背景：最近在紧锣密鼓的搞毕设，毕设项目是《基于微信公众号的DNN图片数据处理服务》。现在首要任务是让这个服务的示例代码在服务器跑起来。

目标：跑通 neural-style 代码！

Neural art 的这个工作主要是基于卷积神经网络（CNN）来展开的。而 CNN 主要是通过卷积提取图片的抽象特征，然后再利用这些特征对图片进行分类、识别等其他工作。这里我们使用 torch 框架来跑。torch 是什么呢，简单来说它就是一个深度学习框架，由 facebook 出品并开源了大量 Torch 的深度学习模块和扩展，同时值得注意的是 Torch 采用的编程语言是Lua，所以前提是你已经搞定了 lua 环境。

neural-style 你可以命令行配置来选择用 CPU 还是用 GPU来跑。当然，这种数据量庞大的图形计算肯定是用 GPU 更佳，只是 GPU 的环境搭建比较麻烦= =。就“比较”而已？惊了，你以为我折腾了一个星期都在做啥。

先理清一下我们需要安装的东西。先是 CUDA，这个东西是 NVIDIA 推出的运算平台。简单来说就是让你的显卡跑起来的一个软件。然后是 torch。CUDA 是通用的，任何程序框架都能用。而要让 torch 使用 CUDA 的话，需要 cutorch 和 cunn 的支持。再者就是 cuDNN，这个是用于深度神经网络的 GPU 加速库。于是，我们的安装顺序应该是** CUDA > torch > cutorch > cunn > cudnn**.

CUDA 安装

略= =（服务器已经装了 CUDA 8.0，而且也不是我装的，就不班门弄斧了，要注意的是版本，这个跟后面的cuDNN版本必须对应。）

CUDA 安装验证

nvidia-smi，如下显示显卡信息说明安装成功。这里简单讲一下这些信息。可以看到这台服务器有两块显卡，每一块都有 12206MiB 的显存（是的！两路泰坦！）。第一块使用了 226MiB，第二块使用了 1MiB。特别注意已使用的显存，因为我们的这个服务是十分吃显存的。图中 22% 上面的 0 和 1 代表显卡序号。这个在命令行的-gpu 0/1会用到。下面的 Processes 就是使用了显存的服务进程。

nvidia-smi

torch 安装

从这一刻开始，我们开启蛋疼之旅！！！

先把 github 的 torch 代码拉下来：
git clone https://github.com/torch/distro.git ~/torch --recursive

torch 整个项目代码里面有很多其他的依赖库，用 “--recursive” 就是递归拉取。这使得我们这个 git clone 其实是拉了很多个代码库下来。这个要花挺长时间，而且网络问题经常中断，报了一些类似 error: RPC failed; result=52, HTTP code = 0 fatal: The remote end hung up unexpectedly 的错误。这个有墙的原因，你懂的。于是我就想先在电脑上把代码拉下来，压缩，ftp上传服务器，解压。这是不可行的，因为 window 的压缩再 Linux 的解压会因为操作系统的差异而破坏代码的结构(比如一些换行空格)。于是借助 shadowsocks ：
ALL_PROXY=socks5://127.0.0.1:1080 git clone https://github.com/torch/distro.git ~/torch --recursive
网速是快了一些，但还是会经常中断，中断就得重来！装tm滴菠萝拉米黑。大概试了十来次终于 clone 下来！！！眼角莫名的湿润。

接着 官网 教程：

torch 安装 by 官网（注：这样直接装在用户根目录下）

安装的最后会提示是否吧torch加入bashrc中，有”….(yes|no)”提示，输入yes，即可。当然，看一下以免又出什么幺蛾子：
cat ~/.bashrc
应该会看到这一行：
./home/xxx/torch/install/bin/torch-activate
(注：如果以前安装过的，记得把原先的路径注释掉)
更新环境变量：
source ~/.bashrc
安装 torch 的一些依赖库：
curl -s https://raw.githubusercontent.com/torch/ezinstall/master/install-deps | bash
(注：这个同样网络问题（墙= =），一些库会安装失败被跳过，多试几次吧，如果有 shadowsocks 的话用下面的命令，端口（1080）根据你的 shadowsocks 的端口而定)
curl -s --socks5 127.0.0.1:1080 https://raw.githubusercontent.com/torch/ezinstall/master/install-deps | bash

torch 安装验证

装了 torch 之后就可以用 cpu 跑跑看了。
下载 neural-style 代码：
git clone https://github.com/jcjohnson/neural-style
下载模块(这一步花挺长时间)：
sh models/download_models.sh
跑起来哦怕是：
th neural_style.lua -gpu -1 -print_iter 1
出现如下说明安装成功：

CPU 模式

看到了吗** 1/1000 **，恩，这就是进度条，用 CPU 跑完1000大概50分钟= =。惊了！所以说要用 GPU。永远相信，一切的折腾都是为了皮坎子怪。

cutorch 与 cunn 安装

来，打起精神来。
这两个的安装大体相同：
luarocks install cutorch 1.0-0
luarocks isntall cunn 1.0-0
不要掉了后面的** 1.0-0 ** 版本号，否则会报错：

丢版本号报错

cutorch 与 cunn 安装验证

th -e "require 'cutorch'; require 'cunn'; print(cutorch)"

打印 cutorch

cuDNN 安装

cuDNN 就是一些链接库。把 cuDNN 的头文件和相应的链接库放入 cuda 路径的相应位置就行了。显然头文件是放入include文件夹中，而链接库是放入lib64文件夹中。
下载安装包，注意你的 CUDA 版本，比如我的是 8.0：

cuDNN 5.1

解压：
tar -xzvf cudnn-8.0-linux-x64-v5.1.tgz
搬动目录：
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-8.0/lib64/
sudo cp cuda/include/cudnn.h /usr/local/cuda-8.0/include/
安装 torch 的 cudnn 支持：
luarocks install cudnn
跑一下哦怕是：
th neural_style.lua -gpu 0 -backend cudnn

（注：如果 luarocks install cudnn 报了同安装 cutorch 的错误的话用以下的安装方法）
从 github 下载 cudnn 代码：

git clone https://github.com/soumith/cudnn.torch
cd cudnn.torch
luarocks make

这时候可能会报错 init.lua:71: attempt to call field 'hasFastHalfInstructions' (a nil value)。作者在 issue 里面说“updating cutorch will fix this.”但是讲道理，（先luarocks remove cutorch）luarocks install cutorch 不带版本号就应该是安装最新版本了吧，但这样又会报错，谜一样的解决方案。看了 issue 下面的回复，用 R5 版本似乎可以解决问题：
git clone https://github.com/soumith/cudnn.torch -b R5
而这时候又报错 out of memory。呀哟。后来nvidia-smi 发现：

out of memory

两路大泰坦的显存居然快爆了！！！kill 12678 后终于成功！！！而且发现没有，每次50的跳进度，贼快，毕竟泰坦！

GPU 模式

结语

这次环境的安装吃了不少苦头，能遇到的错误基本都遇到了，怕是花了最长时间的一次环境搭建，翻遍了百度和 github 的各个 issue，几近放弃，还好坚持了下来。也是因为这不是初次搭建环境，新旧软件的版本交叉问题太折磨人。再者服务器还跑了其他服务带来了很多意想不到的错误。总算搞定！溜了溜了。