theano扫盲

项目的原因不得不用一下theano，初见theano，简直是老年人写的代码啊

首先安装theano，常规操作

pip install theano

然后才是重点，要在gpu上运行。嫌麻烦不想用gpu？亲测告诉你，theano代码在一颗cpu上的运行速度可能是一颗gpu上的10分之一。

# 要安装Pygpu，这个包不能直接通过pip安装，需要下载源码编译安装。
# 不过编译过程很简单，也很顺畅。是我见过的最顺畅的编译安装了！！！！
# 参照：https://blog.csdn.net/jay463261929/article/details/78933091

$ git clone https://github.com/Theano/libgpuarray.git
$ cd libgpuarray/
$ mkdir build
$ cd build/
$ cmake .. -DCMAKE_BUILD_TYPE=Release
$ make
$ sudo make install
$ cd ..
$ python2 setup.py build

# 否则 install的过程中需要联网安装依赖包 mako
$ pip --trusted-host=pypi.org --trusted-host=files.pythonhosted.org --trusted-host=download.pytorch.org install mako --user
# 安装mpi4py，用于多gpu运行
$ pip2 --trusted-host=pypi.org --trusted-host=files.pythonhosted.org --trusted-host=download.pytorch.org install mpi4py --user

$ sudo python2 setup.py install
$ sudo ldconfig # 创建动态链接库文件

# 测试
$ THEANO_FLAGS=mode=FAST_RUN,device=cuda0,floatX=float32 python2 theano_gpu.py

测试代码参考：https://blog.csdn.net/autocyz/article/details/51674934

（结果输出虽然能看出调用了gpu（或者用nvidia-smi也能看），但是测试代码输出似乎不正确）

from  theano import function, config, shared, sandbox
import theano.tensor as T
import numpy
import time

vlen = 10 * 30 * 768  # 10 x #cores x # threads per core
iters = 1000
rng = numpy.random.RandomState(22)

x = shared(numpy.asarray(rng.rand(vlen), config.floatX))
f = function([], T.exp(x))

print(f.maker.fgraph.toposort())

t0 = time.time()
for i in range(iters):
    r = f()
t1 = time.time()

print("Looping %d times took %f seconds" % (iters, t1 - t0))
print("Result is %s" % (r,))

if numpy.any([isinstance(x.op, T.Elemwise) for x in f.maker.fgraph.toposort()]):
    print('Used the cpu')
else:
    print('Used the gpu')

测试代码输出：

$ THEANO_FLAGS=mode=FAST_RUN,device=cuda3,floatX=float32 python2 test.py

# 输出：
Using cuDNN version 7005 on context None
Mapped name None to device cuda3: TITAN Xp (0000:83:00.0)
[GpuElemwise{exp,no_inplace}(<GpuArrayType<None>(float32, vector)>), HostFromGpu(gpuarray)(GpuElemwise{exp,no_inplace}.0)]
Looping 1000 times took 0.228486 seconds
Result is [ 1.23178029  1.61879349  1.52278066 ...,  2.20771813  2.29967761
  1.62323296]
Used the cpu

# 实际是调用了gpu的，但是显示还是cpu
# 为什么会显示成上面这样呢？https://github.com/Theano/Theano/issues/5463

其他测试代码：

# 可能会报错

其他测试一：
$ python2 -c "import theano"

其他测试二：
$ DEVICE=cuda0 python2 -c 'import pygpu;pygpu.test()'

其他测试2可能会报错：
GpuArrayException: Could not load "libnccl.so": libnccl.so: cannot open shared object file: No such file or directory

解决方法：安装nccl，按照官网：https://docs.nvidia.com/deeplearning/sdk/nccl-install-guide/index.html

# 按照官网给出的步骤，下载nccl，可能需要登录nvidia账号
# 下载网址：https://developer.nvidia.com/nccl

# 一系列安装过程
$ sudo dpkg -i Downloads/nccl-repo-ubuntu1604-2.5.6-ga-cuda9.0_1-1_amd64.deb
$ sudo apt update
$ sudo apt install libnccl2 libnccl-dev

# 重新测试
$ DEVICE=cuda0 python2 -c 'import pygpu;pygpu.test()'