基础环境搭建

为方便日常的深度学习模型开发与测试,在自己笔记本上搭建一个深度学习的基础环境,便于学习AI使用。本人使用的笔记本配置是CPU为8代i5,显卡为GTX1060,内存为8G,基本上可满足日常的AI研究与学习。下面将介绍基础环境的搭建配置过程:

1、安装Ubuntu 18.04

(1)安装操作系统

从Ubuntu官网上下载最新的Ubuntu 18.04 LTS版本的IOS文件,然后使用Image Writer等工具,将IOS文件写入到U盘里面。

重启电脑,在BIOS里面设置第一启动顺序为U盘,保存启动,进入到Ubuntu操作系统的安装界面,按照操作指引一步一步进行安装,安装过程比较简单,在此就不再赘述。

【注意】由于本人笔记本上的内存并不大(只有8G),为了满足后续的模型训练需要,在安装操作系统时,将交换区设置得大一些,例如8G或16G,以防模型训练时读取大量样本导致内存溢出。当然,能加个内存条那就更好,土豪请随意

(2)安装显卡驱动

安装Ubuntu后默认安装的是开源版本的显卡驱动,为了后续能够在使用tensorflow-gpu时能更好地发挥GPU的性能,推荐安装NVIDIA官方版本的驱动。

在Ubuntu里面,打开“软件和更新”,点击里面的“附加驱动”标签页,选择使用NVIDIA driver,然后点击“应用更改”进行官方驱动的安装,安装后重启电脑即可。

重启电脑后,只要在电脑的设备信息里面看到“图形”是显示了GTX 1060,则说明NVIDIA官方显卡驱动安装成功了。

【注意】在安装NVIDIA的官方驱动时,最初是在官网上下载Cuda、Cudnn安装文件手动进行安装,安装成功了,但却无法加载驱动。后来通过在Ubuntu的“软件和更新”安装官方驱动,才顺利解决,而且安装也方便。

2、安装Anaconda

由于后续在使用tensorflow建模时主要使用Python语言,因此,在这里选用了当前非常流行的Python发行版本:Anaconda。Anaconda集成了大量的科学计算包,能根据需要自动下载安装软件包和相应的依赖包(p.s.这也是比pip先进之处,pip无法管理依赖包的问题)。

另外,使用Anaconda还能创建虚拟环境,这样就能很方便地在同个电脑上使用Python 2.x、Python 3.x,tensorflow-cpu、tensorflow-gpu,相互之间不受影响,非常方便。

(1)下载

从Anaconda官网(https://www.continuum.io/downloads)上下载安装包,选择Linux系统,安装基于Python 3.6版本

(2)安装

对下载的文件授予可执行权限,然后进行安装

当询问是否把Anaconda的bin添加到用户的环境变量中,选择yes

(3)创建虚拟环境

使用conda create命令创建虚拟环境到指定路径,并指定Python版本,同时可以将需要一起安装的包也一起指定。下面创建一个名为tensorflow的虚拟环境,指定使用Python 3.6版本,并在虚拟环境中安装numpy、scipy、matplotlib、jupyter等软件包,命令如下:

其中-n指定虚拟环境的名称

默认安装的路径位于anaconda安装目录下的envs文件夹里面,也可以使用—prefix参数来重新指定虚拟环境路径

如果要创建第二个虚拟环境,只需使用不同的名称即可,例如创建一个名为tensorflow2,指定使用Python 2.7版本,则命令如下:

如果要查看有哪些虚拟环境,则执行以下命令:

【注意】如果在创建conda虚拟环境时没有指定python的版本,则默认是使用anaconda安装目录下bin中的python版本。为了实现虚拟环境的隔离,必须指定python版本

(4)配置conda国内镜像源

为了提升conda的安装软件包时的下载速度,建议对conda配置国内的镜像源(清华大学conda镜像源),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

如果要切回默认源,则执行

【注意】网上很多配置conda国内镜像源的教程都只写着只配置清华大学conda的free镜像

(https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/),但该源的很多软件包并不是最新版本,为了能更新最新版本,再指定一个清华大学conda的main镜像

(https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/),这样就能安装、更新最新版本的软件了

(5)激活虚拟环境

创建好conda虚拟环境后,在使用之前必须先进行激活。下面激活刚创建的tensorflow虚拟环境,命令如下:

如果要注销退出当前的虚拟环境,则执行命令:

非常方便

3、安装tensorflow-gpu

为了提升AI模型的训练效率,安装使用tensorflow-gpu进行模型训练。

激活进入刚才创建的tensorflow的conda虚拟环境

然后使用以下命令安装tensorflow-gpu

conda将会检测tensorflow-gpu的最新版本以及相关的依赖包,包括调用NVIDIA显卡所需要的Cuda、Cudnn等依赖环境,都会自动按顺序进行安装,非常方便吧。

如果需要升级tensorflow-gpu的版本,则执行以下命令进行更新

【注意】并不是所有软件包都能直接安装,有一些需要指定安装源,例如做AI中经常会用到的OpenCV便是无法直接安装的,需要指定安装源,命令如下:

4、安装PyCharm

PyCharm是一个优秀的Python开发IDE环境,特别是还提供了社区版可以免费使用,简直是业界良心啊!

(1)安装PyCharm

在Ubuntu里面安装PyCharm非常简单,在Ubuntu软件商城里面搜索“pycharm”,然后选择社区版“PyCharm CE”进行安装即可,非常方便。

(2)在PyCharm中使用conda虚拟环境

为了能够在PyCharm中使用我们自己创建的conda虚拟环境,需要进行下配置。在Pycharm的 Files >> settings >> Project Interpreter >> Add local 里面添加刚才创建的conda虚拟环境的目录下所在的Python 3.6程序,应用之后就可以使用我们自己使用的虚拟环境了,如下图所示:

至此,“AI实战”的基础环境搭建就已全部配置完成了。

后面将陆续推出更多AI实战内容,敬请留意。

  • 发表于:
  • 原文链接:https://kuaibao.qq.com/s/20180809G02CQD00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券