配置ubuntu16.04下Theano使用GPU运行程序的环境

ubuntu16.04默认安装了python2.7和python3.5 。本教程使用python3.5

第一步：将ubuntu16.04默认的python2修改成默认使用python3 。

sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100

sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150

运行上述代码之后会将ubuntu16.04默认使用python2修改为默认使用python3 。

输入命令 python 可以进入python的交互界面，会显示python的版本 。

第二步：安装theano和CUDA

sudo apt-get install python3-numpy python3-scipy python3-dev python3-pip python3-nose g++ libopenblas-dev git
sudo pip3 install Theano

# cuda 7.5 don't support the default g++ version. Install an supported version and make it the default.
sudo apt-get install g++-4.9

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10

sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10

sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives --set cc /usr/bin/gcc

sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives --set c++ /usr/bin/g++

# Work around a glibc bug
echo -e "\n[nvcc]\nflags=-D_FORCE_INLINES\n" >> ~/.theanorc

逐个运行上述命令即可安装theano和CUDA，以及numpy、scipy等常用的库。

安装完成后，可进入python交互界面，运行

import numpy；numpy.test()

import scipy；scipy.test()

import theano；theano.test()

检测是否安装成功。

作者安装后测试时numpy和scipy这两个库显示OK，theano显示Fail,但是theano可以正常导入和使用。（这点我也不明白，大神们路过时还望指点一二）

至此，theano安装完毕，可以在cpu上运行theano的程序了。

第三步：配置.theanorc文件

在linux根目录下打开.theanorc(注意前面是带点的)文件，将

[global]

device = gpu

floatX = float32

[nvcc]

fastmath = True

加入到该文件里。

第四步：安装nvcc

这个就比较简单了

sudo apt-get insatll nvcc

就可以了。

至此，所有安装程序都完成了。

可以使用下面这点代码来测试程序是使用cpu还是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 range(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'）

　　

以上就是本人亲身安装的全部过程，折腾了好久。如有疑问或者哪里有不对的，还请留言指出。