本文转载自:http://www.jb51.cc/article/p-dsrawotb-km.html

因为最近需要学习深度学习，因此想要配置Theano，来开发深度学习算法。但是发现Theano安装总是出现问题。于是在这里中总结一下。

环境

• 操作系统：ubuntu14.04
• Python：2.7.6
• 需要联网

相关库简介

• BLAS（Basic Linear Algebra Subprograms）是基础线性代数子程序库，里面拥有大量已经编写好的关于线性代数运算的程序;
• LAPACK （Linear Algebra PACKage）包含了求解科学与工程计算中最常见的数值线性代数问题，如求解线性方程组、线性最小二乘问题、特征值问题和奇异值问题等;
• 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。

相关库的关系

• 要安装Theano，就需要先安装好numpy和scipy；
• 要安装numpy和scipy，就需要ATLAS；
• 要安装ATLAS，就需要安装BLAS和LAPACK;

相关库的安装顺序

• 安装顺序：BLAS → LAPACK → ATLAS → numpy → scipy → Theano

检查numpy和scipy是否通过测试

• 说明：如果你的numpy和scipy是通过apt-get安装的，那么它们的单元测试可能会通不过！！！（我在安装过程中没有通过测试，scipy出现了Error）
• 如果numpy或scipy不能通过测试，就需要卸载，然后重新按照本文介绍的顺序安装。

 
 

  
  
1
  
  
2
 
 
 
 

  
  
1
  
  
2
 
 
# 检查numpy是否通过测试
python -c "import numpy;numpy.test()"

• 如果numpy通过测试，会出现如下图所示的结果。注意最后一行errors=0 failures=0。如果没有通过测试，需要卸载并重新安装。
  

• 如果scipy通过测试，会出现如下图所示的结果。注意最后一行errors=0 failures=0。如果没有通过测试，需要卸载并重新安装。
  

• 注意：scipy很可能会出现测试错误，比如我安装过程中出现下图所示的错误。
  

卸载numpy和scipy

  
  
1
  
  
2
  
  
3
  
  
4
  
  
5
 
 
 
 

  
  
1
  
  
2
  
  
3
  
  
4
  
  
5
 
 
# 卸载numpy
sudo apt-get remove python-numpy

# 卸载scipy
sudo apt-get remove python-scipy

安装各种包

  
  
1
  
  
2
  
  
3
  
  
4
  
  
5
  
  
6
  
  
7
  
  
8
 
 
 
 

  
  
1
  
  
2
  
  
3
  
  
4
  
  
5
  
  
6
  
  
7
  
  
8
 
 
# 安装gfortran,后面编译过程中会用到
sudo apt-get install gfortran
# 安装blas,Ubuntu下对应的是libopenblas，其它操作系统可能需要安装其它版本的blas——这是个OS相关的。
sudo apt-get install libopenblas-dev
# 安装lapack，Ubuntu下对应的是liblapack-dev，和OS相关。
sudo apt-get install liblapack-dev
# 安装atlas，Ubuntu下对应的是libatlas-base-dev，和OS相关。
sudo apt-get install libatlas-base-dev

安装numpy和scipy

• 使用pip安装numpy和scipy
• 安装pip的命令：sudo apt-get install python-pip
• 注意：一定要在安装完lapack/blas之后，再安装numpy和scipy。否则，会出现错误no lapack/blas resources found
• 安装numpy和scipy的命令如下所示。

  
  
1
  
  
2
  
  
3
  
  
4
  
  
5
  
  
6
  
  
7
  
  
8
  
  
9
  
  
10
  
  
11
 
 
 
 

  
  
1
  
  
2
  
  
3
  
  
4
  
  
5
  
  
6
  
  
7
  
  
8
  
  
9
  
  
10
  
  
11
 
 
# 安装numpy
sudo pip install numpy
# 测试numpy
# 测试通过才能进行下一步～～
python -c @H_5_301@"import numpy;numpy.test()"

# 安装scipy
sudo pip install scipy
# 测试scipy
"import scipy;scipy.test()"

安装线性计算库、numPy和sciPy的编译方法（推荐）

编译安装OpenBlas

• 为什么安装OpenBLAS？因为OpenBLAS的速度比atlas快。速度对比请参考：《Benchmark OpenBLAS,Intel MKL vs ATLAS》
• 下载OpenBLAS。github下载地址
• 安装OpenBLAS

  
  
1
  
  
2
  
  
3
  
  
4
 
 
 
 

  
  
1
  
  
2
  
  
3
  
  
4
 
 
tar -zxvf OpenBLAS**.tar.gz
cd OpenBLAS***
make -FC gfortran #需要已经安装gfortran 
make install # 安装在/opt/OpenBLAS/目录下

安装numPy

• 下载numPy 。github豆瓣镜像
• 解压下载包，并配置OpenBLAS。

  
  
1
  
  
2
  
  
3
  
  
4
  
  
5
  
  
6
  
  
7
  
  
8
  
  
9
 
 
 
 

  
  
1
  
  
2
  
  
3
  
  
4
  
  
5
  
  
6
  
  
7
  
  
8
  
  
9
 
 
tar -zxvf numpy***.tar.gz
cd numpy***
cp site.cfg.example site.cfg
vi site.cfg
#将以下4行去掉注释。【101行--104行】
#[openblas]
#libraries = openblas
#library_dirs = /opt/OpenBLAS/lib
#include_dirs = /opt/OpenBLAS/include

• 安装numPy。

  
  
1
  
  
2
  
  
3
 
 
 
 

  
  
1
  
  
2
  
  
3
 
 
sudo python setup.py config
sudo python setup.py build
sudo python setup.py install

安装sciPy

• 下载sciPy 。github
• 1
• 2
• 3
• 4

sudo python setup.py install

安装其它库

• 为了安装Theano，最后还需要安装一些库，可以参考官方教程

  
  
1
  
  
2
  
  
3
  
  
4
  
  
5
  
  
6
 
 
 
 

  
  
1
  
  
2
  
  
3
  
  
4
  
  
5
  
  
6
 
 
sudo apt-get install python-dev
sudo apt-get install python-pip
sudo apt-get install python-nose
sudo apt-get install g++
sudo apt-get install git

安装Theano

• 前面的操作如果没有出现错误，就可以开始安装Theano了。命令如下所示。

# 安装Theano
sudo pip install Theano

# 测试Theano
python -c @H_5_301@"import theano;theano.test()"

• ATLAS + NumPy + SciPy + Theano 的python科学计算环境搭建
• Compiling numpy with OpenBLAS integration
• 依赖关系

• 官方安装教程

• http://stackoverflow.com/questions/7496547/does-python-scipy-need-blas

• http://www.linuxidc.com/Linux/2014-10/107503.htm

• http://www.scipy.org/scipylib/building/linux.html#installation-from-source