深度学习环境配置有哪些坑？

深度学习第一问是关于环境配置的。之前笔者也在深度学习60讲系列中讲到如何配置深度学习开发环境的问题：深度学习笔记15：ubuntu16.04 下深度学习开发环境搭建与配置。但环境配置并不是一路顺利的，总有些奇奇怪怪的问题让人头疼，所以，在第一问中笔者选取了几个典型的环境配置的错误供大家参考。

1. 特别注意cuda、cudnn、cuda driver和cudatoolkit的版本

cuda是nvidia推出的用于自家GPU的并行计算框架，也就是说cuda只能在nvidia的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥cuda的作用。

cudnn是nvidia打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，cudnn不是必须的，但是一般会采用这个加速库。

cuda driver即cuda驱动器，是用来支持cuda运行的必备程序。而cudatoolkit则是cuda相关的工具包。

以上四者之间必须有个版本对应和匹配的问题。有时候安装keras GPU版本的时候会默认安装cudatoolikit 10.0，这时候如果你cuda是9.0的版本的话，一般会报个CUDA driver version is insufficient for CUDA的错误。如下所示：

这时候你可能需要降低cudatoolkit的版本：

conda install cudatoolkit==9.0

还有一种常见的错误是cuda driver的驱动器跟cuda不匹配。执行nvidia-smi命令会出现如下图错误：

Failed to initialize NVML: Driver/library version mismatch

nvidia官方给出了cuda和cuda driver之间版本对应关系：

在版本不匹配时，适当降低或者更新驱动器版本即可。另外驱动器版本更新之后可能需要重启系统，当然通过如下方法不用重启也可以更新版本。首先尝试删除nvidia相关的kernel mod。

sudo rmmod nvidia

当然这里一般会报个Module nvidia is in use by的错误。不碍事，我们先查看下kernel mod 的依赖情况：

ls mod | grep nvidia

根据根据结果逐一rmmod即可。

sudo rmmod nvidia_uvm
sudo rmmod nvidia_modeset

最后再rmmod nvidia即可达到驱动器更新效果。

sudo rmmod nvidia
nvidia-smi

还有一种报错是cudnn版本不匹配的问题：

此时直接更新cudnn版本即可。

2. 使用Python虚拟环境时要注意的坑

一般来说，大家在共用实验室GPU服务器的时候为了避免环境污染都会各自建好虚拟环境，在虚拟环境下进行各自的深度学习实验。有些同学喜欢使用jupyter进行交互式实验，或者是使用ipython，这时候你要注意虚拟环境下的ipython和jupyter版本是跟系统全局环境是一致的，跟你当前虚拟环境的python版本不一定一致。举个例子，假设你的系统全局环境的tensorflow是1.13.1版本，当你在虚拟环境下安装的是tensorflow1.14版本，你虚拟环境下的jupyter tensorflow版本不是1.14，而是1.13.1。这一点大家需要注意。

想要在虚拟环境下使用当前环境的jupyter或者ipython会比较麻烦，首先需要卸载系统全局环境下的jupyter和ipython，卸载起来会比较麻烦，具体过程可参考stackoverflow：

https://stackoverflow.com/questions/37061089/trouble-with-tensorflow-in-jupyter-notebook?rq=1

3. 验证TensorFlow/Keras/Torch版本是否支持GPU

虽说按部就班的配环境好像也没啥大问题，但要想让你的TensorFlow和Torch顺利用上GPU跑起来并不是一件那么顺利的事。此时，直接使用nvidia-smi命令并不能表明TensorFlow就能顺利用上GPU。

比如说我们用Keras跑模型时指定了GPU，有时候会报如下错误：

一方面，你的机器可能确实没有那么多GPU，另外一种可能就是你没有安装支持GPU的TensorFlow或者Keras版本。这时候我们可以先来验证下当前的TensorFlow或Keras是否支持GPU。

先来看TensorFlow：

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

如果输出结果有类似上述包含GPU的信息，那说明你的tensorflow是支持GPU的。再看keras：

from keras import backend as K
print(K.tensorflow_backend._get_available_gpus())

如果能输出下述包含GPU的信息的话那说明当前的keras版本也是支持GPU的。

Torch的话安装到时候一般都会根据官网的配置要求来：

一般安装后输入下列命令即可：

import torch
torch.cuda.is_available()

如果输出为True的话则表明当前的torch是支持GPU加速的。

如果你没有得到上述的输出结果，那么需要重新安装带gpu版本的tensorfow或者keras：

pip install tensorflow-gpu
conda install keras-gpu

按照上述过程下来一般就会顺利配置好各深度学习框架版本。

4. 免费的GPU资源

最后，如果大家没有GPU资源又或者嫌配置太糟心，我们还是有免费的GPU可以褥的。一个是谷歌的colab，自动支持GPU，大家可以直接去褥。另外一个是kaggle竞赛平台的kernel，里面也是提供GPU算力的。

colab目前提供的GPU已经由之前K80升级到了Tesla T4：

kaggle提供的则是Tesla P100：

大家可以自行去褥。当然前提可能是大家需要一点点访问外国网站的方法。

colab地址：

https://colab.research.google.com/notebooks/

kaggle地址：

https://www.kaggle.com/

nvidia官方文档地址：

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html