四月份的時候就已經搭建了一次Deepnet框架，只是當時也沒有執行成功例子就那樣擱淺了。現在是因為發現神經網路利用hadoop並行不太可能，就果斷放棄搞了近一個月的hadoop，轉向GPU了。但是學習hadoop搭建環境也是搞了大概兩天吧，後來也是看視訊學習等，現在至少搭建環境沒問題了。所以說還是有收穫的。

  現在來完整地說說這個框架的搭建過程及遇到的問題及解決方法吧。

 我的環境ubuntu 旗艦版 16.0.4 +cuda-8.0+protobuf-3.2 +Anaconda2

 首先 介紹一下

這個框架deepnet是多倫多大學計算機系機器學習組開發的一個神經網路工具包，可以進行以下計算：  

1.  Feed-forward Neural Nets  

2.  Restricted Boltzmann Machines  

3.  Deep Belief Nets4.  Autoencoders  

5.  Deep Boltzmann Machines6.  Convolutional Neural Nets  

主要的成果是其中的DBM，可用於多模態建模。論文是“Multimodal Learning with Deep Boltzmann Machines”  框架比較冷門，所以安裝資料比較少，但是在各位高手的幫助下還算是搭建成功了吧。  

兩篇安裝經驗推薦 

http://blog.csdn.net/wspba/article/details/53363066​  

http://blog.csdn.net/llx1990rl/article/details/41699351

首先安裝python ，建議安裝 Anaconda2 ，因為那個numpy不知道怎麼回事就是安裝不成功，還是安裝簡潔的Anaconda2吧。

安裝Anaconda2；


[email protected]:~$ bash Anaconda2-4.3.0-Linux-x86_64.sh 


Welcome to Anaconda2 4.3.0 (by Continuum Analytics, Inc.)


In order to continue the installation process, please review the license
agreement.
Please, press ENTER to continue


輸入Enter回車, 下面讓你看License，直接往下翻到最後


================
Anaconda License
================


Copyright 2016, Continuum Analytics, Inc.


All rights reserved under the 3-clause BSD License:
...
cryptography
A Python library which exposes cryptographic recipes and primitives.


Do you approve the license terms? [yes|no]
>>> 
Please answer 'yes' or 'no':
>>> yes


輸入yes;


Anaconda2 will now be installed into this location:
/home/darcy/anaconda2


  - Press ENTER to confirm the location
  - Press CTRL-C to abort the installation
  - Or specify a different location below


[/home/darcy/anaconda2] >>> 


輸入Enter回車， 安裝到預設目錄；


PREFIX=/home/darcy/anaconda2
installing: python-2.7.13-0 ...
...
installing: anaconda-4.3.0-np111py27_0 ...
installing: ruamel_yaml-0.11.14-py27_1 ...
installing: conda-4.3.8-py27_0 ...
installing: conda-env-2.6.0-0 ...
Python 2.7.13 :: Continuum Analytics, Inc.
creating default environment...
installation finished.
Do you wish the installer to prepend the Anaconda2 install location
to PATH in your /home/darcy/.bashrc ? [yes|no]
[no] >>> yes


輸入yes, 新增路徑到配置檔案;自動新增的




執行 如下命令，啟用配置環境

[email protected]:~$ source ~/.bashrc
[email protected]:~$ python
Python 2.7.13 |Anaconda 4.3.0 (64-bit)| (default, Dec 20 2016, 23:09:15) 
[GCC 4.4.7 20120313 (Red Hat 4.4.7-1)] on linux2
Type "help", "copyright", "credits" or "license" for more information.
Anaconda is brought to you by Continuum Analytics.
Please check out: http://continuum.io/thanks and https://anaconda.org
>>> 
>>> exit()

安裝Protocol Buffers（不建議按照部落格那裡解壓然後分別放到include 和lib資料夾下）


官網下載，我使用protobuf-2.6.1.tar.gz。


cd至下載路徑


解壓


$ tar zxvf protobuf-2.6.1.tar.gz  
進入解壓目錄


$ cd protobuf-2.6.1  
安裝原始碼，配置、編譯、編譯檢查、安裝


$ ./configure  
$ make  
$ make check  
$ make install  
增加環境變數


$ sudo vi .bashrc  
#在最下面加上  
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib  
測試

$ protoc --version  

protoc: error while loading shared libraries: libprotoc.so.8: cannot open shared
錯誤原因：
protobuf的預設安裝路徑是/usr/local/lib，而/usr/local/lib 不在Ubuntu體系預設的 LD_LIBRARY_PATH 裡，所以就找不到該lib
解決方法：
1). 建立檔案 /etc/ld.so.conf.d/libprotobuf.conf，在該檔案中輸入如下內容：
/usr/local/lib  
2). 執行命令
sudo ldconfig 

這時，再執行protoc --version 就可以正常看到版本號了

執行 sudo ldconfig 

顯示符號連線錯誤

/sbin/ldconfig.real: /usr/lib/nvidia-375/libEGL.so.1 不是符號連線
/sbin/ldconfig.real: /usr/lib32/nvidia-375/libEGL.so.1 不是符號連線

原因：

系統找的是一個符號連線，而不是一個檔案。

解決方法：

sudo mv /usr/lib/

nvidia-375/libEGL.so.1 /usr/lib/nvidia-375/libEGL.so.1.org
sudo mv /usr/lib32/nvidia-375/libEGL.so.1 /usr/lib32/nvidia-375/libEGL.so.1.org
sudo ln -s /usr/lib/nvidia-375/libEGL.so.375.39 /usr/lib/nvidia-375/libEGL.so.1
sudo ln -s /usr/lib32/nvidia-375/libEGL.so.375.39 /usr/lib32/nvidia-375/libEGL.so.1

安裝cuda 

不建議deb方式安裝,因為會出現驅動的問題，具體還是看官網介紹吧。


sudo apt-get purge nvidia-*  //刪除現有關於cuda的東西


sudo apt-get install nvidia-375   //nvidia-後面的數字是版本號 相容大部分的GPU型號
sudo reboot //重啟
重啟後，終端輸入：
nvidia-smi    //或者
nvidia-settings 


如果沒出錯，則驅動安裝成功


cuda 8.0 Downloads下載cuda 8.0 的 runfile安裝包。
cd切換到下載的檔案目錄下進行安裝： 

sudo sh cuda_8.0.44_linux.run
啟動安裝程式，一直按空格到最後，輸入accept接受條款 
輸入n不安裝nvidia影象驅動，之前已經安裝過了 （只要是提示安裝驅動，不要選，最關鍵的一步在這兒了）
輸入y安裝cuda 8.0工具 
回車確認cuda預設安裝路徑：/usr/local/cuda-8.0 
輸入y用sudo許可權執行安裝，輸入密碼 
輸入y或者n安裝或者不安裝指向/usr/local/cuda的符號連結 
輸入y安裝CUDA 8.0 Samples，以便後面測試 
回車確認CUDA 8.0 Samples預設安裝路徑，該安裝路徑測試完可以刪除


export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}


$ sudo gedit /etc/profile


在開啟的檔案末尾加入：


export PATH=/usr/local/cuda/bin:$PATH


儲存之後，建立連結檔案：


sudo gedit /etc/ld.so.conf.d/cuda.conf


在開啟的檔案中新增如下語句：


/usr/local/cuda/lib64


然後執行


sudo ldconfig

測試

cd 到 粗大examples 

~$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
這樣就安裝成功了cuda;

接下來 

編譯cudamat。

1. cd cudamat  
2. make  

一般會遇到 nvcc-03錯誤

編譯cudamat之前修改makefile。因為CUDA是8.0，需要去掉：

-gencode=arch=compute_10,code=sm_10 \

• 1

• 1

然後加上：

-gencode=arch=compute_35,code=sm_35 \
-gencode=arch=compute_50,code=sm_50 \
-gencode=arch=compute_52,code=sm_52 \
-gencode=arch=compute_60,code=sm_60 \

• 1
• 2
• 3
• 4

• 1
• 2
• 3
• 4

這裡修改的35 50這些數字要和查詢裝置裡的一致，而且makefile裡上下兩段都要改，我原來只改了上面的可沒少走彎路 。 這樣後面執行時就不會出現CUDA error。

接下來執行樣例 測試DeepNet。
下載MNIST資料集，下載地址：http://www.cs.toronto.edu/~nitish/deepnet/mnist.tar.gz
cd到deepnet/deepnet/examples目錄下執行：

1. python setup_examples.py <path to mnist dataset> <output path>  

結果出現 

錯誤 from google.protobuf import descriptor ImportError:No module named google.protobuf

又搞了好久,

cd到解壓後的protobuf資料夾下的python資料夾，執行

1. sudo python setup.py install

顯示沒有setuptools 就下載

2. 安裝

$ tar -zxvf setuptools-0.6c11.tar.gz

$ cd setuptools=0.6c11

$ python setup.py install

然後執行

1. sudo python setup.py build

1. sudo python setup.py install

執行例子還是不行，重灌protobuf 依然有問題

最後

執行conda install -c conda-forge protobuf=3.2.0

選擇yes

居然成功了，原來可能還是依賴哪裡沒有弄好。

也問了一個博主

他說 sudo apt-get install python-protobuf

這種方案我沒有試過，不過應該也可以。

還可能遇到 No GPU 的問題

去這裡

http://blog.sina.com.cn/1988joey