爲方便日常的深度學習模型開發與測試，本人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
