Theano是一个python库,提供了定义、优化以及评估数学表达式的库,尤其适合处理高维数组。使用Theano能获得和C差不多的处理速度,并且当利用GPU进行计算时,效率要优于CPU上运行的C语言程序。利用Theano能快速验证各种算法模型。
 
但是在Linux上安装theano是一件非常痛苦的事情,从theano的文档中看到,其依赖条件非常多:
(1) 64-bit Linux(最佳)
(2) python 2.4以上
(3) g++ 4.2以上
(4) NumPy 1.5.0以上
(5) SciPy 0.8以上
(6) BLAS支持Level-3
事实上,在安装过程中发现,如果要安装NumPy,还需要安装ATLAS,而ATLAS则又依赖于lapack ……
 
这其中涉及到:
ATLAS是python下的一个线性代数库,是基于另外两个线性代数库BLAS和lapack的;
NumPy提供了一个在python中做科学计算的基础库,它重在数值计算,甚至可以说是用于多维数组处理的库;
SciPy是基于numpy,提供了一个在python中做科学计算的工具集,也就是说它是更上一个层次的库;
Theano则是基于NumPy以及SciPy的一个更高级的用于科学计算的库。
 
这里假设python和g++已经按要求装好,并且符合版本要求,以下根据安装的步骤来进行说明:
 
首先介绍下环境,多核服务器,cpu时钟频率2668MHz,Linux-64bit,非root权限。所有源码放在/data4/open_src中
 
各开发包的版本为:
 
开发包     版本       文件名                   下载地址
-----------------------------------------------------------------------------------------------
BLAS                  blas.tgz                 http://www.netlib.org/blas/
lapack     3.2.2      lapack.tgz               http://www.netlib.org/lapack/#_previous_release
ATLAS      3.8.4      atlas3.8.4.tar.bz2       http://sourceforge.net/projects/math-atlas/files/Stable/
NumPy      1.7.1      numpy-1.7.1.tar.gz       https://pypi.python.org/pypi/numpy
SciPy      0.12.0     scipy-0.12.0.tar.gz      https://pypi.python.org/pypi/scipy
Theano     0.6.0      Theano-0.6.0rc3.tar.gz   http://deeplearning.net/software/theano/#download
 
以下是安装步骤:
 
step 1. 编译BLAS
 
  (1) 解压:tar -xvzf blas.tgz
  (2) cd BLAS
  (3) 修改 make.inc 中的编译选项:
        PLAT = _LINUX
        FORTRAN  = gfortran
        OPTS     = -O2 -m64 -fPIC
        NOOPT    = -O0 -m64 -fPIC
        LOADER   = gfortran
  (4) 编译BLAS:make
        编译完成后,会生成blas_LINUX.a文件
 
step 2. 配置ATLAS
 
  在安装ATLAS之前需要先编译lapack,但是为了能使得编译成功,需要保证lapack的编译选项与ATLAS一致。因此首先配置ATLAS,然后将相关编译配置拷贝到lapack中
 
  (1) 解压:tar -xvjf atlas3.8.4.tar.bz2
  (2) cd ATLAS
  (3) 创建一个build目录,用于存放ATLAS的编译配置:mkdir atlas_build
  (4) cd atlas_build
  (5) 执行configure进行配置:../configure -b 64 -D c -DPentiumCPS=2668 -Fa alg -fPIC --with-netlib-lapack=/data4/open_src/lapack-3.2.2/lapack_LINUX.a --prefix=~/.local
       其中的参数说明如下:
       -b 指定编译出库的类型(32位库还是64位库)
       -D c -DPentiumCPS 是指定你的CPU的时钟频率,可以通过 grep MHz /proc/cpuinfo 得到
       -Fa alg -fPIC 得到与位置无关的代码,生成动态的共享库
       --prefix 为安装路径
       --with-netlib-lapack 则是制定lapack库文件(此时lapack库文件还没有生成,先随便指定一个)
  (6) 完成配置后,在Make.inc文件中找到F77和F77FLAGS的参数配置,这两个配置将会赋给lapack的FORTRAN和OPTS
  
  ps:对于ATLAS 3.10及以上版本,设置--with-netlib-lapack会出错,需要直接指定lapack的压缩包(--with-netlib- lapack-tarfile=),它在编译过程中会自动解压和编译lapack,最终生成的so文件也由之前的6个整合成两个。ATLAS 3.10以上版本对后续安装NumPy没有影响,但是在使用的时候会造成有些库文件找不到的现象。因此这里使用的是ATLAS 3.8.4版本。
 
step 3. 编译lapack
 
  (1) 解压:tar -xvzf lapack.tgz
  (2) cd lapack-3.2.2
  (3) 拷贝生成make.inc: cp make.inc.example make.inc
  (4) 修改make.inc: 
       将其中FORTRAN和OPTS的值设置得跟 ATLAS/atlas_build/Make.inc 中的F77和F77FLAGS一致
       同时设置
       PLAT = _LINUX
       BLASLIB = /data4/open_src/BLAS/blas$(PLAT).a
  (5) 编译:make build
  (6) 编译成功后,会在根目录生成两个库文件:lapack_LINUX.a 和 tmglib_LINUX.a
 
step 4. 编译并安装ATLAS
 
  (1) cd ATLAS
  (2) 删除原配置:rm -rf atlas_build
  (3) 重新配置ATLAS:参考 step 2,并设置 --with-netlib-lapack=/data4/open_src/lapack-3.2.2/lapack_LINUX.a
  (4) 在atlas_build中进行编译:make build
       ps:这个过程相当漫长,耐心等待!!
  (5) check编译结果:
       make check
       make ptcheck (对于多核服务器)
       make time
       ps:如果check过程中没有报错,则可以放心进行以后的步骤;如果出现报错,也可以尝试进行后续步骤,是否成功就要靠人品了。
  (6) 编译动态库:
       cd lib
       make shared
       make ptshared (对于多核服务器)
       cd ..
       如果在 lib 下面出现libatlas.so, libcblas.so, libf77blas.so, liblapack.so, libptcblas.so, libptf77blas.so 这6个动态库文件,则表示编译成功
  (7) 安装ATLAS:make install
       由于之前设置了--prefix=~/.local 因此ATLAS将被安装到 ~/.local/lib 中
  (8) cp ./lib/*.so ~/.local/lib
  (9) 设置环境变量:在~/.bashrc中添加 export LD_LIBRARY_PATH=~/.local/lib:$LD_LIBRARY_PATH 并执行 source ~/.bashrc
 
step 5. 安装NumPy
 
  (1) 解压 tar -xvzf numpy-1.7.1.tar.gz
  (2) cd numpy-1.7.1
  (3) 拷贝生成sit.cfg: cp site.cfg.example site.cfg
  (4) 配置site.cfg: 
       1> 打开[DEFAULT],并设置 library_dirs 和 include_dirs ,使得在编译的时候能够找到atlas库
          library_dirs = ~/.local/lib
          include_dirs = ~/.local/include
       2> 打开[blas_opt],并设置 libraries
          libraries = ptf77blas, ptcblas, atlas
       3> 打开[lapack_opt],并设置 libraries
          libraries = lapack, ptf77blas, ptcblas, atlas
       ps:如果在ATLAS安装过程中,没有生成libptf77blas和libptcblas,则需要设置两个libraries为
           libraries = f77blas, cblas, atlas
           libraries = lapack, f77blas, cblas, atlas
  (5) 利用python构建NumPy:python setup.py build
  (6) 利用python安装NumPy:python setup.py install --prefix=~/.local
  (7) 安装完成后,NumPy被安装在 ~/.local/lib/python2.7/site-packages/numpy 
  (8) 设置环境变量:在~/.bashrc中添加 export PYTHONPATH=~/.local/lib/python2.7/site-packages:$PYTHONPATH 并执行 source ~/.bashrc
 
step 6. 安装SicPy
 
  (1) 解压: tar -xvzf scipy-0.12.0.tar.gz
  (2) cd scipy-0.12.0
  (3) 设置site.cfg: 可以直接将NumPy的site.cfg拷贝到当前目录中
  (4) 利用python构建SciPy:python setup.py build
  (5) 利用python安装SciPy:python setup.py install --prefix=~/.local
  (6) 安装完成后,SciPy被安装在 ~/.local/lib/python2.7/site-packages/scipy
  
step 7. 安装Theano
 
  有了以上的准备后,安装Theano就是一个非常简单的过程了。直接利用python就可以完成安装:
  (1) 解压:tar -xvzf Theano-0.6.0rc3.tar.gz
  (2) cd Theano-0.6.0rc3
  (3) python setup.py install --prefiex=~/.local
  (4) 安装完成后,SciPy被安装在 ~/.local/lib/python2.7/site-packages/Theano-0.6.0rc3-py2.7.egg
 
 
至此,完成了ATLAS + NumPy + SciPy + Theano的python科学计算环境的搭建

 

Python做科学计算