深层学习库包Theano、Lasagne、TensorFlow在Ubuntu支持GPU的安装-服务器评测

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cuDNN

cuDNN 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, sandbox
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([], 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 seconds
Result is [ 1.23178032  1.61879341  1.52278065 ...,  2.20771815  2.29967753
  1.62323285]
Used the cpu

GPU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 seconds
Result is [ 1.23178029  1.61879349  1.52278066 ...,  2.20771813  2.29967761
  1.62323296]
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 tf
hello = 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))

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)

深层学习库包Theano、Lasagne、TensorFlow在Ubuntu支持GPU的安装

Anaconda

由于将会用到很多Python的库包，安装Anaconda将会很方便

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

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

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

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环境变量设置

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

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��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：http://www.linuxidc.com/Linux/2016-07/133214.htm

相关推荐

分类

听说打赏我的人，都进福布斯排行榜啦！

支付宝扫一扫打赏

微信扫一扫打赏

QQ咨询

回顶部

Anaconda 由于将会用到很多Python的库包，安装Anaconda将会很方便

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

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

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

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环境变量设置 >export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64 >export CUDA_HOME=/usr/local/cuda

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��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：http://www.linuxidc.com/Linux/2016-07/133214.htm

相关推荐

分类

听说打赏我的人，都进福布斯排行榜啦！

支付宝扫一扫打赏

微信扫一扫打赏

QQ咨询

回顶部

Anaconda

由于将会用到很多Python的库包，安装Anaconda将会很方便

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

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

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

CPU only

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

GPU环境变量设置

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

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

教程

还有很多教程可以参考官网

更多Ubuntu��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：http://www.linuxidc.com/Linux/2016-07/133214.htm