您正在查看: 2018年10月

Diffuser单一节点所需软件的安装

Overview

Diffuser是一个基于分布式的生物序列特征生成网站,因此需要在每个单一节点安装所需的软件:ViennaRNA-2.4.8VSL2psipredspineX。本文以deepamp节点为例,分别安装和配置以上4个软件。

1. 安装ViennaRNA-2.4.8

该软件用于预测RNA序列结构,安装步骤如下:

wget https://www.tbi.univie.ac.at/RNA/download/sourcecode/2_4_x/ViennaRNA-2.4.8.tar.gz
tar -zxvf ViennaRNA-2.4.8.tar.gz
cd ViennaRNA-2.4.8
./configure
make
sudo make install

2. 安装VSL2

该软件用于生成预测的蛋白质序列的disorder information,只需下载后解压,无需安装:

wget http://www.dabi.temple.edu/disprot/download/VSL2.tar.gz
tar -xvf VSL2.tar.gz

3. 安装psipred

该软件用于预测Protein序列的二级结构,安装步骤如下:

wget http://bioinfadmin.cs.ucl.ac.uk/downloads/psipred/psipred.4.02.tar.gz
tar -xvf psipred.4.02.tar.gz

在解压成功后,还需进行简单的配置。首先,由于该软件部分代码需要tcsh支持,因此我们需要先进行安装:

sudo apt-get install tcsh

其次,该软件当中调用了blast,因此我们需要指定blast的安装路径和数据库路径,这里blast的我们用的是2.2.26版本而数据库我们使用的是uniref50。配置如下:

cd psipred
vim runpsipred

将下面的代码:

# The name of the BLAST data bank
set dbname = uniref90

# Where the NCBI programs have been installed
set ncbidir = /usr/local/bin

# Where the PSIPRED V4 programs have been installed
set execdir = ./bin

# Where the PSIPRED V4 data files have been installed
set datadir = ./data

改为:

# The name of the BLAST data bank
set dbname = /feagen/uniref/uniref50/uniref50

# Where the NCBI programs have been installed
set ncbidir = /var/www/cgi-bin/blast-2.2.26/bin

# Where the PSIPRED V4 programs have been installed
set execdir = /var/www/cgi-bin/psipred/bin

# Where the PSIPRED V4 data files have been installed
set datadir = /var/www/cgi-bin/psipred/data

4. 安装spineX

spineX的压缩包可以到http://sparks.informatics.iupui.edu/上下载,下载完成后,解压并进行如下配置:

tar -zxvf spineXpublic.tgz
cd spineXpublic
vim spX.pl

到指定行修改脚本文件,89行,指定blast安装路径:

$blastdir = '/var/www/cgi-bin-diffuser/blast-2.2.26';

108行,修改数据库路径:

system("$blastdir/bin/blastpgp -d /feagen/uniref/uniref50/uniref50 -j 3 -i $infl -Q $tmprf -a 4 > $workdir/_tmp2.$irnd")==0 or die " Aborting(spineX): Can't do psiblast\n";

128行,删除缓存文件:

system("rm -r $workdir")==0 or print "Couldn't remove temp. dir. $workdir\n";

php页面不能被解析成网页,而是直接显示了页面代码

Overview

之前安装过很多次的phpMyAdmin,但最近一次安装时,出现了一个之前从来没遇到的问题:访问phpMyAdmin时,主页的php页面会被不能被解析成网页,而是直接显示了页面代码。

问题描述

文字描述已经比较清楚了,就不截图了。如果想看截图,参考 phpmyadmin showing php script [duplicate]

对比之前的安装流程,发现这次安装Apache2时,php还没装(这个一般装Ubuntu系统时都会自动装上,这次居然没装,所以才会碰到这么少见的错误),所以php是在Apache2后面安装的。这样的问题在于,当Apache2安装时,没有检测到系统有php,所以就以为用户安装Apache2不是为了运行php网站(尽管Apache2最常见的应用就是做php网站容器,但实际上可以用作多种语言网站的容器,比如perlCGI程序,但需要手动配置添加专门的模块,使Apache2支持perlCGI程序,不然你通过Apache2访问你的perl页面,也会被直接显示为代码,而不是页面,参见配置Apache2服务器以CGI方式运行Perl程序),也就没有安装配置支持php的模块。

解决方案

  • 先安装php,再安装Apache2,这样Apache2安装时,会检测到php,然后自动安装配置好支持php网站的模块。

  • 如果不幸顺序反了(后面又发现,好像跟顺序无关,还是有可能报这个错误 =。=),那使用下面的命令手动给Apache2安装支持php的模块

    先用下面的命令看看你装的php版本:

    php --version
    

    出现下面的信息:

    PHP 7.0.32-0ubuntu0.16.04.1 (cli) ( NTS )
    Copyright (c) 1997-2017 The PHP Group
    Zend Engine v3.0.0, Copyright (c) 1998-2017 Zend Technologies
        with Zend OPcache v7.0.32-0ubuntu0.16.04.1, Copyright (c) 1999-2017, by Zend    Technologies
    

    如果你装的是php 7.0,那通过下面的命令

    sudo apt-get install libapache2-mod-php7.0
    

    然后重启Apache2

    sudo service apache2 restart
    

    就可以了。

参考文献

在Ubuntu 16.04的R语言环境中通过安装KerasR包使用Keras深度学习框架

Overview

因为想尝试一些深度学习模型,就用Keras开始建模(为什么使用Keras?)。而且由于之前使用的极其模型都是基于R语言的,所以我们依然尝试使用R语言版本的Keras来训练深度学习模型。

KerasR语言接口

Keras本身就是一个基于TensorflowTheano以及CNTK编写的纯Python框架,因为方便易用,所以使用广泛,为了让R语言开发者也能在R中使用KerasTaylor Arnold写了kerasR包,而RStudio公司开发了keras包,关于这两个包的区别,参见keras: Deep Learning in R

这里我使用kerasR包为例,在Ubuntu 16.04的R中安装Keras,并提供一些链接进一步学习使用kerasRKeras

安装过程

安装pip

pip是一个很方面易用的Python包管理工具,使用pip``可以很方便地安装TensorflowKeras`。
使用下面的命令安装:

sudo apt-get install python-pip

默认你已经安装了Python,如果没装Python,使用下面的命令一起装了:

sudo apt-get install python-pip python-dev build-essential 

安装之后查看pip的版本信息:

pip -V

想要升级pip

sudo pip install --upgrade pip 

注意:装了最新版本的pip(或者是升级到最新版本的pip),可能会报错,参考Python包管理软件pip更新后报错

安装Tensorflow

因为Keras本身是Tensorflow运行的机器学习框架,所以安装Keras之前先安装Tensorflow

sudo pip install tensorflow

这里我是用了系统权限sudo,如果没有系统权限,也可以不用。
如果想安装指定版本的Tensorflow,可以用下面的命令安装:

sudo pip install tensorflow==1.2.1

如果想安装GPU版本的Tensorflow,可以用下面的命令安装:

sudo pip install tensorflow-gpu

在安装Tensorflow的过程中可能会报类似于下面的错误:

Cannot uninstall 'enum34'. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall.

这是因为安装Tensorflow需要安装enum34,在安装enum34时需要删除旧的enum34。而在删除旧的enum34时,版本依赖多,不能系统清晰的删除。所以需要手动安装enum34并忽略已经安装的版本:

sudo pip install nibabel --ignore-installed nibabel

然后重新安装Tensorflow就可以了。

安装Keras

sudo pip install keras

安装成功后,打开python命令行,导入一下Tensorflow

>>> import keras as kr
Using TensorFlow backend.

说明Keras已经装好。

安装kerasR

先打开R语言命令行(最后使用sudo,这样可以将R包安装到系统目录):

sudo R

安装kerasR

install.packages("kerasR")

安装成功后,导入kerasR,并检查状态:

library("kerasR")
keras_init()

如果不报错,就说明安装成功。

如果报了类似于下面的错误:

>> keras not available
>> See reticulate::use_python() to set python path, 
>> then use kerasR::keras_init() to retry

就说明要么是KerasTensorflow没装好,要么是R找不到Python的路径。一般来说Python装在系统路径中,不会找不到。以防万一,可以查看下自己的Python路径,手动使用reticulate::use_python()函数加进去。比如在Ubuntu下面,一般是在/usr/bin/python,那就可以用下面的命令安装:

reticulate::use_python("/usr/bin/python")

使用kerasR

安装好之后,可以参考下面的链接来在真实数据集上运行几个例子:

因为kerasR只是Keras的一个R语言接口,所以使用kerasR之前还是要对Keras有一些了解。可以查看下面的链接快速了解Keras

如果想快速上手一些Keras模型,可以查看下面的链接:

参考文献

Python包管理软件pip更新后报错

Overview

今天在服务器(Ubuntu 16.04)使用pip安装深度学习包Keras的时候,发现安装结束之后下面有一行提示小字,大约就是pip有新版本可以更新,使用XXX命令更新,就顺带更新了一下,更新完了pip就不能用了...

问题描述

及时是查看下pip的版本

sudo pip --version

也会报下面的错误:

Traceback (most recent call last):
  File "/usr/bin/pip", line 9, in <module>
    from pip import main
ImportError: cannot import name main

解决方案

差了很多资料,发现是pip新版本的一个bug,跟平台无关,Windows下也会出现这个问题(可以查看这里ImportError: cannot import name main when running pip --version command in windows7 32 bit)。

有3个解决办法:

  1. 直接修复这个bug,算是临时的解决方案。
    vim编辑/usr/bin/pip文件

     sudo vim /usr/bin/pip
    

    可以看到下面的内容

     from pip import main
     if __name__ == '__main__':
         sys.exit(main())
    

    把这部分内容注释掉,换成下面的内容:

    from pip import __main__
    if __name__ == '__main__':
        sys.exit(__main__._main())
    

    重新运行pip,不在报错了。

  2. Windows下的pip安装位置不太熟悉,所以不知道应该在哪里修改这个文件。如果不知道在哪里修改,也可以考虑用python命令讲pip降级到没有bug的版本:

    python -m pip uninstall pip
    python -m pip install pip==9.0.3
    

    这个没试过,不知道行不行。

  3. 也有人说这个bug是由pip的调用方式引起的,在调用pip时,别用:

    pip install <package>
    

    而是改用(python2):

    python -m pip install <package>
    

    或者(python3):

    python3 -m pip install <package>
    

参考文献