建这个开发环境的过程中，其实入了不少坑，有点曲折。本不打算写搭建过程的，因为网上确实有不少不错的安装步骤，以及官网也有安装教程。But，鉴于被坑了好几天，还是记录一下，长长记性 :)
期间安装Ubuntu 14.04超过4次（原因：有些软件依赖问题无法解决，更换软件源貌似也不可以。不过今天把软件源换成主服务器后，就正常了，但是我的无线网速度比较慢，所以使用主服务器后，下载速度明显要慢了不少。）。
尝试安装Fedora操作系统1次，因为也想过在这个系统上搭建环境的，因为Ubuntu 14.04上面的部分依赖总是搞不定。但是因为网卡驱动的问题，始终无法联网；无法联网，自然就没法安装编译器，没有编译器，没法安装网卡驱动（因为需要编译驱动），最后放弃了这个平台。
尝试安装CentOS操作系统1次，其实根本没有安装成功，原因是我的独立显卡驱动问题，导致安装程序的图形界面上的所有文字都是模糊的，甚至连“退出安装”按钮文字我都识别不出来，最后放弃了。
e键，进入编辑页面，在倒数第二行中，ro quiet splash后面添加nomodeset，这样进入系统后不会因为独显驱动问题而导致黑屏了；/boot/grub/grub.cfg文件，搜索ro quiet splash关键词，同样追加nomodeset，这样不用每次启动系统前重复上述步骤了。这些工具在后面可能会使用到，如编译器等。
sudo apt-get install -y python-dev python-pip python-nose gcc g++ git gfortran这些软件包必须在安装Numpy和Scipy之前安装
sudo apt-get install -y libopenblas-dev liblapack-dev libatlas-base-dev在官方教程中使用了apt-get方式安装的，但是貌似我确实在安装后没有通过单元测试，有不少错误产生。尤其是后面安装的SciPy更是如此。可能和我之前没有把需要的工具包安装齐全有关系吧。
# 安装NumPy，这个安装过程需要等待会，因为需要编译，所以得花一点时间。
# 实际上后面安装的SciPy和Theano都会花时间编译的，整个安装过程还是要挺久的。
sudo pip install numpy
# 进行测试。
python -c 'import numpy; numpy.test()'必须要保证上面的测试通过，然后再继续下一步，确保每一步都是正确的。没有Errors则通过测试。测试结果如下。
# 安装方法，耐心等待编译吧:)
sudo pip install scipy
# 进行测试
python -c 'import scipy; scipy.test()'必须保证scipy也正常通过测试，这样才可以继续安装下面的Theano。测试结果如下图：
--------------------------------------分割线 --------------------------------------
Ubuntu下CUDA（含GPU卡驱动）安装过程 http://www.linuxidc.com/Linux/2015-07/120456.htm
Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明 http://www.linuxidc.com/Linux/2015-04/116444.htm
Ubuntu 14.04 安装配置CUDA http://www.linuxidc.com/Linux/2014-10/107501.htm
Ubuntu 12.04配置NVIDIA CUDA5.5实录 http://www.linuxidc.com/Linux/2014-10/107502.htm
Ubuntu安装Theano+CUDA http://www.linuxidc.com/Linux/2014-10/107503.htm
关于Ubuntu 12.04 下 CUDA5.5 的安装请参看如下链接 Ubuntu 12.04 安装 CUDA-5.5
--------------------------------------分割线 --------------------------------------
# 安装方法，还是要耐心等待编译安装的，感觉比较耗时
sudo pip install Theano
# 开始测试
sudo python -c 'import theano; theano.test()'
好吧，我感觉这个步骤中的Theano测试花了好长时间，所以，还是耐心等待吧。最后结果如下。
在安装这个英伟达CUDA Toolkit时，还是遇到了不少问题。以下记录安装过程，详细的说明文档参见英伟达官方提供的Installation Guide for Linux。需要注意的是，该安装文件已经包含了英伟达较新的显卡驱动，所以不用单独安装独显驱动的。
进入CUDA Toolkit下载页面
选择对应的Ubuntu 14.04操作系统，并且选择下载runfile(1.1G)文件，同时记录对应的MD5值，用于校验下载文档有没有损坏
下载GPU Development Kit
下载完成后，最后校验一下下载文件与下载页面提供的文件MD5值是否相同，确保下载到的安装包是完好无损的。
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
/usr/lib/x86_64-linux-gnu/目录下找到了名为libGLU.so.1.3.1，所以在尝试建立链接到/usr/lib/目录下后，安装Samples时就正常了。
sudo ln -s /usr/lib/x86_64-linux-gnu/libGLU.so.1.3.1 /usr/lib/libGLU.so
sudo service lightdm stopcuda_7.5.18_linux.run以及cuda_352_39_gdk_linux.run添加可执行权限sudo ./cuda_352_39_gdk_linux .runsudo ./cuda_7.5.18_linux.run，安装过程直接根据提示进行下去即可sudo service lightdm start更多详情见请继续阅读下一页的精彩内容： http://www.linuxidc.com/Linux/2015-09/123562p2.htm
京公网安备 11010802040832号 | 京ICP备19059560号-6 