引言
最近几天一直尝试搭建theano深度学习开发环境，并安装英伟达cuda toolkit。这期间，有想过在windows上搭建的，但是从网上了解后，发现还是在linux环境下更加合适。在搭建这个开发环境的过程中，其实入了不少坑，有点曲折。本不打算写搭建过程的，因为网上确实有不少不错的安装步骤，以及官网也有安装教程。but，鉴于被坑了好几天，还是记录一下，长长记性 :)期间安装ubuntu 14.04超过4次（原因：有些软件依赖问题无法解决，更换软件源貌似也不可以。不过今天把软件源换成主服务器后，就正常了，但是我的无线网速度比较慢，所以使用主服务器后，下载速度明显要慢了不少。）。尝试安装fedora操作系统1次，因为也想过在这个系统上搭建环境的，因为ubuntu 14.04上面的部分依赖总是搞不定。但是因为网卡驱动的问题，始终无法联网；无法联网，自然就没法安装编译器，没有编译器，没法安装网卡驱动（因为需要编译驱动），最后放弃了这个平台。尝试安装centos操作系统1次，其实根本没有安装成功，原因是我的独立显卡驱动问题，导致安装程序的图形界面上的所有文字都是模糊的，甚至连“退出安装”按钮文字我都识别不出来，最后放弃了。
台式机主要参数
内存：金士顿8g
处理器：intel core i5-4590 cpu @ 3.3ghz x 4
显卡： 英伟达geforce gtx 750 （gpu并行运算）
硬盘： 西部数据 1tb
安装ubuntu 14.04操作系统
制作ubuntu启动盘（使用软碟通写入到u盘上）；
台式机启动时，选择快捷启动，从u盘启动ubuntu live cd系统；
安装ubuntu 14.04操作系统；
安装完毕后重新启动系统；
启动系统，在进入grub界面时，按e键，进入编辑页面，在倒数第二行中，ro quiet splash后面添加nomodeset，这样进入系统后不会因为独显驱动问题而导致黑屏了；
在进入系统后，编辑文件/boot/grub/grub.cfg文件，搜索ro quiet splash关键词，同样追加nomodeset，这样不用每次启动系统前重复上述步骤了。
安装theano环境
需要预先安装的工具
这些工具在后面可能会使用到，如编译器等。
sudo apt-get install -y python-dev python-pip python-nose gcc g++ git gfortran
安装blas, lapack, atlas
这些软件包必须在安装numpy和scipy之前安装
sudo apt-get install -y libopenblas-dev liblapack-dev libatlas-base-dev
安装numpy
在官方教程中使用了apt-get方式安装的，但是貌似我确实在安装后没有通过单元测试，有不少错误产生。尤其是后面安装的scipy更是如此。可能和我之前没有把需要的工具包安装齐全有关系吧。
# 安装numpy，这个安装过程需要等待会，因为需要编译，所以得花一点时间。
# 实际上后面安装的scipy和theano都会花时间编译的，整个安装过程还是要挺久的。
sudo pip install numpy
# 进行测试。
python -c ‘import numpy; numpy.test()’
必须要保证上面的测试通过，然后再继续下一步，确保每一步都是正确的。没有errors则通过测试。测试结果如下。
安装scipy
# 安装方法，耐心等待编译吧:)
sudo pip install scipy
# 进行测试
python -c ‘import scipy; scipy.test()’
必须保证scipy也正常通过测试，这样才可以继续安装下面的theano。测试结果如下图：
————————————–分割线 ————————————–
ubuntu下cuda（含gpu卡驱动）安装过程 http://www.linuxidc.com/linux/2015-07/120456.htm
caffe + ubuntu 14.04 64bit + cuda 6.5 配置说明 http://www.linuxidc.com/linux/2015-04/116444.htm
ubuntu 14.04 安装配置cuda http://www.linuxidc.com/linux/2014-10/107501.htm
ubuntu 12.04配置nvidia cuda5.5实录 http://www.linuxidc.com/linux/2014-10/107502.htm
ubuntu安装theano+cuda http://www.linuxidc.com/linux/2014-10/107503.htm
关于ubuntu 12.04 下 cuda5.5 的安装请参看如下链接 ubuntu 12.04 安装 cuda-5.5
————————————–分割线 ————————————–
安装theano
# 安装方法，还是要耐心等待编译安装的，感觉比较耗时
sudo pip install theano
# 开始测试
sudo python -c ‘import theano; theano.test()’
好吧，我感觉这个步骤中的theano测试花了好长时间，所以，还是耐心等待吧。最后结果如下。
安装cuda toolkit
下载cuda toolkit
在安装这个英伟达cuda toolkit时，还是遇到了不少问题。以下记录安装过程，详细的说明文档参见英伟达官方提供的installation guide for linux。需要注意的是，该安装文件已经包含了英伟达较新的显卡驱动，所以不用单独安装独显驱动的。
下载cuda toolkit
进入cuda toolkit下载页面
选择对应的ubuntu 14.04操作系统，并且选择下载runfile(1.1g)文件，同时记录对应的md5值，用于校验下载文档有没有损坏
下载gpu development kit
下载完成后，最后校验一下下载文件与下载页面提供的文件md5值是否相同，确保下载到的安装包是完好无损的。
安装一些需要的库
下面都是一些可能需要用到的库，否则在安装cuda时，可能会提示缺少需要的库文件。
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
值得注意的是，我在我的ubuntu系统/usr/lib/x86_64-linux-gnu/目录下找到了名为libglu.so.1.3.1，所以在尝试建立链接到/usr/lib/目录下后，安装samples时就正常了。
sudo ln -s /usr/lib/x86_64-linux-gnu/libglu.so.1.3.1 /usr/lib/libglu.so
安装cuda
首先，将x-window关闭，然后进入字符界面（如tty1）。关闭x-window方法：sudo service lightdm stop
接下来，在字符界面中，给下载好的cuda_7.5.18_linux.run以及cuda_352_39_gdk_linux.run添加可执行权限
安装development kit：sudo ./cuda_352_39_gdk_linux .run
安装cuda：sudo ./cuda_7.5.18_linux.run，安装过程直接根据提示进行下去即可
重新启动x-window：sudo service lightdm start
更多详情见请继续阅读下一页的精彩内容： http://www.linuxidc.com/linux/2015-09/123562p2.htm