一、windows安裝keras:
只需3步:1、打開Anaconda prompt,輸入conda install mingw libpython,進行下載;
2、輸入conda install theano回車;
3、輸入conda install keras(或者conda install -c conda-forge keras=2.0.2
)回車;
二、安裝OpenCV:
輸入:conda install -c https://conda.anaconda.org/menpo opencv
三、服務器操作:
1、卸載文件:pip uninstall Keras
2、下載文件:pip install Keras==2.1.6 或者 sudo pip install keras 或者 conda install ***
3、如果出現錯誤:Consider using the `--user` option or check the permissions. 就使用:pip install --user Keras==2.1.6
4、本地服務器中打開notebook:jupyter notebook --ip=192.168.2.183 --port=8888
5、服務器重啓:reboot 或者 shutdown -r now 或者 sudo shutdown -r now
sudo shutdown -h now(關閉服務器)
6、刪除anaconda:rm -rf anaconda
7、查看服務器GPU進程信息:nvidia-smi
查看cpu進程:netstat -ntlp
8、殺死進程(釋放內存):kill pid(pid代表的是進程編號)
9、查看nvidia驅動版本:
sudo dpkg --list | grep nvidia-*
;顯示的NVRM version: NVIDIA UNIX x86_64 Kernel Module 的版本:
cat /proc/driver/nvidia/version
10、在linux中運行.sh文件:a、給文件添加權限-----
chmod u+x hello.sh
b、在當前文件的目錄下運行----
./hello.sh # 或 sh hello.sh
11、一般來說著名的linux系統基本上分兩大類:
a、RedHat系列:Redhat、Centos、Fedora等
RedHat 系列:
1 常見的安裝包格式 rpm 包,安裝rpm包的命令是 “rpm -參數”
2 包管理工具 yum
3 支持tar包
b、Debian系列:Debian、Ubuntu等
Debian系列
1 常見的安裝包格式 deb 包,安裝deb包的命令是 “dpkg -參數”
2 包管理工具 apt-get
3 支持tar包
所以Ubuntu不該用yum 該用apt-get
12、服務器後臺運行代碼:
nohup command > myout.file 2>&1 &
command指的是自己需要運行的命令或者代碼,myout.file是自己指定的輸出文件名字,這2個都是人爲設定。
13、複製命令cp:複製目錄爲 dir1 ,目標目錄爲dir2。怎樣才能將dir1下所有文件複製到dir2下了
如果dir2目錄不存在,則可以直接使用
cp -r dir1 dir2
如果dir2目錄已存在,則需要使用
cp -r dir1/. dir2
14、實時查看CPU的使用情況:top
查看CPU信息命令:cat /proc/cpuinfo
查看內存信息命令:cat /proc/meminfo
查看硬盤信息命令:fdisk -l
15、查看磁盤剩餘空間信息:df命令是linux系統以磁盤分區爲單位查看文件系統,命令格式:
df -hl
16、查看單個文件夾大小的命令:
du -sh filename(文件名)
四、linux服務器上配置深度學習環境:
1、下載anaconda3:wget https://repo.continuum.io/archive/Anaconda3-5.1.0-Linux-x86_64.sh #64位系統
2、安裝anaconda3:bash Anaconda3-5.1.0-Linux-x86_64.sh
3、創建運行環境:conda create -n tensorflow python=3.5。tensorflow(這是環境的名稱,可以隨意命名),python=3.5(這是環境裏包含的東西,可以不寫)
4、環境裏下載需用的包:conda install scipy pandas(這是下載scipy、numpy、pandas);conda install jupyter notebook;conda install tensorflow;
5、安裝gpu版的tensorflow: conda install tensorflow-gpu=1.9.0版本號 或者(conda install --channel https://conda.anaconda.org/jjh_cio_testing tensorflow-gpu)或者使用pip下載,注意:同時使用pip和conda,可能會造成多個tensorflow版本,儘量使用同一個工具。
6、刪除環境:conda env remove -n tensorflow
7、安裝Pytorch+torchvision:conda install pytorch torchvision -c pytorch
8、最新版torchtext:pip install https://github.com/pytorch/text/archive/master.zip
9、包的更新操作:pip install requests --upgrade 或者 conda update requests
更新所有庫:conda update --all
更新 conda 自身:conda update conda
更新 anaconda 自身:conda update anaconda
10、返回前一個python環境:conda deactivate;source deactivate 退出當前環境
11、查看所有環境:conda info --envs
12、在本地的conda裏已經有一個AAA的環境,我想創建一個新環境跟它一模一樣的叫BBB:conda create -n BBB --clone AAA
13、保存和加載環境:使用 conda env export > environment.yaml
將包保存爲 YAML,要通過環境文件創建環境,請使用 conda env create -f environment.yaml
14、複製已有環境:
conda create -n tf --clone rcnn 創建tf環境並複製rcnn的環境
15、環境的導入導出(yml文件):
首先激活進入環境中,然後導出環境到yml文件, 文件名爲 tf.yml
conda env export --file tf.yml
將yml文件複製到B機器中,執行以下命令導入:
conda env create -f d:\tf.yml