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。
台式机主要参数安装Ubuntu 14.04操作系统安装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
Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明
Ubuntu 14.04 安装配置CUDA
Ubuntu 12.04配置NVIDIA CUDA5.5实录
Ubuntu安装Theano+CUDA
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
更多详情见请继续阅读下一页的精彩内容：
相信梦想是价值的源泉，相信眼光决定未来的一切，
