這是一篇為機器搭建深度學習研究環境的詳細指南，包括驅動程式、工具和各種深度學習框架的安裝指導。在64位Ubuntu 14.04的機器上使用Nvidia Titan X進行測試。

還有一些有類似目的的指南。一些內容有限，而另外一些則不是最新的。該指南基於（有些部分是複製來的）：

目錄

• 基礎知識
• Nvidia驅動
• CUDA
• cuDNN
• Tensorflow
• OpenBLAS
• 常用工具
• Caffe
• Theano
• Keras
• Torch
• X2Go

基礎知識

• 首先，開啟終端，執行以下命令確保你的作業系統是最新的

sudo apt-get update  
sudo apt-get upgrade  
sudo apt-get
 
 install build-essential  
sudo apt-get autoremove

安裝git

sudo apt-get install git

Nvidia驅動

• 檢視顯示卡型號

lspci | grep -i nvidia

• 到Nvidia官網查詢你顯示卡對應的最新驅動和系統設定。你可以從此網站上下載並安裝驅動，但這樣做會升級到更新的驅動，並且解除安裝的時候會有些麻煩。此外，這麼做需要你退出X服務會話，從終端進行安裝，這比較麻煩。

• 我們將使用apt-get來安裝驅動。到 “Proprietary GPU Drivers” PPA中檢視是否有你最新的驅動。注意，最新的驅動一定是最穩定的。你也可以安裝網頁上推薦的驅動版本。新增”Proprietary GPU Drivers” PPA 資源庫。在寫這篇文章的時候，最新版本是361.42，然而推薦版本是352：

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-352

• 重啟系統

sudo shutdown -r now

• 檢查以確保安裝了正確版本的NVIDIA驅動

cat /proc/driver/nvidia/version

CUDA

• 從Nvidia上下載CUDA7.5。然後到下載目錄下安裝CUDA

sudo dpkg -i cuda-repo-ubuntu1404*amd64.deb
sudo apt-get update
sudo apt-get install cuda

• 新增CUDA到環境變數

echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

• 檢查以確保安裝了正確版本的CUDA

nvcc -V

• 重啟系統

sudo shutdown -r now

檢查CUDA安裝（可選）

• 在CUDA安裝目錄安裝樣例。編譯它們（需要幾分鐘）：

/usr/local/cuda/bin/cuda-install-samples-7.5.sh ~/cuda-samples
cd ~/cuda-samples/NVIDIA*Samples
make -j $(($(nproc) + 1))

注意：（-j $(($(nproc) + 1))）命令使用你機器上的核心數並行執行，所以編譯會更快

• 執行deviceQuery，確保它能檢測到顯示卡並測試通過

bin/x86_64/linux/release/deviceQuery

cuDNN

• cuDNN是為DNN設計的CPU加速庫。它能在多種情況下幫助提升執行速度。為了下載cuDNN庫，你需要到Nvidia網站https://developer.nvidia.com/cudnn上進行註冊。幾小時到幾個工作日就能夠批准。一旦註冊批准，下載Linux版本的cuDNN v4。最新版本是cuDNN v5，但是不是所有的工具都支援。

• 解壓並複製檔案

cd ~/Downloads/
tar xvf cudnn*.tgz
cd cuda
sudo cp */*.h /usr/local/cuda/include/
sudo cp */libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

檢查

• 你可以使用nvidia-smi 命令檢查目前所有操作都正確。這應該會輸出GPU的一些統計資料

Tensorflow

• 安裝v0.8版本與GPU相容。下面的指令都來自於這裡

sudo apt-get install python-pip python-dev sudo pip install --upgrade 
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl

• 執行一個測試程式確保Tensorflow成功安裝。當你執行import命令的時候，應該不會有警告/錯誤。

python
>>> import tensorflow as tf
>>> exit()

OpenBLAS

• OpenBLAS是一個線性代數庫，比Atlas更快。這一步是可選的，但要注意，下面的一些步驟假定你已經安裝了OpenBLAS。你需要安裝gfortran來編譯它。

mkdir ~/git
cd ~/git
git clone https://github.com/xianyi/OpenBLAS.git
cd OpenBLAS
make FC=gfortran -j $(($(nproc) + 1))
sudo make PREFIX=/usr/local install

• 將路徑新增到LD_LIBRARY_PATH 變數中

echo 'export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH' >> ~/.bashrc

常用工具

• 為Scipy安裝一些常用工具

sudo apt-get install -y libfreetype6-dev libpng12-dev
pip install -U matplotlib ipython[all] jupyter pandas scikit-image

Caffe

• 下面的指令都來自於這裡。第一步是安裝所必須的檔案

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

• 克隆Caffe資源庫

cd ~/git
git clone https://github.com/BVLC/caffe.git
cd caffe
cp Makefile.config.example Makefile.config

• 如果你安裝了cuDNN，取消Makefile中USE_CUDNN := 1 這一行的註釋

sed -i 's/# USE_CUDNN := 1/USE_CUDNN := 1/' Makefile.config

• 如果你安裝了OpenBLAS，修改BLAS引數值為open

sed -i 's/BLAS := atlas/BLAS := open/' Makefile.config

• 安裝需要的檔案，構建Caffe和測試，執行測試確保所有測試都通過。注意，這都需要一段時間。

sudo pip install -r python/requirements.txt
make all -j $(($(nproc) + 1))
make test -j $(($(nproc) + 1))
make runtest -j $(($(nproc) + 1))

• 構建PyCaffe，Caffe的Python介面

make pycaffe -j $(($(nproc) + 1))

• 將Caffe新增到環境變數中

echo 'export CAFFE_ROOT=$(pwd)' >> ~/.bashrc
echo 'export PYTHONPATH=$CAFFE_ROOT/python:$PYTHONPATH' >> ~/.bashrc
source ~/.bashrc

• 測試確保Caffe安裝成功。當執行import命令的時候應該不會有警告/錯誤。

ipython
>>> import caffe
>>> exit()

Theano

• 安裝所必須的檔案，然後安裝Theano。這些指令來自於這裡

sudo apt-get install python-numpy python-scipy python-dev python-pip python-nose g++ python-pygments python-sphinx python-nose
sudo pip install Theano

• 測試Theano安裝。當執行import命令的時候應該不會有警告/錯誤。

python
>>> import theano
>>> exit()

Keras

• Keras是圍繞Theano和Tensorflow設計的一個有用的封裝。預設情況下，它使用Theano作為後端。檢視這裡的指令以瞭解如何變更為Tensorflow。

sudo pip install keras

Torch

• 下面安裝Torch的指令來自於這裡。安裝會花一些時間

git clone https://github.com/torch/distro.git ~/git/torch --recursive
cd torch; bash install-deps;
./install.sh

X2Go

• 如果你的深度學習機器不是主要工作機器，X2Go可以幫助你遠端訪問。X2Go是一個了不起的遠端訪問解決方案。你可以使用下面的命令在Ubuntu機器上安裝X2Go服務。

sudo apt-get install software-properties-common
sudo add-apt-repository ppa:x2go/stable
sudo apt-get update
sudo apt-get install x2goserver x2goserver-xsession

• X2Go不支援統一桌面環境（Ubuntu的預設環境）。我發現XFCE效果不錯。更多支援的環境在這裡

sudo apt-get update
sudo apt-get install -y xfce4 xfce4-goodies xubuntu-desktop

• 使用下面的命令檢視機器的IP

hostname -I

• 你可以使用上面的IP在你主要使用的機器上安裝一個客戶端來連線到深度學習伺服器上。根據你的客戶端系統，這裡有更多的指令。