爲方便日常的深度學習模型開發與測試,在自己筆記本上搭建一個深度學習的基礎環境,便於學習AI使用。本人使用的筆記本配置是CPU爲8代i5,顯卡爲GTX1060,內存爲8G,基本上可滿足日常的AI研究與學習。下面將介紹基礎環境的搭建配置過程:
1、安裝Ubuntu 18.04
(1)安裝操作系統
從Ubuntu官網上下載最新的Ubuntu 18.04 LTS版本的IOS文件,然後使用Image Writer等工具,將IOS文件寫入到U盤裏面。
重啓電腦,在BIOS裏面設置第一啓動順序爲U盤,保存啓動,進入到Ubuntu操作系統的安裝界面,按照操作指引一步一步進行安裝,安裝過程比較簡單,在此就不再贅述。
注意:由於本人筆記本上的內存並不大(只有8G),爲了滿足後續的模型訓練需要,在安裝操作系統時,將交換區設置得大一些,例如8G或16G,以防模型訓練時讀取大量樣本導致內存溢出。當然,能加內存條那就更好,土豪請隨意。
(2)安裝顯卡驅動
安裝Ubuntu後默認安裝的是開源版本的顯卡驅動,爲了後續能夠在使用tensorflow-gpu時能更好地發揮GPU的性能,推薦安裝NVIDIA官方版本的驅動。
在Ubuntu裏面,打開“軟件和更新”,點擊裏面的“附加驅動”標籤頁,選擇使用NVIDIA driver,然後點擊“應用更改”進行官方驅動的安裝,安裝後重啓電腦即可。
重啓電腦後,只要在電腦的設備信息裏面看到“圖形”是顯示了GTX 1060,則說明NVIDIA官方顯卡驅動安裝成功了。
【注意】在安裝NVIDIA的官方驅動時,最初是在官網上下載Cuda、Cudnn安裝文件手動進行安裝,安裝成功了,但卻無法加載驅動。後來通過在Ubuntu的“軟件和更新”安裝官方驅動,才順利解決,而且安裝也方便。
2、安裝Anaconda
由於後續在使用tensorflow建模時主要使用Python語言,因此,在這裏選用了當前非常流行的Python發行版本:Anaconda。Anaconda集成了大量的科學計算包,能根據需要自動下載安裝軟件包和相應的依賴包(p.s.這也是比pip先進之處,pip無法管理依賴包的問題)。另外,使用Anaconda還能創建虛擬環境,這樣就能很方便地在同個電腦上使用Python 2.x、Python 3.x,tensorflow-cpu、tensorflow-gpu,相互之間不受影響,非常方便。
(1)下載
從Anaconda官網(https://www.continuum.io/downloads)上下載安裝包,選擇Linux系統,安裝基於Python 3.6版本
(2)安裝
對下載的文件授予可執行權限,然後進行安裝
bash Anaconda3-5.2.0-Linux-x86_64.sh
當詢問是否把Anaconda的bin添加到用戶的環境變量中,選擇yes
(3)創建虛擬環境
使用conda create命令創建虛擬環境到指定路徑,並指定Python版本,同時可以將需要一起安裝的包也一起指定。下面創建一個名爲tensorflow的虛擬環境,指定使用Python 3.6版本,並在虛擬環境中安裝numpy、scipy、matplotlib、jupyter等軟件包,命令如下:
conda create –n tensorflow python=3.6 numpy scipy matplotlib jupyter
其中-n指定虛擬環境的名稱
默認安裝的路徑位於anaconda安裝目錄下的envs文件夾裏面,也可以使用—prefix參數來重新指定虛擬環境路徑
如果要創建第二個虛擬環境,只需使用不同的名稱即可,如果創建一個名爲tensorflow2,指定使用Python 2.7版本,則命令如下:
conda create –n tensorflow2 python=2.7
如果要查看有哪些虛擬環境,則執行以下命令:
conda info -envis
【注意】如果在創建conda虛擬環境時沒有指定python的版本,則默認是使用anaconda安裝目錄下bin中的python版本。爲了實現虛擬環境的隔離,必須指定python版本
(4)配置conda國內鏡像源
爲了提升conda的安裝軟件包時的下載速度,建議對conda配置國內的鏡像源(清華大學conda鏡像源),配置方式如下:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
如果要切回默認源,則執行
conda config –remove-key channels
【注意】網上很多配置conda國內鏡像源的教程都只寫着只配置清華大學conda的free鏡像(https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/),但該源的很多軟件包並不是最新版本,爲了能更新最新版本,再指定一個清華大學conda的main鏡像(https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/),這樣就能安裝、更新最新版本的軟件了。
(5)激活虛擬環境
創建好conda虛擬環境後,在使用之前必須先進行激活。下面激活剛創建的tensorflow虛擬環境,命令如下:
conda source activate tensorflow
如果要註銷退出當前的虛擬環境,則執行命令:
conda source deactivate tensorflow
非常方便
3、安裝tensorflow-gpu
爲了提升AI模型的訓練效率,安裝使用tensorflow-gpu進行模型訓練。
激活進入剛纔創建的tensorflow的conda虛擬環境
conda source activate tensorflow
然後使用以下命令安裝tensorflow-gpu
conda install tensorflow-gpu
conda將會檢測tensorflow-gpu的最新版本以及相關的依賴包,包括調用NVIDIA顯卡所需要的Cuda、Cudnn等依賴環境,都會自動按順序進行安裝,非常方便吧。
如果需要升級tensorflow-gpu的版本,則執行以下命令進行更新
conda upgrade tensorflow-gpu
注意:並不是所有軟件包都能直接安裝,有一些需要指定安裝源,例如做AI中經常會用到的OpenCV便是無法直接安裝的,需要指定安裝源,命令如下:
conda install --channel https://conda.anaconda.org/menpo opencv3
4、安裝PyCharm
PyCharm是一個優秀的Python開發IDE環境,特別是還提供了社區版可以免費使用,業界良心啊!
(1)安裝PyCharm
在Ubuntu裏面安裝PyCharm非常簡單,在Ubuntu軟件商城裏面搜索“pycharm”,然後選擇社區版“PyCharm CE”進行安裝即可,非常方便。
(2)在PyCharm中使用conda虛擬環境
爲了能夠在PyCharm中使用我們自己創建的conda虛擬環境,需要進行下配置。在Pycharm的Files>>settings>>Project Interpreter>>Add local 裏面添加剛纔創建的conda虛擬環境的目錄下所在的Python 3.6程序,應用之後就可以使用我們自己使用的虛擬環境了,如下圖所示:
至此,“AI實戰”的基礎環境搭建就已全部配置完成了。
後面將陸續推出更多AI實戰內容,敬請留意。
推薦相關閱讀
- 【AI實戰】快速掌握TensorFlow(一):基本操作
- 【AI實戰】快速掌握TensorFlow(二):計算圖、會話
- 【AI實戰】快速掌握TensorFlow(三):激勵函數
- 【AI實戰】快速掌握TensorFlow(四):損失函數
- 【AI實戰】搭建基礎環境
- 【AI實戰】訓練第一個模型
- 【AI實戰】編寫人臉識別程序
- 【AI實戰】動手訓練目標檢測模型(SSD篇)
- 【AI實戰】動手訓練目標檢測模型(YOLO篇)
- 【精華整理】CNN進化史
- 大話卷積神經網絡(CNN)
- 大話循環神經網絡(RNN)
- 大話深度殘差網絡(DRN)
- 大話深度信念網絡(DBN)
- 大話CNN經典模型:LeNet
- 大話CNN經典模型:AlexNet
- 大話CNN經典模型:VGGNet
- 大話CNN經典模型:GoogLeNet
- 大話目標檢測經典模型:RCNN、Fast RCNN、Faster RCNN
- 大話目標檢測經典模型:Mask R-CNN
- 27種深度學習經典模型
- 淺說“遷移學習”
- 什麼是“強化學習”
- AlphaGo算法原理淺析
- 大數據究竟有多少個V
- Apache Hadoop 2.8 完全分佈式集羣搭建超詳細教程
- Apache Hive 2.1.1 安裝配置超詳細教程
- Apache HBase 1.2.6 完全分佈式集羣搭建超詳細教程
- 離線安裝Cloudera Manager 5和CDH5(最新版5.13.0)超詳細教程
歡迎關注本人的微信公衆號“大數據與人工智能Lab”(BigdataAILab),獲取更多信息