Overview - Spark 2.4.4 Documentation
https://spark.apache.org/docs/2.4.4/

Overview - Spark 2.3.4 Documentation
https://spark.apache.org/docs/2.3.4/

ATLAS NumPy SciPy Theano 的python科学计算环境搭建 - 文章
https://weibo.com/p/2304186cb8e53d0102vta7

作者：冯扬(8119)

Theano是一个python库，提供了定义、优化以及评估数学表达式的库，尤其适合处理高维数组。使用Theano能获得和C差不多的处理速度，并且当利用GPU进行计算时，效率要优于CPU上运行的C语言程序。利用Theano能快速验证各种算法模型。

但是在Linux上安装theano是一件非常痛苦的事情，从theano的文档中看到，其依赖条件非常多：
(1) 64-bit Linux(最佳)
(2) python 2.4以上
(3) g 4.2以上
(4) NumPy 1.5.0以上
(5) SciPy 0.8以上
(6) BLAS支持Level-3
事实上，在安装过程中发现，如果要安装NumPy，还需要安装ATLAS，而ATLAS则又依赖于lapack ……

这其中涉及到：
ATLAS是python下的一个线性代数库，是基于另外两个线性代数库BLAS和lapack的；
NumPy提供了一个在python中做科学计算的基础库，它重在数值计算，甚至可以说是用于多维数组处理的库；
SciPy是基于numpy，提供了一个在python中做科学计算的工具集，也就是说它是更上一个层次的库；
Theano则是基于NumPy以及SciPy的一个更高级的用于科学计算的库。

这里假设python和g 已经按要求装好，并且符合版本要求，以下根据安装的步骤来进行说明：

首先介绍下环境，多核服务器，cpu时钟频率2668MHz，Linux-64bit，非root权限。所有源码放在/data4/open_src中

各开发包的版本为：

开发包 版本 文件名 下载地址

BLAS blas.tgz //www.netlib.org/blas/
lapack 3.2.2 lapack.tgz //www.netlib.org/lapack/#_previous_release
ATLAS 3.8.4 atlas3.8.4.tar.bz2 //sourceforge.net/projects/math-atlas/files/Stable/
NumPy 1.7.1 numpy-1.7.1.tar.gz https://pypi.python.org/pypi/numpy
SciPy 0.12.0 scipy-0.12.0.tar.gz https://pypi.python.org/pypi/scipy
Theano 0.6.0 Theano-0.6.0rc3.tar.gz //deeplearning.net/software/theano/#download

以下是安装步骤：

step 1. 编译BLAS

(1) 解压：tar -xvzf blas.tgz
(2) cd BLAS
(3) 修改 make.inc 中的编译选项：
PLAT = _LINUX
FORTRAN = gfortran
OPTS = -O2-m64 -fPIC
NOOPT = -O0-m64 -fPIC
LOADER = gfortran
(4) 编译BLAS：make
编译完成后，会生成blas_LINUX.a文件

step 2. 配置ATLAS

在安装ATLAS之前需要先编译lapack，但是为了能使得编译成功，需要保证lapack的编译选项与ATLAS一致。因此首先配置ATLAS，然后将相关编译配置拷贝到lapack中

(1) 解压：tar -xvjf atlas3.8.4.tar.bz2
(2) cd ATLAS
(3) 创建一个build目录，用于存放ATLAS的编译配置：mkdiratlas_build
(4) cd atlas_build
(5) 执行configure进行配置：../configure -b 64 -D c-DPentiumCPS=2668 -Fa alg -fPIC--with-netlib-lapack=/data4/open_src/lapack-3.2.2/lapack_LINUX.a--prefix=~/.local
其中的参数说明如下：
-b 指定编译出库的类型（32位库还是64位库）
-D c -DPentiumCPS 是指定你的CPU的时钟频率，可以通过 grep MHz/proc/cpuinfo 得到
-Fa alg -fPIC 得到与位置无关的代码，生成动态的共享库
--prefix 为安装路径
--with-netlib-lapack则是制定lapack库文件（此时lapack库文件还没有生成，先随便指定一个）
(6)完成配置后，在Make.inc文件中找到F77和F77FLAGS的参数配置，这两个配置将会赋给lapack的FORTRAN和OPTS

ps：对于ATLAS3.10及以上版本，设置--with-netlib-lapack会出错，需要直接指定lapack的压缩包（--with-netlib-lapack-tarfile=），它在编译过程中会自动解压和编译lapack，最终生成的so文件也由之前的6个整合成两个。ATLAS3.10以上版本对后续安装NumPy没有影响，但是在使用的时候会造成有些库文件找不到的现象。因此这里使用的是ATLAS3.8.4版本。

step 3. 编译lapack

(1) 解压：tar -xvzf lapack.tgz
(2) cd lapack-3.2.2
(3) 拷贝生成make.inc: cp make.inc.examplemake.inc
(4) 修改make.inc:
将其中FORTRAN和OPTS的值设置得跟 ATLAS/atlas_build/Make.inc中的F77和F77FLAGS一致
同时设置
PLAT = _LINUX
BLASLIB =/data4/open_src/BLAS/blas$(PLAT).a
(5) 编译：make build
(6) 编译成功后，会在根目录生成两个库文件：lapack_LINUX.a 和tmglib_LINUX.a

step 4. 编译并安装ATLAS

(1) cd ATLAS
(2) 删除原配置：rm -rf atlas_build
(3) 重新配置ATLAS：参考 step 2，并设置--with-netlib-lapack=/data4/open_src/lapack-3.2.2/lapack_LINUX.a
(4) 在atlas_build中进行编译：make build
ps:这个过程相当漫长，耐心等待！！
(5) check编译结果：
make check
make ptcheck (对于多核服务器)
make time
ps：如果check过程中没有报错，则可以放心进行以后的步骤；如果出现报错，也可以尝试进行后续步骤，是否成功就要靠人品了。
(6) 编译动态库：
cd lib
make shared
make ptshared (对于多核服务器)
cd ..
如果在 lib 下面出现libatlas.so, libcblas.so,libf77blas.so, liblapack.so, libptcblas.so, libptf77blas.so这6个动态库文件，则表示编译成功
(7) 安装ATLAS：make install
由于之前设置了--prefix=/.local 因此ATLAS将被安装到/.local/lib 中
(8) cp ./lib/*.so /.local/lib
(9) 设置环境变量：在/.bashrc中添加 exportLD_LIBRARY_PATH=/.local/lib:$LD_LIBRARY_PATH 并执行 source/.bashrc

step 5. 安装NumPy

(1) 解压 tar -xvzf numpy-1.7.1.tar.gz
(2) cd numpy-1.7.1
(3) 拷贝生成sit.cfg: cp site.cfg.examplesite.cfg
(4) 配置site.cfg:
1> 打开[DEFAULT]，并设置 library_dirs 和include_dirs ，使得在编译的时候能够找到atlas库
library_dirs =/.local/lib
include_dirs =/.local/include
2> 打开[blas_opt]，并设置libraries
libraries = ptf77blas,ptcblas, atlas
3> 打开[lapack_opt]，并设置libraries
libraries = lapack,ptf77blas, ptcblas, atlas
ps：如果在ATLAS安装过程中，没有生成libptf77blas和libptcblas，则需要设置两个libraries为
libraries =f77blas, cblas, atlas
libraries =lapack, f77blas, cblas, atlas
(5) 利用python构建NumPy：python setup.pybuild
(6) 利用python安装NumPy：python setup.py install--prefix=/.local
(7) 安装完成后，NumPy被安装在/.local/lib/python2.7/site-packages/numpy
(8) 设置环境变量：在~/.bashrc中添加 exportPYTHONPATH=~/.local/lib/python2.7/site-packages:$PYTHONPATH 并执行source ~/.bashrc

step 6. 安装SicPy

(1) 解压： tar -xvzf scipy-0.12.0.tar.gz
(2) cd scipy-0.12.0
(3) 设置site.cfg:可以直接将NumPy的site.cfg拷贝到当前目录中
(4) 利用python构建SciPy：python setup.pybuild
(5) 利用python安装SciPy：python setup.py install--prefix=/.local
(6) 安装完成后，SciPy被安装在/.local/lib/python2.7/site-packages/scipy

step 7. 安装Theano

有了以上的准备后，安装Theano就是一个非常简单的过程了。直接利用python就可以完成安装：
(1) 解压：tar -xvzfTheano-0.6.0rc3.tar.gz
(2) cd Theano-0.6.0rc3
(3) python setup.py install--prefiex=/.local
(4) 安装完成后，SciPy被安装在/.local/lib/python2.7/site-packages/Theano-0.6.0rc3-py2.7.egg

至此，完成了ATLAS NumPy SciPy Theano的python科学计算环境的搭建

VIM速查表