文档章节

【AI实战】基础环境搭建(Ubuntu+conda+tensorflow+GPU+PyCharm)

雪饼
 雪饼
发布于 08/08 23:56
字数 2192
阅读 1665
收藏 7

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

bash Anaconda3-5.2.0-Linux-x86_64.sh

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:

conda create –n tensorflow python=3.6 numpy scipy matplotlib jupyter

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,如果创建一个名为tensorflow2,指定使用Python 2.7版本,则命令如下:

conda create –n tensorflow2 python=2.7

如果要查看有哪些虚拟环境,则执行以下命令:

conda info -envis

【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

conda config –remove-key channels

【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:

conda source activate tensorflow

如果要注销退出当前的虚拟环境,则执行命令:

conda source deactivate tensorflow

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

conda source activate tensorflow

然后使用以下命令安装tensorflow-gpu

conda install 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

conda upgrade tensorflow-gpu

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:

conda install --channel https://conda.anaconda.org/menpo opencv3

 

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,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。

 

推荐相关阅读

 

欢迎关注本人的微信公众号“大数据与人工智能Lab”(BigdataAILab),获取更多信息

© 著作权归作者所有

共有 人打赏支持
雪饼

雪饼

粉丝 197
博文 48
码字总数 94669
作品 0
广州
私信 提问
加载中

评论(1)

【AI实战】快速掌握TensorFlow(二):计算图、会话

在前面的文章中,我们已经完成了AI基础环境的搭建(见文章:Ubuntu + Anaconda + TensorFlow + GPU + PyCharm搭建AI基础环境),以及初步了解了TensorFlow的特点和基本操作(见文章:快速掌握...

雪饼
08/20
0
1
【AI实战】训练第一个AI模型:MNIST手写数字识别模型

在上篇文章中,我们已经把AI的基础环境搭建好了(见文章:Ubuntu + conda + tensorflow + GPU + pycharm搭建AI基础环境),接下来将基于tensorflow训练第一个AI模型:MNIST手写数字识别模型。...

雪饼
08/11
0
0
【AI实战】快速掌握Tensorflow(一):基本操作

Tensorflow是Google开源的深度学习框架,来自于Google Brain研究项目,在Google第一代分布式机器学习框架DistBelief的基础上发展起来。Tensorflow于2015年11月在GitHub上开源,在2016年4月补...

雪饼
08/18
0
0
【AI实战】手把手教你训练自己的目标检测模型(SSD篇)

目标检测是AI的一项重要应用,通过目标检测模型能在图像中把人、动物、汽车、飞机等目标物体检测出来,甚至还能将物体的轮廓描绘出来,就像下面这张图,是不是很酷炫呢,嘿嘿 在动手训练自己...

雪饼
08/14
0
0
【AI实战】动手实现人脸识别程序

人脸识别在现实生活中有非常广泛的应用,例如iPhone X的识别人脸解锁屏幕、人脸识别考勤机、人脸识别开门禁、刷脸坐高铁,还有识别人脸虚拟化妆、美颜,甚至支付宝还推出了刷脸支付、建设银行...

雪饼
08/13
0
0

没有更多内容

加载失败,请刷新页面

加载更多

对接比特币钱包的PHP开发包

BtcTool是一个基于第三方服务和离线裸交易实现的PHP比特币应用开发包,适合不希望部署本地 节点旳PHP开发者,开发包主要包含以下特性: 利用第三方服务获取指定地址的utxo集合 离线生成消费裸...

汇智网教程
3分钟前
0
0
【自用】 VHD to VHDX

VHDX: 在VHD 2TB 的基础上提供 64TB的容量。 支持逻辑扇区大小为 4KB,和每块的大小为 256MB,来优化虚拟磁盘性能。 比VHD提供更高的安全性、可靠性和性能。 convert-VHD –path d:\Hyper-v...

Tensor丨思悟
15分钟前
0
0
30 岁转行做Python开发晚吗?而且是零基础

最近有小伙伴问小编,30 岁转行做Python开发晚吗? 小编想说,其实无论男女,只要想学,有这个动力,就直接去行动。无论年龄,无论性别,只要你想一直勇往直前,那么想做的就去做吧~这里有一...

糖宝lsh
26分钟前
7
0
详解Spring中的Profile

前言 由于在项目中使用Maven打包部署的时候,经常由于配置参数过多(比如Nginx服务器的信息、ZooKeeper的信息、数据库连接、Redis服务器地址等),导致实际现网的配置参数与测试服务器参数混淆...

watermelon11
41分钟前
4
0
phper必知必会(二)

  1.说说你对进程,线程以及协程的理解      进程:是系统进行资源分配和调度的基本单位,是基本操作系统结构的基础。进程是程序基本执行的实体。进程与进程之间是独立的,拥有完全独立...

SEOwhywhy
57分钟前
4
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部