首先,我的服务器分配的IP是10.0.3.153,端口是9380至9389,服务器的域名为ras.sysu.edu.cn
服务器分配设置
有两种方法:
putty
powershell
vnc viewer
至此,你可以通过多种方法登陆到实验室的虚拟机上了
安装要求
在第四步不要按照它的做法,因为国内连不上外面的连接。应当改用conda install tensorflow-gpu==1.3
。此处故意要用低版本的1.3,原因见文末。
第四步
apt-get install libcupti-dev
安装说明
# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
运行结果
在代码中加入以下片段
# Assume that you have 12GB of GPU memory and want to allocate ~4GB:
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
定义一个深度学习模型,通常需要解决3个问题: 1)激活函数,也就是先对于输入神经元的激活值。一般的有 logistic 、tanh、以及ReLU。 2)代价函数。一般学习过程都是优化问题。代价函数一般采用欧式距离。 3)优化策略。最简单的用梯度下降。
深度学习Deep Learning(01)_CNN卷积神经网络
]# vncserver -kill :1 Can't find file /root/.vnc/xxx.xx.xx.xx:1.pid // IP已隐去,用xxx.xx.xx.xx代替 You'll have to kill the Xvnc process manually
/etc/profile
来修改环境变量,但失败了vi /root/.zshrc 在最后一行加上这一段 PATH=/root/anaconda3/bin:$PATH; export PATH 按Esc,再按 : 和 w,q保存退出。激活文件 source /root/.zshrc
-i https://pypi.tuna.tsinghua.edu.cn/simple
import tensorflow as tf
失败 ls /usr/local/cuda/lib64
后,发现lib的版本都低于8.0 比如libcudart.so
,虚拟机只有7.5版本,而tensorflow1.6要求9.0 lib版本
conda install tensorflow-gpu==1.3
,然后就能导入Tensorflow了 成功导入
192.168.0.11
(指南留下的ip配置是192.168.0.1
)。
conda install xxx
而不是pip install xxx
。因为conda是倾向于为特殊环境的包管理服务的,而pip倾向于为整个系统的python包管理服务。