个人电脑如何搭建深度学习/机器学习开发环境?

Posted qianxiaolingyun

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了个人电脑如何搭建深度学习/机器学习开发环境?相关的知识,希望对你有一定的参考价值。

硬件信息:

显卡GTX 750Ti + 4核处理器 + 16G内存 + 120G固态 + 500G机械

 

软件信息:

ubuntu16.04:一开始安装的是18.04,NVIDIA官方暂未提供这个版本的driver,安装过程中提示找不带显卡驱动。建议大家不要盲目追求新。

cuda:GPU上的并行计算平台和模型;版本选择cuda-8.0

cudnn:相比标准的cuda,它在一些常用的神经网络操作上进行了性能的优化;版本选择cudnn 6.0

anaconda:一个开源的Python发行版本,其包含了conda、python等180多个科学包及其依赖项;版本选择Anaconda3-4.3.0-Linux-x86_64.sh该版本基于Python 3.6

tensorflow:作为keras的backend,本次安装选择的是GPU版,由于cuda是8.0,建议tensorflow选择tensorflow-gpu==1.4.0

keras:基于Python的深度学习库,是一个高层神经网络API,后端可以选择Tensorflow、Theano以及CNTK。

 

安装步骤:

安装 ubuntu16.04+win7双系统:

在win7上压缩出一个free空间,作为ubuntu系统安装位置。

使用rufus工具将U盘制作为安装ubuntu的系统盘,安装步骤教程有很多。

 

安装 cuda-8.0

技术分享图片

安装:参开图中的installation instruction => sudo sh cuda_8.0.44_linux.run

注意:安装过程中会提示是否安装显卡驱动,选择“否”(n)

检验:nvcc --version这种方法不够准确;建议使用deviceQuery,出现下图信息表示cuda安装成功,Result=PASS

技术分享图片

添加到环境变量:在~/.bashrc最后面加入下面的代码

export PATH="/usr/local/cuda-8.0/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH"

 

安装 cudnn 6.0

将下载的tgz文件解压:sudo tar xvf xxx.tgz

分别将解压后的include、lib64文件夹中的全部文件copy到/usr/local/cuda/include//usr/local/cuda/lib64

重新建立软连接:

cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.6
sudo chmod u=rwx,g=rx,o=rx libcudnn.so.6.0.21
sudo ln -s libcudnn.so.6.0.21 libcudnn.so.6
sudo ln -s libcudnn.so.6 libcudnn.so

 

安装 Anaconda3-4.3.0-Linux-x86_64.sh

直接运行下载后的sh脚本:

bash Anaconda3-4.3.0-Linux-x86_64.sh 

根据提示,敲击enter或输入yes。

检验:一定打开新的终端来使用anaconda

技术分享图片

 

安装tensorflow-gpu

更换pip源:

cd ~
sudo mkdir .pip
cd .pip
sudo touch pip.conf
sudo chmod 777 pip.conf
gedit pip.conf

在打开的pip.conf中加入下面的信息

[global]
index-url = https://pypi.douban.com/simple

更换conda源:

touch ~/.condarc
chmod 777 ~/.condarc
gedit ~/.condarc

在打开的.condarc中加入下面的信息

channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- defaults
show_channel_urls: true

建立conda环境:

conda create -n tensorflow-gpu python=3.6

 激活上一步建立的tensorflow-gpu环境,安装tensorflow-gpu

source activate tensorflow-gpu
pip install tensorflow-gpu==1.4.0

技术分享图片

安装过程中提示更新pip,按照提示操作即可:

技术分享图片

 

安装keras

在tensorflow-gpu环境下,使用pip安装:

pip install keras

技术分享图片

 

 检验tensorflow+keras环境

技术分享图片

 

 

参考文章:

https://blog.csdn.net/Super_jm_/article/details/78397074

https://blog.csdn.net/huang826336127/article/details/78754767

https://blog.csdn.net/gangeqian2/article/details/79358543

以上是关于个人电脑如何搭建深度学习/机器学习开发环境?的主要内容,如果未能解决你的问题,请参考以下文章

干货书搞定机器学习问题,300页pdf带你实战使用机器学习

[AI开发]centOS7.5上基于keras/tensorflow深度学习环境搭建

嵌入式学深度学习:1Pytorch框架搭建

机器学习100天:001 开发环境搭建

机器学习100天:001 开发环境搭建

从零开始搭建深度学习环境