content/zh/_sources/docs/installation.md.txt - singa-site - Git at Google

 # 安装

 ## 从Conda安装

 Conda是Python，CPP和其他软件包的软件包管理员。

 目前，SINGA有适用于Linux和MacOSX的conda软件包（Python 2.7和Python 3.6）。
 建议使用[Miniconda3](https://conda.io/miniconda.html)与SINGA一起使用。安装完miniconda后，执行以下命令之一来安装SINGA。

 1. CPU版本

         conda install -c nusdbsystem singa-cpu

 2. 由CUDA和cuDNN支持的GPU版本

         conda install -c nusdbsystem singa-gpu

   等同于

 		conda install -c nusdbsystem singa=1.1.1=py36_cuda9.0-cudnn7.1.2

   在执行上述命令之前，必须先安装CUDA 9.0。 其他CUDA版本的Singa软件包也可用。 以下说明列出了所有可用的Singa软件包。

 		conda search -c nusdbsystem singa

   如果下面指令没有出现错误提示，说明SINGA已经安装成功。

 		python -c "from singa import tensor"


 ## 从源码安装

 源文件可以被下载为[tar.gz 文件](https://dist.apache.org/repos/dist/dev/singa/)，或者为一个git仓库：

 		$ git clone https://github.com/apache/singa.git
 		$ cd singa/

 ### 由conda创建SINGA

 Conda-build是一款构建工具，可以安装anaconda云中的相关库并执行构建脚本。 生成的软件包可以上传到anaconda云中供他人下载和安装。

 安装conda-build (安装miniconda后)

 		conda install conda-build

 创建CPU版本的SINGA

 		export BUILD_STR=cpu
 		conda build tool/conda/singa/ --python3.6 (or --python2.7)

 上面的指令已在Ubuntu 16.04和Mac OSX上测试过。更多信息请参考[Travis-CI页面](https://travis-ci.org/apache/singa)。

 创建GPU版本的SINGA

 		export BUILD_STR=cudax.y-cudnna.b.c (e.g. cuda9.0-cudnn7.1.2)
 		export CUDNN_PATH=<path to cudnn folder>
 		conda build tool/conda/singa/ --python3.6 (or --python2.7)

 这些基于GPU平台的指令已经在Ubuntu 16.04 (cuDNN >= 7和CUDA >= 9)上测试过。
 [Nvidia的docker镜像](https://hub.docker.com/r/nvidia/cuda/)提供了cuDNN和CUDA的创建环境。

 屏幕上将显示生成的包文件的位置。
 请参阅[conda安装](https://conda.io/docs/commands/conda-install.html)
 对从本地文件安装软件包的说明。

 ### 使用本地工具在Ubuntu上创建SINGA

 编译和运行SINGA需要以下库。
 有关在Ubuntu 16.04上安装它们的说明，
 请参阅SINGA [Dockerfiles](https://github.com/apache/singa/blob/master/tool/docker/)。

 * cmake (>=2.8)
 * gcc (>=4.8.1) or Clang
 * google protobuf (>=2.5)
 * blas (tested with openblas >=0.2.10)
 * swig(>=3.0.10) for compiling PySINGA
 * numpy(>=1.11.0) for compiling PySINGA


 1. 在singa目录下创建一个`build`文件夹并进入其中
 2. 运行 `cmake [options] ..`
   默认情况下除了`USE_PYTHON`，其他所有可选项都是OFF

     * `USE_MODULES=ON`, 当protobuf和blas没有被安装时使用
     * `USE_CUDA=ON`, 当CUDA和cuDNN可用时使用
     * `USE_PYTHON=ON`, 用于编译PySINGA
     * `USE_PYTHON3=ON`, 用于支持Python 3编译 (默认的是Python 2)
     * `USE_OPENCL=ON`, 用于支持OpenCL编译
     * `PACKAGE=ON`, 用于创建Debian包
     * `ENABLE_TEST`，用于编译单元测试用例

 3. 编译代码， 如： `make`
 4. 进入python文件夹
 5. 运行 `pip install .`或者 `pip install -e .`。第二个指令创建符号链接而不是将文件复制到python站点包文件夹中。

 当USE_PYTHON=ON时，第4步和第5步用于安装PySINGA。

 在通过ENABLE_TEST=ON编译好SINGA后，你可以运行单元测试

 		$ ./bin/test_singa

 你可以看到所有测试用例和测试结果。
 如果SINGA通过所有测试，那么你已经成功安装了SINGA。

 ### 在Windows上编译SINGA

 基于Python支持的Windows上的安装说明可以在[这里](install_win.html)找到。

 ### 更多编译选择

 #### USE_MODULES

 如果protobuf和openblas没有安装，在编译SINGA时需要如下处理：

 		$ In SINGA ROOT folder
 		$ mkdir build
 		$ cd build
 		$ cmake -DUSE_MODULES=ON ..
 		$ make

 cmake会下载OpenBlas和Protobuf（2.6.1）并同SINGA一起编译。

 你可以使用`cmake ..`来配置编译操作指令。 如果一些依赖库没有被安装在默认路径下，你需要导出相应的环境变量：

 		export CMAKE_INCLUDE_PATH=<path to the header file folder>
 		export CMAKE_LIBRARY_PATH=<path to the lib file folder>

 #### USE_PYTHON

 类似于编译CPP代码， PySINGA可以被这么编译：

 		$ cmake -DUSE_PYTHON=ON ..
 		$ make
 		$ cd python
 		$ pip install .

 #### USE_CUDA

 用户被推荐安装CUDA和[cuDNN](https://developer.nvidia.com/cudnn)以在GPU上运行SINGA时获得更好的性能。

 SINGA已经在CUDA 9和cuDNN 7上测试过。 如果cuDNN在非系统目录下解压，如/home/bob/local/cudnn/, 下面的指令需要被执行以让cmake和运行时能找到它：

 		$ export CMAKE_INCLUDE_PATH=/home/bob/local/cudnn/include:$CMAKE_INCLUDE_PATH
 		$ export CMAKE_LIBRARY_PATH=/home/bob/local/cudnn/lib64:$CMAKE_LIBRARY_PATH
 		$ export LD_LIBRARY_PATH=/home/bob/local/cudnn/lib64:$LD_LIBRARY_PATH

 cmake对CUDA和cuDNN的操作选项应该被开启：

 		# 依赖库已经被安装
 		$ cmake -DUSE_CUDA=ON ..
 		$ make

 #### USE_OPENCL

 SINGA用opencl-header和viennacl（1.7.1版本或更新）以获得OpenCL支持。 它们可由以下指令安装：

 		# 在Ubuntu 16.04上
 		$ sudo apt-get install opencl-headers, libviennacl-dev
 		# 在Fedora上
 		$ sudo yum install opencl-headers, viennacl

 另外，你将需要OpenCL Installable Client Driver (ICD)以在你的平台上运行OpenCL。

 * 对于AMD和Nvidia GPU, 驱动包还需要包含正确的OpenCL ICD。
 * 对于英特尔CPUs和/或GPUs, 可以从[英特尔官网](https://software.intel.com/en-us/articles/opencl-drivers)上获取到。 注意， 官网上提供的驱动仅支持近期的CPUs和GPUs。
 * 对于更老的英特尔CPUs，你可以选用`beignet-opencl-icd`包。

 注意，在CPU上运行OpenCL目前是不推荐的，因为很慢。 内存传输是以秒的级别（CPU上为1000 ms，而GPU上为1毫秒）。

 更多关于OpenCL环境配置的信息可以从[这里](https://wiki.tiker.net/OpenCLHowTo)获得。

 如果ViennaCL包版本低于1.7.1，你将需要从源码编译：

 从[git仓库](https://github.com/viennacl/viennacl-dev)clone，checkout到`release-1.7.1`标签。记得把仓库的路径加到环境变量`PATH`中，并且创建库到`LD_LIBRARY_PATH`。

 编译基于OpenCL支持的SINGA (测试与SINGA 1.1)：

 		$ cmake -DUSE_OPENCL=ON ..
 		$ make

 #### PACKAGE

 此设置用于创建Debian包。 设置PACKAGE=ON并用以下命令创建包：

 		$ cmake -DPACKAGE=ON
 		$ make package


 ## FAQ

 * Q: 在使用由wheel安装的PySINGA('import singa')时，出现错误。

     A: 请查看`python -c "from singa import _singa_wrap"`详细错误提示。 这有时是由依赖库造成的，比如，有多个版本的protobuf，cudnn缺失，numpy版本不匹配。 下面的步骤详述了不同的案例：
     1. 检查cudnn，cuda和gcc版本，推荐使用cudnn5，cuda7.5和gcc4.8/4.9。 如果gcc是5.0版本， 需要降低版本。 如果cudnn确实或者与wheel版本不匹配，你可以将正确的cudnn版本下载到~/local/cudnn/ 并且

             $ echo "export LD_LIBRARY_PATH=/home/<yourname>/local/cudnn/lib64:$LD_LIBRARY_PATH" >> ~/.bashrc

     2. 如果是protobuf的问题，需要下载最新的[编译过protobuf和openblas的whl文件](https://issues.apache.org/jira/browse/SINGA-255)。 或者，你可以从源码安装protobuf到指定文件夹，比如：~/local/；解压tar文件，然后执行

             $ ./configure --prefix=/home/<yourname>local
             $ make && make install
             $ echo "export LD_LIBRARY_PATH=/home/<yourname>/local/lib:$LD_LIBRARY_PATH" >> ~/.bashrc
             $ source ~/.bashrc

     3. 如果找不到其他python库，你可以用pip或conda创建python虚拟环境。

     4. 如果不是以上原因造成的，进入`_singa_wrap.so`所在文件夹，执行

             $ python
             >> import importlib
             >> importlib.import_module('_singa_wrap')

       检查错误信息。 比如，如果numpy版本不匹配，错误信息将会是

             RuntimeError: module compiled against API version 0xb but this version of numpy is 0xa

       接着，你需要提升numpy版本。


 * Q: 运行`cmake ..`报错，找不到依赖库。

     A: 如果你没有安装相应库，就去安装它们。如果你把这些库安装在非系统默认的路径下，如/usr/local，你可以将正确路径导出到环境变量中：

         $ export CMAKE_INCLUDE_PATH=<path to your header file folder>
         $ export CMAKE_LIBRARY_PATH=<path to your lib file folder>


 * Q: `make`报错，如连接阶段

     A: 如果你的库文件在非系统默认路径下，你需要导出相应的变量

         $ export LIBRARY_PATH=<path to your lib file folder>
         $ export LD_LIBRARY_PATH=<path to your lib file folder>


 * Q: 头文件错误，比如：'cblas.h no such file or directory exists'

     A: 你需要把cblas.h的路径加入到CPLUS_INCLUDE_PATH，如

         $ export CPLUS_INCLUDE_PATH=/opt/OpenBLAS/include:$CPLUS_INCLUDE_PATH

 * Q:编译SINGA时，我发现了错误`SSE2 instruction set not enabled`

     A:你可以尝试如下命令

         $ make CFLAGS='-msse2' CXXFLAGS='-msse2'

 * Q:当我试图导入.py文件时，我得到错误提示`ImportError: cannot import name enum_type_wrapper`。

     A: 你需要安装绑定到python的protobuf，可以由如下命令安装

         $ sudo apt-get install protobuf

     或者从源码安装

         $ cd /PROTOBUF/SOURCE/FOLDER
         $ cd python
         $ python setup.py build
         $ python setup.py install

 * Q: 当我从源码创建OpenBLAS时，被告知需要Fortran编译器。

     A: 你可以用如下命令编译OpenBLAS

         $ make ONLY_CBLAS=1

     或者

         $ sudo apt-get install libopenblas-dev

 * Q: 当我创建protocol buffer时，出现错误提示`GLIBC++_3.4.20 not found in /usr/lib64/libstdc++.so.6`。

     A: 这说明连接器找到了libstdc++.so.6，但是这个库属于一个更老版本的GCC编译器。 要编译的程序依赖于定义在新版本GCC下的libstdc++库，所以连接器必须被告知如何找到新版的可共享的libstdc++库。 最简单的处理方法是找到正确的libstdc++库，导出到LD_LIBRARY_PATH变量。 比如，如果GLIBC++_3.4.20被列在如下命令的输出中

         $ strings /usr/local/lib64/libstdc++.so.6|grep GLIBC++

     之后，你只需要设置环境变量

         $ export LD_LIBRARY_PATH=/usr/local/lib64:$LD_LIBRARY_PATH

 * Q: 当我创建glog时报错，"src/logging_unittest.cc:83:20: error: 'gflags' is not a namespace-name"。

     A: 这可能是你装了一个不同命名空间的gflags，比如"google"，所以glog找不到'gflags'命名空间。 gflags不是创建glog必须的， 所以你可以修改configure.ac文件以忽略gflags。

         1. cd to glog src directory
         2. change line 125 of configure.ac  to "AC_CHECK_LIB(gflags, main, ac_cv_have_libgflags=0, ac_cv_have_libgflags=0)"
         3. autoreconf

     之后，你可以重新创建glog。

 * Q: 当使用虚拟环境时，每次我运行pip install都会重新安装numpy。 然而，在`import numpy`时，numpy可能并没有被使用。

     A: 这可能是因为在使用虚拟环境时，`PYTHONPATH`被设置成了空以防止与虚拟环境中的路径发生冲突。

 * Q: 当从源码编译PySINGA时，会因为缺失<numpy/objectarray.h>而出现编译错误。

     A: 请安装numpy并且通过如下命令导出numpy头文件

         $ export CPLUS_INCLUDE_PATH=`python -c "import numpy; print numpy.get_include()"`:$CPLUS_INCLUDE_PATH

 * Q: 当在Mac OS X下运行PySINGA时，我得到了错误信息"Fatal Python error: PyThreadState_Get: no current thread Abort trap: 6"。

     A: 这个错误很典型地出现在当你系统中存在多个版本的python并且你是通过pip安装
 SINGA的（这个问题可以通过由conda安装SINGA来解决）， 比如：一个来自于OS，一个通过Homebrew安装。 和SINGA连接的Python必须和Python解析器是同个版本。你可以通过which python来查看python解析器版本，并通过otool -L <path to _singa_wrap.so>检查和PySINGA连接的Python版本。 为了解决这个问题， 需要用正确的Python版本来编译SINGA。 特别地，如果你从源码创建的PySINGA，当唤起[cmake](http://stackoverflow.com/questions/15291500/i-have-2-versions-of-python-installed-but-cmake-is-using-older-version-how-do)时你需要指定安装路径

         $ cmake -DPYTHON_LIBRARY=`python-config --prefix`/lib/libpython2.7.dylib -DPYTHON_INCLUDE_DIR=`python-config --prefix`/include/python2.7/ ..

     如果从二进制文件安装PySINGA，比如debian或者wheel，那么你需要改变python解析器，如重置变量$PATH，把正确的Python路径加在最前面。
	# 安装

	## 从Conda安装

	Conda是Python，CPP和其他软件包的软件包管理员。

	目前，SINGA有适用于Linux和MacOSX的conda软件包（Python 2.7和Python 3.6）。
	建议使用[Miniconda3](https://conda.io/miniconda.html)与SINGA一起使用。安装完miniconda后，执行以下命令之一来安装SINGA。

	1. CPU版本

	conda install -c nusdbsystem singa-cpu

	2. 由CUDA和cuDNN支持的GPU版本

	conda install -c nusdbsystem singa-gpu

	等同于

	conda install -c nusdbsystem singa=1.1.1=py36_cuda9.0-cudnn7.1.2

	在执行上述命令之前，必须先安装CUDA 9.0。其他CUDA版本的Singa软件包也可用。以下说明列出了所有可用的Singa软件包。

	conda search -c nusdbsystem singa

	如果下面指令没有出现错误提示，说明SINGA已经安装成功。

	python -c "from singa import tensor"


	## 从源码安装

	源文件可以被下载为[tar.gz 文件](https://dist.apache.org/repos/dist/dev/singa/)，或者为一个git仓库：

	$ git clone https://github.com/apache/singa.git
	$ cd singa/

	### 由conda创建SINGA

	Conda-build是一款构建工具，可以安装anaconda云中的相关库并执行构建脚本。生成的软件包可以上传到anaconda云中供他人下载和安装。

	安装conda-build (安装miniconda后)

	conda install conda-build

	创建CPU版本的SINGA

	export BUILD_STR=cpu
	conda build tool/conda/singa/ --python3.6 (or --python2.7)

	上面的指令已在Ubuntu 16.04和Mac OSX上测试过。更多信息请参考[Travis-CI页面](https://travis-ci.org/apache/singa)。

	创建GPU版本的SINGA

	export BUILD_STR=cudax.y-cudnna.b.c (e.g. cuda9.0-cudnn7.1.2)
	export CUDNN_PATH=<path to cudnn folder>
	conda build tool/conda/singa/ --python3.6 (or --python2.7)

	这些基于GPU平台的指令已经在Ubuntu 16.04 (cuDNN >= 7和CUDA >= 9)上测试过。
	[Nvidia的docker镜像](https://hub.docker.com/r/nvidia/cuda/)提供了cuDNN和CUDA的创建环境。

	屏幕上将显示生成的包文件的位置。
	请参阅[conda安装](https://conda.io/docs/commands/conda-install.html)
	对从本地文件安装软件包的说明。

	### 使用本地工具在Ubuntu上创建SINGA

	编译和运行SINGA需要以下库。
	有关在Ubuntu 16.04上安装它们的说明，
	请参阅SINGA [Dockerfiles](https://github.com/apache/singa/blob/master/tool/docker/)。

	* cmake (>=2.8)
	* gcc (>=4.8.1) or Clang
	* google protobuf (>=2.5)
	* blas (tested with openblas >=0.2.10)
	* swig(>=3.0.10) for compiling PySINGA
	* numpy(>=1.11.0) for compiling PySINGA


	1. 在singa目录下创建一个`build`文件夹并进入其中
	2. 运行 `cmake [options] ..`
	默认情况下除了`USE_PYTHON`，其他所有可选项都是OFF

	* `USE_MODULES=ON`, 当protobuf和blas没有被安装时使用
	* `USE_CUDA=ON`, 当CUDA和cuDNN可用时使用
	* `USE_PYTHON=ON`, 用于编译PySINGA
	* `USE_PYTHON3=ON`, 用于支持Python 3编译 (默认的是Python 2)
	* `USE_OPENCL=ON`, 用于支持OpenCL编译
	* `PACKAGE=ON`, 用于创建Debian包
	* `ENABLE_TEST`，用于编译单元测试用例

	3. 编译代码，如： `make`
	4. 进入python文件夹
	5. 运行 `pip install .`或者 `pip install -e .`。第二个指令创建符号链接而不是将文件复制到python站点包文件夹中。

	当USE_PYTHON=ON时，第4步和第5步用于安装PySINGA。

	在通过ENABLE_TEST=ON编译好SINGA后，你可以运行单元测试

	$ ./bin/test_singa

	你可以看到所有测试用例和测试结果。
	如果SINGA通过所有测试，那么你已经成功安装了SINGA。

	### 在Windows上编译SINGA

	基于Python支持的Windows上的安装说明可以在[这里](install_win.html)找到。

	### 更多编译选择

	#### USE_MODULES

	如果protobuf和openblas没有安装，在编译SINGA时需要如下处理：

	$ In SINGA ROOT folder
	$ mkdir build
	$ cd build
	$ cmake -DUSE_MODULES=ON ..
	$ make

	cmake会下载OpenBlas和Protobuf（2.6.1）并同SINGA一起编译。

	你可以使用`cmake ..`来配置编译操作指令。如果一些依赖库没有被安装在默认路径下，你需要导出相应的环境变量：

	export CMAKE_INCLUDE_PATH=<path to the header file folder>
	export CMAKE_LIBRARY_PATH=<path to the lib file folder>

	#### USE_PYTHON

	类似于编译CPP代码， PySINGA可以被这么编译：

	$ cmake -DUSE_PYTHON=ON ..
	$ make
	$ cd python
	$ pip install .

	#### USE_CUDA

	用户被推荐安装CUDA和[cuDNN](https://developer.nvidia.com/cudnn)以在GPU上运行SINGA时获得更好的性能。

	SINGA已经在CUDA 9和cuDNN 7上测试过。如果cuDNN在非系统目录下解压，如/home/bob/local/cudnn/, 下面的指令需要被执行以让cmake和运行时能找到它：

	$ export CMAKE_INCLUDE_PATH=/home/bob/local/cudnn/include:$CMAKE_INCLUDE_PATH
	$ export CMAKE_LIBRARY_PATH=/home/bob/local/cudnn/lib64:$CMAKE_LIBRARY_PATH
	$ export LD_LIBRARY_PATH=/home/bob/local/cudnn/lib64:$LD_LIBRARY_PATH

	cmake对CUDA和cuDNN的操作选项应该被开启：

	# 依赖库已经被安装
	$ cmake -DUSE_CUDA=ON ..
	$ make

	#### USE_OPENCL

	SINGA用opencl-header和viennacl（1.7.1版本或更新）以获得OpenCL支持。它们可由以下指令安装：

	# 在Ubuntu 16.04上
	$ sudo apt-get install opencl-headers, libviennacl-dev
	# 在Fedora上
	$ sudo yum install opencl-headers, viennacl

	另外，你将需要OpenCL Installable Client Driver (ICD)以在你的平台上运行OpenCL。

	* 对于AMD和Nvidia GPU, 驱动包还需要包含正确的OpenCL ICD。
	* 对于英特尔CPUs和/或GPUs, 可以从[英特尔官网](https://software.intel.com/en-us/articles/opencl-drivers)上获取到。注意，官网上提供的驱动仅支持近期的CPUs和GPUs。
	* 对于更老的英特尔CPUs，你可以选用`beignet-opencl-icd`包。

	注意，在CPU上运行OpenCL目前是不推荐的，因为很慢。内存传输是以秒的级别（CPU上为1000 ms，而GPU上为1毫秒）。

	更多关于OpenCL环境配置的信息可以从[这里](https://wiki.tiker.net/OpenCLHowTo)获得。

	如果ViennaCL包版本低于1.7.1，你将需要从源码编译：

	从[git仓库](https://github.com/viennacl/viennacl-dev)clone，checkout到`release-1.7.1`标签。记得把仓库的路径加到环境变量`PATH`中，并且创建库到`LD_LIBRARY_PATH`。

	编译基于OpenCL支持的SINGA (测试与SINGA 1.1)：

	$ cmake -DUSE_OPENCL=ON ..
	$ make

	#### PACKAGE

	此设置用于创建Debian包。设置PACKAGE=ON并用以下命令创建包：

	$ cmake -DPACKAGE=ON
	$ make package


	## FAQ

	* Q: 在使用由wheel安装的PySINGA('import singa')时，出现错误。

	A: 请查看`python -c "from singa import _singa_wrap"`详细错误提示。这有时是由依赖库造成的，比如，有多个版本的protobuf，cudnn缺失，numpy版本不匹配。下面的步骤详述了不同的案例：
	1. 检查cudnn，cuda和gcc版本，推荐使用cudnn5，cuda7.5和gcc4.8/4.9。如果gcc是5.0版本，需要降低版本。如果cudnn确实或者与wheel版本不匹配，你可以将正确的cudnn版本下载到~/local/cudnn/ 并且

	$ echo "export LD_LIBRARY_PATH=/home/<yourname>/local/cudnn/lib64:$LD_LIBRARY_PATH" >> ~/.bashrc

	2. 如果是protobuf的问题，需要下载最新的[编译过protobuf和openblas的whl文件](https://issues.apache.org/jira/browse/SINGA-255)。或者，你可以从源码安装protobuf到指定文件夹，比如：~/local/；解压tar文件，然后执行

	$ ./configure --prefix=/home/<yourname>local
	$ make && make install
	$ echo "export LD_LIBRARY_PATH=/home/<yourname>/local/lib:$LD_LIBRARY_PATH" >> ~/.bashrc
	$ source ~/.bashrc

	3. 如果找不到其他python库，你可以用pip或conda创建python虚拟环境。

	4. 如果不是以上原因造成的，进入`_singa_wrap.so`所在文件夹，执行

	$ python
	>> import importlib
	>> importlib.import_module('_singa_wrap')

	检查错误信息。比如，如果numpy版本不匹配，错误信息将会是

	RuntimeError: module compiled against API version 0xb but this version of numpy is 0xa

	接着，你需要提升numpy版本。


	* Q: 运行`cmake ..`报错，找不到依赖库。

	A: 如果你没有安装相应库，就去安装它们。如果你把这些库安装在非系统默认的路径下，如/usr/local，你可以将正确路径导出到环境变量中：

	$ export CMAKE_INCLUDE_PATH=<path to your header file folder>
	$ export CMAKE_LIBRARY_PATH=<path to your lib file folder>


	* Q: `make`报错，如连接阶段

	A: 如果你的库文件在非系统默认路径下，你需要导出相应的变量

	$ export LIBRARY_PATH=<path to your lib file folder>
	$ export LD_LIBRARY_PATH=<path to your lib file folder>


	* Q: 头文件错误，比如：'cblas.h no such file or directory exists'

	A: 你需要把cblas.h的路径加入到CPLUS_INCLUDE_PATH，如

	$ export CPLUS_INCLUDE_PATH=/opt/OpenBLAS/include:$CPLUS_INCLUDE_PATH

	* Q:编译SINGA时，我发现了错误`SSE2 instruction set not enabled`

	A:你可以尝试如下命令

	$ make CFLAGS='-msse2' CXXFLAGS='-msse2'

	* Q:当我试图导入.py文件时，我得到错误提示`ImportError: cannot import name enum_type_wrapper`。

	A: 你需要安装绑定到python的protobuf，可以由如下命令安装

	$ sudo apt-get install protobuf

	或者从源码安装

	$ cd /PROTOBUF/SOURCE/FOLDER
	$ cd python
	$ python setup.py build
	$ python setup.py install

	* Q: 当我从源码创建OpenBLAS时，被告知需要Fortran编译器。

	A: 你可以用如下命令编译OpenBLAS

	$ make ONLY_CBLAS=1

	或者

	$ sudo apt-get install libopenblas-dev

	* Q: 当我创建protocol buffer时，出现错误提示`GLIBC++_3.4.20 not found in /usr/lib64/libstdc++.so.6`。

	A: 这说明连接器找到了libstdc++.so.6，但是这个库属于一个更老版本的GCC编译器。要编译的程序依赖于定义在新版本GCC下的libstdc++库，所以连接器必须被告知如何找到新版的可共享的libstdc++库。最简单的处理方法是找到正确的libstdc++库，导出到LD_LIBRARY_PATH变量。比如，如果GLIBC++_3.4.20被列在如下命令的输出中

	$ strings /usr/local/lib64/libstdc++.so.6\|grep GLIBC++

	之后，你只需要设置环境变量

	$ export LD_LIBRARY_PATH=/usr/local/lib64:$LD_LIBRARY_PATH

	* Q: 当我创建glog时报错，"src/logging_unittest.cc:83:20: error: 'gflags' is not a namespace-name"。

	A: 这可能是你装了一个不同命名空间的gflags，比如"google"，所以glog找不到'gflags'命名空间。 gflags不是创建glog必须的，所以你可以修改configure.ac文件以忽略gflags。

	1. cd to glog src directory
	2. change line 125 of configure.ac to "AC_CHECK_LIB(gflags, main, ac_cv_have_libgflags=0, ac_cv_have_libgflags=0)"
	3. autoreconf

	之后，你可以重新创建glog。

	* Q: 当使用虚拟环境时，每次我运行pip install都会重新安装numpy。然而，在`import numpy`时，numpy可能并没有被使用。

	A: 这可能是因为在使用虚拟环境时，`PYTHONPATH`被设置成了空以防止与虚拟环境中的路径发生冲突。

	* Q: 当从源码编译PySINGA时，会因为缺失<numpy/objectarray.h>而出现编译错误。

	A: 请安装numpy并且通过如下命令导出numpy头文件

	$ export CPLUS_INCLUDE_PATH=`python -c "import numpy; print numpy.get_include()"`:$CPLUS_INCLUDE_PATH

	* Q: 当在Mac OS X下运行PySINGA时，我得到了错误信息"Fatal Python error: PyThreadState_Get: no current thread Abort trap: 6"。

	A: 这个错误很典型地出现在当你系统中存在多个版本的python并且你是通过pip安装
	SINGA的（这个问题可以通过由conda安装SINGA来解决），比如：一个来自于OS，一个通过Homebrew安装。和SINGA连接的Python必须和Python解析器是同个版本。你可以通过which python来查看python解析器版本，并通过otool -L <path to _singa_wrap.so>检查和PySINGA连接的Python版本。为了解决这个问题，需要用正确的Python版本来编译SINGA。特别地，如果你从源码创建的PySINGA，当唤起[cmake](http://stackoverflow.com/questions/15291500/i-have-2-versions-of-python-installed-but-cmake-is-using-older-version-how-do)时你需要指定安装路径

	$ cmake -DPYTHON_LIBRARY=`python-config --prefix`/lib/libpython2.7.dylib -DPYTHON_INCLUDE_DIR=`python-config --prefix`/include/python2.7/ ..

	如果从二进制文件安装PySINGA，比如debian或者wheel，那么你需要改变python解析器，如重置变量$PATH，把正确的Python路径加在最前面。