ubuntu14.04安装theano

基本上按照官网来就行：

先是

sudo apt-get install python-numpy python-scipy python-dev python-pip python-nose g++ libopenblas-dev git

再是

sudo pip install Theano

（这一步骤里，若是你默认是python3，则要改成pip-2.7）

 

测试下：

Test the newly installed packages

python -c "import numpy; numpy.test()"   约~30s
python -c "import scipy; scipy.test()"   约~1m
python -c "import theano; theano.test()" 约~30m

Speed test Theano/BLAS

python `python -c "import os, theano; print os.path.dirname(theano.__file__)"`/misc/check_blas.py

测试成功，基本上就能用了。

 

如下是GPU设置：

检查本身的电脑是否有cuda支持的GPU

lspci | grep -i nvidia

通常获得相似下面的结果

01:00.0 VGA compatible controller: NVIDIA ……

另外，也可用

lspci | grep -i vga

　显示全部显卡，用

lspci -v -s 01:00.0

显示特定显卡详细信息。

 

若是支持，那么安装就好了：

sudo apt-get install nvidia-current
sudo apt-get install nvidia-cuda-toolkit

而后主要是设置参数，让优先使用GPU

参见http://deeplearning.net/software/theano/install.html里Using the GPU一节。

主要有两种方法，一种设置THEANO_FLAGS，一种编辑.theanorc文件，之后者为例，

在$home目录（用户主目录，通常是/home/用户名）下建立“ .theanorc”文件，编辑为

[global]
device = gpu
floatX = float32

[cuda]
root = /usr/lib/nvidia-cuda-toolkit    //cuda目录一项设置为本身的cuda安装目录便可(内含bin,lib,include子文件夹)

注意，这个文件你建立了，通常会变为不可见，可用"ls -a"命令列出全部文件从而能够看到，能够用gedit编辑。

此外，还要设置cuda的lib子文件夹（64位下可能还要设置lib64子文件夹）位置到环境变量$LD_LIBRARY_PATH，参见http://blog.csdn.net/xsc_c/article/details/23470565（这篇博客cuda的几个入门文章也很不错）。或者这篇http://www.linuxidc.com/Linux/2012-04/58913.htm 。以设置/etc/profile为例，在其中添加

export PATH=$PATH:/usr/lib/nvidia-cuda-toolkit/bin  %这句不加通常也行
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/lib/nvidia-cuda-toolkit/lib

 

测试例子在http://deeplearning.net/software/theano/tutorial/using_gpu.html#using-gpu

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 xrange(iters):
    r = f()
t1 = time.time()
print 'Looping %d times took' % iters, t1 - t0, 'seconds'
print 'Result is', 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'

若是执行时有相似“unable to get the number of gpus avaliable”的错误，用sudo执行便可。

若是有权限问题,如"Permission denied"相似错误,删除主目录下的文件夹".theano"或者其子文件夹,

好比,在个人电脑上,存在这样的文件夹"/home/用户名/.theano/compiledir_Linux-3.16--generic-x86_64-with-Ubuntu-14.04-trusty-x86_64-2.7.6-64/",将其删除便可.

注意,".theano"是隐藏的文件夹,用"ls -a"命令能够看到.