深度學習環境配置

1、NVIDIA顯卡驅動安裝

• 在驅動安裝之前，你的計算機搭載了一張GPU算力超過3.5的獨立顯卡，如果沒有獨立顯卡，直接跳到步驟4
• GPU（Graphics Processing Unit，圖像處理器）是顯卡的核心組成部分，能夠執行復雜的計算，所以成爲進行深度學習的首選處理器。
• 深度學習的計算量非常大，以一張像素大小爲200✖40的彩色圖片爲例，它的輸入數據量爲200✖40✖3=24000，其中3代表RGB通道數量。假如訓練樣本的數量爲20000，那麼計算量就是480000000（4.8億）；
• GPU的計算能力稱爲算力，可以在NVIDIA官網查看NVIDIA GeForce系列部分產品的算力；
• 安裝

# 將顯卡驅動加入PPA源並且更新軟件列表
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
# 查找NVIDIA顯卡驅動的最新版本號
sudo apt-cache search nvidia
# 查看系統推薦的顯卡驅動
ubuntu-drivers devices

• 打開系統中的軟件和更新，選擇版本號大於等於CUDA版本號對應的的顯卡驅動，切換到”附加驅動“，修改對應驅動，重啓計算機
• 重啓計算機後，找到列表中的設置>詳細信息>About>圖形與計算機GPU信息一致，則安裝成功

2、CUDA Toolkit的安裝

• CUDA Toolkit 爲創建高性能GPU加速應用程序提供了開發環境；
• 下載對應版本的CUDA Toolkit，然後輸入命令：

# 運行安裝文件
sudo sh cuda_10.2.89_440.33.01_linux.run
# 在環境變量配置CUDA，並添加配置內容
sudo nano ~/.bashrc
# 以下爲文件需要添加的內容
export PATH=/usr/local/cuda/bin:$PATH  
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64:${LD_LIBRARY_PATH:${LD_LIBRARY_PATH}}
# 啓用新的環境變量
source ~/.bashrc
# 輸入命令查看顯卡信息
nvidia-smi

3、cuDNN的安裝

• cuDNN（深度神經網絡）用於給深度神經網絡的GPU加速，讓深度學習研究人員和框架開發人員專注於訓練和開發，而不是將時間花在GPU的性能調優上；
• 在下載cuDNN之前，需要在NVIDIA開發者平臺進行註冊，完成註冊並登錄後才能訪問下載頁面。
• 下載時必須根據CUDA Toolkit 版本下載cuDNN壓縮包，選擇cuDNN Library for linux即可
• 根據cuDNN安裝說明進行安裝

tar -xzvf cudnn-10.2-linux-x64-v7.6.5.32.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

• 驗證安裝：

nvcc -v

4、深度學習PyTorch庫

• 點擊安裝PyTorch是使用GPU和CPU優化的深度學習張量庫；
• linux安裝PyTorch庫

pip install torch==1.4.0+cpu torchvision==0.5.0+cpu -f https://download.pytorch.org/whl/torch_stable.html

• 使用Python代碼驗證PyTorch是否安裝成功，輸出結果是True或False僅代表GPU是否可用，如無報錯，均說明PyTorch庫已成功安裝

import torch
torch.cuda.is_available()

5、深度學習框架Darknet

• Darknet是一個用C語言編寫的開源神經網絡框架，易於安裝且運行速度非常快，同時支持CPU和GPU計算；
• linux安裝如下；

git clone https://github.com/pjreddie/darknet.git

• 克隆完成後，進入Darknet項目目錄darknet，並打開makefile文件，將第一行的GPU=0修改爲GPU=1。這裏更改GPU選項是爲了讓Darknet在訓練時使用GPU進行加速計算。
  
• 接着使用make命令編譯安裝，如果沒有報錯，就代表順利完成編譯
  
• 驗證安裝：

./darknet

6、圖片標註工具Labellmg

• Labellmg是一個用Python語言編寫的圖像標註工具，其圖像和標註結果可以用於對目標檢測模型進行訓練，標註結果會以PASCAL VOC格式保存爲XML文件
• linux下安裝：

sudo apt-get install pyqt5-dev-tools
git clone https://github.com/tzutalin/labelImg.git
cd labelImg
pip install -r requirements/requirements-linux-python3.txt
make qt5y3

• 驗證安裝，如果終端輸出如下內容，則安裝成功：

pyrcc5 -0 resources.py resources.qrc

• 編譯成功後，使用LabelImg

python labelImg.py