文档更新时间：<b>2017-07-16</b>
GPU： GeForce GTX 1080 Ti
Linux：Ubuntu 16.04
Kernel：4.8.0
gcc：5.4.0
安装目录
- 一、基础
- 二、数据库连接
- 三、机器学习（深度学习）
- 四、NLP
- 五、其他
一、基础
<h3 id="anaconda3">1. Anaconda3</h3>
1.1 安装说明
安装更新时间：<b>2017-07-15</b>
安装版本：<b>Anaconda3 4.4.0 Python 3.5.2 x86</b>
官方网站：Anaconda
下载地址：Anaconda Downloads
<b>安装：</b>
1）下载安装shell文件。
2）运行shell文件直到安装完毕。
3）添加 anaconda bin 目录至配置文件，比如将下行添加至 /etc/profile 文件：
export PATH=／path to anaconda/anaconda3/bin:$PATH
source 生效。
<h3 id="pip">2. Pip </h3>
2.1 说明：
一般来说，安装anaconda后会自动安装对应pip，但在具体使用过程中可能出现提示pip需要更新，在anaconda中使用pip进行更新 “pip install --upgrade pip”，可能出现更新了不正确的pip的情况。
需要执行 “conda update pip”。
<h3 id="ssh">3. SSH</h3>
3.1 安装说明
<b>安装：</b>
1）[服务器端] 安装 open ssh，执行命令（若已经安装则进入后续步骤）：
sudo apt-get install openssh-server
安装结束后开启服务，用户可以自己的用户名与密码进入系统。
2）* 若需要允许root用户通过ssh进入系统，需编辑配置文件，设置为允许root使用密码连接入服务器：
sudo vi /etc/ssh/sshd_config
# 搜索以下行 并添加#以禁用
# PermitRootLogin prohibit-password
# 添加以下行
PermitRootLogin yes
3）* 重启ssh服务，执行命令：
sudo service ssh restart
二、数据库
<h3 id="pymongo">1. MongoDB Python 连接 - PyMongo</h3>
1.1 安装说明
安装更新时间：<b>2017-07-15</b>
安装版本：<b>PyMongo 3.4.0</b>
MongoDB 官方网站： MongoDB
PyMongo 官方文档： PyMongo 3.4.0 Documentation
安装指南： PyMongo Installation
<b>安装：</b>
- 一步安装，执行命令 “python -m pip install pymongo”。
<b>测试：</b>
执行以下指令，若无异常报错则安装成功：
from pymongo import MongoClient()
<h3 id="postgresql">2. Postgresql Python 连接 - psycopg2</h3>
2.1 安装说明
安装更新时间：<b>2017-07-15</b>
Postgresql安装版本：<b>Postgresql 3.4.0</b>
Psycopg2安装版本：<b>Psycopg2 </b>
Psycopg2官方安装指南：Psycopg2
<b>安装：</b>
2）一步安装Psycopg2，执行命令 “pip install psycopg2”。
<b>测试：</b>
执行以下指令，若无异常报错则安装成功：
import psycopg2
<h3 id="oracle">3. Oracle Python 连接 - cx oracle</h3>
3.1 安装说明
安装更新时间：<b>2017-07-16</b>
安装版本：<b>cx Oracle 5.2.1</b>
下载地址：cx Oracle 5.2.1 - source 压缩包。
<b>安装：</b>
1）解压压缩包到任意指定位置，然后打开终端进入该文件夹。
2）一步安装，执行命令 “sudo python setup.py install”。
<b>测试：</b>
执行以下指令，若无异常报错则安装成功：
3.2 安装遇到的问题
a. "cannot locate an Oracle software installation".
说明没有安装 Oracle instant client，进入官网下载并解压至对应路径即可。
1）在本开发环境中需要安装oracle g11对应的客户端，下载地址 oracle instant client for Linux x86_64。
找到 version 11 的最新版本，下载 Instant Client Package - Basic | rpm
2）解压值根目录“／”。
3）打开“/etc/profile”添加以下行：
export ORACLE_HOME=/usr/lib/oracle/11.2/client64
执行命令 “source /etc/profile”.
b. "cannot locate Oracle Instant Client SDK RPM header file".
说明没有安装客户端对应sdk，在客户端下载链接中寻找同版本的SKD解压至对应路径即可。
1）下载 sdk .
2）解压至根目录 “／”。
c. import cx_Oracle时报错 "libaio.so.1: cannot open shared object file".
是因为系统中没有安装libaio-dev，使用apt-get安装即可。
执行命令：
sudo apt-get install libaio-dev
三、机器学习
<h3 id="CUDA">1. CUDA Toolkit</h3>
1.1 为什么要安装 CUDA Toolkit？
CUDA Toolkit 是英伟达的统一计算架构，程序可通过 CUDA Toolkit 调用英伟达 GPU 进行高性能计算。
1.2 安装说明
安装更新时间：<b>2017-07-14</b>
安装版本：<b>CUDA 8.0</b>
官方安装指南：Nvidia CUDA installation Guide for Linux.
<b>检查：</b>
CUDA 支持GPU查询：CUDA GPUs.
<b>安装：</b>
1）下载安装包：CUDA Toolkit. [<b>Version: Linux - x86_64 - Ubuntu - 16.04 - runfile(local)</b>]
下载后得到cuda_8.0.61_375.26_linux.run
2）运行安装包：“sudo sh cuda_8.0.61_375.26_linux.run” 直到命令行安装运行完毕。
3）安装好后，程序默认安装路径为 “\usr\local\cuda-8.0\”。将该文件夹建立一个指向路径为 “\usr\local\cuda\” 的软连接。
-
因为许多后续程序的默认 CUDA 路径即为 “\usr\local\cuda\”，建立软连接便于后续安装。
4）打开文件 “/etc/profile”，并添加以下行：export PATH=/usr/local/cuba/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
保存后执行命令 “source /etc/profile”。
1.3 安装遇到的问题
a. 重启后出现循环登陆的问题，停留在登陆界面无法进入。
重装显卡驱动即可。步骤如下：
1）禁用ubuntu自带显卡驱动，创建文件/etc/modprobe.d/blacklist-nouveau.conf，并输入以下内容：
blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off
2）重启系统，“sudo reboot”。重启后“Ctrl+Alt+F1”从图形化界面进入终端。
3）执行命令 “lsmod | grep nouveau” 检查驱动是否禁用。若无任何输出则为正常。
4）重装驱动，执行以下命令：
sudo /etc/init.d/lightdm stop
sudo ./NVIDIA-Linux-x86_64-375.20.run --no-opengl-files
# 注：这里需要一份已经下载好的驱动安装文件。可在终端使用mount命令接入U盘，从U盘考入系统进行安装。
# 驱动安装过程中的选项建议：
# - License
# -- Accept
# - Install 32-Bit compatibility libraries?
# -- No
# - Would you like to run the nvidia-xconfig utility to automatically update your X Configuration file so set the NVIDIA X driver will be used when you restart X?
# -- No
sudo /etc/init.d/lightdm start
完成。
<h3 id="cuDNN">2. cuDNN</h3>
2.1 安装说明
安装更新时间：<b>2017-07-14</b>
安装版本：<b>cuDNN 6.0.21</b>
<b>安装：</b>
cuDNN 是已经预编好的文件，不需要运行安装，只需要在官网上下载并放置到指定的文件夹下即可。
1）下载cuDNN：Nvidia cuDNN。
下载得到 cudnn-8.0-linux-x64-v5.1.tgz .
-
截止此安装日期，TensorFlow 和 Keras 只能与 cuDNN 5.1 版本兼容，因此不能安装 cuDNN 的最新版本 6.0.
2）解压该压缩包中的 cuda 文件夹到任意指定位置。
3）依次执行以下命令：cd cuda
sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
cd /usr/local/cuda/lib64/
sudo rm libcudnn.so.5
sudo rm libcudnn.so
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
4）打开 “/etc/profile”，添加如下行：
export PATH=/usr/local/cuda/bin:$PATH
保存后执行命令 “source /etc/profile”。
5）添加lib库路径，在/etc/ld.so.conf.d/ 下加入 cuda.conf，内容如下：
/usr/local/cuda/lib64
保存后执行命令 “sudo ldconfig”。
<h3 id="BLAS">3. BLAS</h3>
3.1 安装说明
安装更新时间：<b>2017-07-14</b>
<b>安装：</b>
BLAS 是基础线性代数程序集，有多重库可以选择，如 MKL／Altas／OpenBLAS。
其中 ALTAS 为免费使用，选择安装这个版本。
1）一步安装，执行命令 “sudo apt-get install libatlas-base-dev”。
<h3 id="caffe2">4. Caffe2</h3>
4.1 安装说明
安装更新时间：<b>2017-07-16</b>
安装版本：<b>Caffe2 v0.7.0</b>
官方网站：Caffe2.ai
安装指南：caffe2 install
<b>安装：</b>
（注意使用conda创建Python2环境）
（严重建议时常使用命令“which python”与“which pip”来确定当前使用的python与pip路径。）
（可先安装“五、其他 1.OpenCV”）
1）创建python2环境，执行以下命令：
conda create --name python2 python=2
2）进入环境，执行命令 “source activate python2”。
3）安装caffe2依赖，执行命令：
sudo apt-get update
sudo apt-get install -y --no-install-recommends \
build-essential \
cmake \
git \
libgoogle-glog-dev \
libprotobuf-dev \
protobuf-compiler \
python-dev \
python-pip
sudo pip install numpy protobuf
4）安装其余依赖（可选），执行命令：
# for Ubuntu 16.04
sudo apt-get install -y --no-install-recommends libgflags-dev
# for both Ubuntu 14.04 and 16.04
sudo apt-get install -y --no-install-recommends \
libgtest-dev \
libiomp-dev \
libleveldb-dev \
liblmdb-dev \
libopencv-dev \
libopenmpi-dev \
libsnappy-dev \
openmpi-bin \
openmpi-doc \
python-pydot
sudo pip install \
flask \
future \
graphviz \
hypothesis \
jupyter \
matplotlib \
pydot python-nvd3 \
pyyaml \
requests \
scikit-image \
scipy \
setuptools \
six \
tornado
5）下载caffe2源码，并生成：
git clone --recursive https://github.com/caffe2/caffe2.git && cd caffe2
make && cd build && sudo make install
# 注：caffe2 会自动检测系统中是否已经安装了 cuda、OpenCV等依赖，以及Python版本是否符合。
# 注：一个tip，make时使用“make -j16”可以多线程make，多核cpu时极大加快速度，建议使用。
# 注：其中j是指线程数目。
执行以下命令检查生成结果是否正确（在build文件夹中运行）：
python -c 'from caffe2.python import core' 2>/dev/null && echo "Success" || echo "Failure"
6）运行以下指令检查GPU支持是否成功安装（在build文件夹中运行）：
python -m caffe2.python.operator_test.relu_op_test
若返回OK则成功。
7）打开 /etc/profile，添加以下行：
export PYTHONPATH=/usr/local:$PYTHONPATH
export PYTHONPATH=$PYTHONPATH:/home/ubuntu/caffe2/build
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
执行命令，“source /etc/profile”。
4.2 安装遇到的问题
a. 不支持python3.5.
截止此安装时间，caffe2仍不能支持python3.5，只支持python2.7。
需要换到python2.7上重新安装。
截止安装目前，Ubuntu 16.04 系统默认安装的是Python2.7，所以直接安装至系统默认Python即可。但更建议使用anaconda直接创造一个python2环境，在环境中安装（不需要安装anaconda2）。
<h3 id="tensorflow">5. TensorFlow</h3>
5.1 安装说明
安装更新时间：<b>2017-07-14</b>
安装版本：<b>TensorFlow r1.2 with GPU Support</b>
官方安装指南：Install TensorFlow on Ubuntu.
<b>检查：</b>
CUDA® Toolkit >= 8.0
cuDNN >= v5.1
GPU card with CUDA Compute Capability >= 3.0
libcupti-dev 需预先安装好。若未安装，则执行命令 “sudo apt-get install libcupti-dev”。
<b>安装：</b>
（使用Anaconda安装）
1）创建tensorflow虚拟环境：执行命令 “conda create -n tensorflow”。
2）激活虚拟环境（每次使用前均需激活）：执行命令 “source activate tensorflow”。
3）按照需要选择合适的版本进行安装：执行命令 “pip install --ignore-installed --upgrade <b>版本URL</b>”
针对该系统环境（python3.5 & CUDA 8.0），选择版本URL为：
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.1-cp35-cp35m-linux_x86_64.whl
4）安装好后，修改 /etc/profile 文件，在其中添加以下两行：
-
CUDA_HOME 是 TensorFlow 要求必须添加的变量。
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda
保存后，执行命令 “source /etc/profile”。
<b>测试：</b>
激活虚拟环境。
在Python命令行中执行以下代码段：
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
[1] Hello, TensorFlow!
若获得以上输出，则说明 TensorFlow 已正确安装。
5.2 安装遇到的问题
a. import tensorflow 时，报错找不到 libcudnn.so.5，或该文件不存在。
本系统安装了最新的 cuDNN，即为 cuDNN 6，然而到当前安装日为止，TensorFlow 仍不支持 cuDNN 6，因此必须安装旧版本 cuDNN 5。Stackoverflow 解决方法
b. import tensorflow 时，报错 “SyntaxError: invalid syntax”。
一般而言，这种情况说明TensorFlow已经正常安装，但是有依赖库过于老旧，只需要更新依赖库即可。
<h3 id="pytorch">6. PyTorch</h3>
6.1 安装说明
安装更新时间：<b>2017-07-14</b>
安装版本：<b>PyTorch 0.1.12_2</b>
官方网站、指南：PyTorch.
<b>安装：</b>
（使用Anaconda安装）
一步安装，执行命令 “conda install pytorch torchvision cuda80 -c soumith”。
<b>测试：</b>
运行PyTorch样例：Pytorch Examples
或者打开Python命令行，执行命令 “import torch”，查看是否成功引入库。
6.2 安装遇到的问题
a. 无法连接到 Anaconda3 网站。
网络原因访问超时，换到更稳定的网络重新尝试即可。
<h3 id="keras">7. Keras</h3>
7.1 安装说明
安装更新时间：<b>2017-07-16</b>
安装版本：<b>Keras 2.0.6</b>
官方文档： Keras .
安装指南： Keras Installation .
<b>安装：</b>
1）一步安装，执行命令 “sudo pip install keras”。
<b>测试：</b>
打开python命令行执行命令，若无异常则说明安装成功：
import keras
7.2 安装遇到的问题
a. 预装Tensorflow、CNTK、theano。
Keras 支持以上三个版本的后台，默认使用tensorflow，本机在之前的安装过程中已经安装了tensorflow。
b. keras 未安装至指定python。
本次安装keras被安装到了python2.7中，实际上需要安装至3.5.
系统默认的python版本为3.5，此时只需要在指定pip进行安装即可，执行命令：
python -m pip install keras
c. import Keras时报错 “module ‘pandas’ has no attribute ‘computation’”。
执行命令：
conda update dask
四、 NLP
<h3 id="gensim">1. Gensim</h3>
1.1 安装说明
安装更新时间：<b>2017-07-15</b>
Gensim 是一个自然语言处理语义分析库。
官方安装指南：Gensim Installation
<b>安装：</b>
1）一步安装，执行命令 “pip install --upgrade gensim”。
<h3 id="jieba">2. 结巴分词</h3>
2.1 安装说明
安装更新时间：<b>2017-07-16</b>
安装版本：<b>Jieba 0.38</b>
结巴是一个中文分词工具包。
<b>安装：</b>
1）一步安装，执行命令 “pip install jieba”。
<b>测试：</b>
运行以下命令，若无异常报错则安装成功：
import jieba
五、 其他
<h3 id="opencv">1. OpenCV</h3>
1.1 安装说明
安装更新时间：<b>2017-07-14</b>
安装版本：<b>OpenCV 2.4.9.1</b>
OpenCV 是一个跨平台计算机视觉库。
<b>安装：</b>
1）一步安装，执行命令 “sudo apt-get install libopencv-dev”。
<h3 id="jdk">2. JDK</h3>
2.1 安装说明
安装更新时间：<b>2017-07-16</b>
安装版本：<b>JDK 8u131</b>
下载地址：JDK 8u131
<b>安装：</b>
1）下载压缩包。
2）解压压缩包至任意指定目录。(在该系统中解到了“~/Software/”目录中)
3）打开 “/etc/profile”，并加入以下行：
export JAVA_HOME=/home/pagi/Software/jdk1.8.0_131
export JRE_HOMW=$JAVA_HOME/jre
export CLASSPATH=.:4JAVA_HOME/lib:$JAVA_HOME/jre/lib:$CLASSPATH
export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH
然后执行命令 “source /etc/profile”.
4）设置默认JDK。
执行以下命令：
sudo update-alternatives --install "/usr/bin/java" "java" "/home/pagi/Software/jdk1.8.0_131/bin/java" 2000
sudo update-alternatives --install "/usr/bin/javac" "javac" "/home/pagi/Software/jdk1.8.0_131/bin/javac" 2000
sudo update-alternatives --install "/usr/bin/javaws" "javaws" "/home/pagi/Software/jdk1.8.0_131/bin/javaws" 2000
<h3 id="py2neo">3. Py2Neo</h3>
3.1 安装说明
安装更新时间：<b>2017-07-16</b>
<b>安装：</b>
1）一步安装，执行命令 “pip install py2neo”。
<h3 id="others">4. Others</h3>
除以上写明的各软件与依赖库，还有以下python库已经安装入系统：
机器学习：sklearn，theano。
自然语言处理：NLTK。
数据科学：Numpy，Scipy，Pandas。
制图：matplotlib。
