來自公眾號： 機器之心
以防遺失,轉載過來的,僅供參考
環境依賴
操作系統（Ubuntu）
種驅動和庫（GPU 驅動、CUDA、cuDNN 和 pip）
種 Python 深度學習庫（TensorFlow、Theano、CNTK、Keras 和 PyTorch）
這些軟件之間的互相依賴關系如下圖所示。其中，你只需要安裝一種深度學習庫，請自由選擇。
以下是各個軟件的細節介紹：
Ubuntu（v16.04.3）——操作系統，各種任務處理。
Nvidia GPU 驅動（v375）——允許系統獲得 GPU 帶來的加速。
CUDA（v8.0）——GPU C 語言庫?！赣嬎阃辉O備架構」。
cuDNN（v6.0.21）——基于 CUDA 的深度學習基元庫。「CUDA 深度學習庫」。
pip（v9.0.1）——Python 安裝包。「Pip 安裝包」。
TensorFlow（v1.3）——谷歌開發的深度學習框架。
Theano（v0.9.0）——此前由 MILA 負責維護的深度學習框架。
CNTK（v2.2）——微軟研究院開發的深度學習框架。
Keras（v2.0.8）——深度學習包裝可互換后端?？膳c TensorFlow、Theano 和 CNTK 共同使用。
PyTorch（v0.2.0）——可被 GPU 加速的動態圖深度學習框架，主要由 Facebook 的研究人員負責開發。
軟件的安裝
安裝 Ubuntu 16.04.3
略..
安裝英偉達 GPU 驅動
略..
安裝 CUDA 8.0
從英偉達網站，使用下列系統屬性下載 CUDA 的 runfile（地址：https://developer.nvidia.com/cuda-downloads）。
Linux -> x86_64 -> Ubuntu -> 16.04 -> .deb(network)
導航至.deb 文件的位置后，將該文件解壓縮，更新軟件包列表，使用下列命令安裝 CUDA。
sudo dpkg-i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda
將庫添加至 bash path，這樣就可以使用其他應用找到庫了。
echo'export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}'>>~/.bashrc
echo'export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}'>>~/.bashrc
source~/.bashrc
驗證時，使用 nvcc -V 確保 Nvidia C Compiler（nvcc）版本與 CUDA 的版本匹配。
重啟電腦 sudo shutdown -r now，完成安裝。
安裝 cuDNN 6.0.21
在英偉達網站上注冊開發者項目，同意條款。從下拉菜單中選擇 cuDNN v6.0.21 (April 27, 2017), for CUDA 8.0，并下載：
cuDNN v6.0 Runtime Library for Ubuntu16.04 (Deb)
cuDNN v6.0 Developer Library for Ubuntu16.04 (Deb)
cuDNN v6.0 Code Samples and User Guide for Ubuntu16.04 (Deb)
.deb 優先于.tar，因為.deb 格式更適用于 Ubuntu，可以進行更純凈的安裝。使用下列命令安裝這三個包：sudo dpkg-i libcudnn6_6.0.21-1+cuda8.0_amd64.deb? /? sudo dpkg-i libcudnn6-dev_6.0.21-1+cuda8.0_amd64.deb? /? sudo dpkg-i libcudnn6-doc_6.0.21-1+cuda8.0_amd64.deb
測試 cuDNN
將已安裝的示例復制到可讀目錄，然后編譯并運行 mnistCNN。
cp-r/usr/src/cudnn_samples_v6/$HOME
cd $HOME/cudnn_samples_v6/mnistCUDNN
make clean&&make
./mnistCUDNN
如果一切順利，腳本應該會返回一條 Test passed! 消息。
安裝 pip 9.0.1
Pip 的升級非常頻繁，幾乎每兩周一次，建議使用最新版本的 pip。
請使用以下命令安裝和升級最新版本的 pip。
sudo apt-get install python-pip python-dev
sudo pip install--upgrade pip
驗證：請確保鍵入 pip -V 后可以打印出版本號。
安裝 Tensorflow 1.3.0
驗證：啟動$ python，確認是否以下腳本能夠打印出 Hello, Tensorflow!
importtensorflowastf
hello=tf.constant('Hello, TensorFlow!')
sess=tf.Session()
print(sess.run(hello))
Reference：https://www.tensorflow.org/install/install_linux
安裝 Theano 0.10
Theano 需要的系統環境：
sudo apt-get install libopenblas-dev cmake git
此外還要遵循 Python 的系統需求。
sudo pip install numpy scipy nose sphinx pydot-ng pycuda scikit-cuda cython
libgpuarray 可以讓 Theano 使用 GPU，它必須從源編譯。首先下載源代碼
git clone https://github.com/Theano/libgpuarray.git
cd libgpuarray
將其編譯為一個名為 Build 的文件夾。
mkdirBuild
cdBuild
cmake..-DCMAKE_BUILD_TYPE=Release
make
sudo make install
隨后將其編譯成一個 Python 包。
cd..
python setup.py build
sudo python setup.py install
將下面一行添加至 ~/.bashrc，這樣 Python 就可以找到庫了。
export LD_LIBRARY_PATH=/usr/local/lib/:$LD_LIBRARY_PATH
安裝 Theano
sudo pip install git+https://github.com/Theano/Theano.git#egg=Theano
驗證：創建測試文件 test_theano.py，其中的內容復制自：http://deeplearning.net/software/theano/tutorial/using_gpu.html#testing-theano-with-GPU
隨后看看 THEANO_FLAGS=device=cuda0 python test_theano.py 在使用了 GPU 之后是否成功。
Reference: Theano 0.9.0 documentation（http://deeplearning.net/software/theano/install_ubuntu.html）
安裝 CNTK 2.2
sudo pip install https://cntk.ai/PythonWheel/GPU/cntk-2.2-cp27-cp27mu-linux_x86_64.whl
驗證：輸入 python -c "import cntk; print(cntk.__version__)"，輸出 2.2。
Reference: Setup CNTK on your machine（https://docs.microsoft.com/en-us/cognitive-toolkit/setup-cntk-on-your-machine）
安裝 Keras 2.0.8
sudo pip install keras
驗證：檢查$ python 中的 import keras 是否成功。
Reference: Keras Installation（https://keras.io/#installation）
安裝 PyTorch 0.2.0
PyTorch 運行在兩個庫上： torchvision 和 torch，我們需要這樣安裝：
sudo pip install http://download.pytorch.org/whl/cu80/torch-
0.2.0.post3-cp27-cp27mu-manylinux1_x86_64.whl
sudo pip install torchvision
驗證：以下腳本能夠打印出一個帶有隨機初始浮點數的張量。
from__future__importprint_function
importtorch
x=torch.Tensor(5,3)
print(x)
Reference: http://pytorch.org/
僅供參考!
