找回密码
 立即注册
Qt开源社区 门户 查看内容

Ubuntu 18.04 深度学习环境配置指南:TensorFlow、Keras、PyTorch 简易安装

2019-5-22 15:20| 发布者: admin| 查看: 1649| 评论: 0

摘要: 点击上方“AI有道”,选择“星标”公众号重磅干货,第一时间送达本文转载自机器学习初学者(id:ai-start-com)为避免读者踩坑,本文测试成功了Ubuntu18.04环境下配置深度学习环境:(GPU:NVIDIA TITAN Xp),包括: ...

点击上方“AI有道”,选择“星标”公众号

重磅干货,第一时间送达


本文转载自机器学习初学者(id:ai-start-com)


为避免读者踩坑,本文测试成功了Ubuntu18.04环境下配置深度学习环境:

(GPU:NVIDIA TITAN Xp),包括:

CUDA+CUDNN+TensorFlow1.9+Pytorch1.1的安装和测试。







一、硬件配置


超微塔式服务器

显卡 NVIDIA TITAN Xp *4
内存 128G
CPU 2620V4* 2
电源 1600w *2
硬盘 256G*2+2T*2

二、安装
1.安装Ubuntu
使用U盘进行Ubuntu操作系统的安装:
参考:

https://jingyan.baidu.com/article/a3761b2b66fe141577f9aa51.html
一开始安装选择"Install Ubuntu"回车后过一会儿屏幕如果显示“输入不支持”,这和Ubuntu对显卡的支持有关,在安装主界面的F6,选择nomodeset,就可以进入下一步安装了。
安装过程略,安装镜像下载地址:
ubuntu.com/download/des
下载:ubuntu-18.04.2-desktop-amd64.iso

2.安装ssh
备注:这一步需要到服务器桌面上的命令窗口输入,这一步完成后,就可以用ssh工具远程连接服务器了,本文使用的是XShell。
sudo apt-get install openssh-server
3. 安装NVIDIA TITAN Xp显卡驱动
默认安装的显卡驱动不是英伟达的驱动,所以先把旧得驱动删除掉。
sudo apt-get purge nvidia*
添加Graphic Drivers PPA
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update

查看合适的驱动版本:
ubuntu-drivers devices


图:可用的nvidia 驱动列表

图中可以看出推荐的是最新的430版本的驱动,安装该驱动:

sudo apt-get install nvidia-driver-430
安装完毕后重启机器:
sudo reboot
重启完毕运行
nvidia-smi
看看生效的显卡驱动:



图:生效的显卡驱动

4.安装依赖库

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-devlibgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
5.GCC降低版本
CUDA9.0要求GCC版本是5.x或者6.x,其他版本不可以,需要自己进行配置,通过以下命令才对GCC版本进行修改。


  • 版本安装
# 版本安装:
sudo apt-get install gcc-5
sudo apt-get install g++-5

  • 通过命令替换掉之前的版本
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50

6.安装Anaconda和tensorflow、keras和pytorch

重点:让conda自动安装cuda和cudnn!!!
由于Anaconda可以提供完整的科学计算库,所以直接使用Anaconda来进行相关的安装。
1)安装Anaconda
下载地址:https://www.anaconda.com/download/
这里我们下载Python 3.7 64bit 的linux版本。
安装:
bash Anaconda3-2019.03-Linux-x86_64.sh
2)更改pip和conda为国内的源
由于国内访问pip和conda比较慢,建议更改为国内的源:
a.更改pip的源为阿里云:
mkdir ~/.pip
cat > ~/.pip/pip.conf << EOF
[global]
trusted-host=mirrors.aliyun.com
index-url=https://mirrors.aliyun.com/pypi/simple/
EOF

备注:conda 国内源都封了,不需要更换源了

3)在Anaconda中安装Python3.7的虚拟环境
创建一个Python的虚拟环境
conda create --name tf python=3.7 #创建tf环境
虚拟环境主要命令:
source activate tf #激活tf环境
source deactivate tf #退出tf环境
conda remove --name tf --all #删除tf环境(全部删除)

4)在Anaconda中安装TensorFlow GPU 1.9
conda install tensorflow-gpu==1.9
将会自动安装:
cuda,cudnn以及相关的其他组件

5)使用下列代码测试安装正确性
命令行输入:
source activate tf
python

Python命令下输入以下代码:
import tensorflowas tf
hello= tf.constant('Hello, TensorFlow!')
sess= tf.Session()
print(sess.run(hello))

没有报错就是配置好了。

6)安装Keras
直接在这个虚拟环境中安装:
pip install keras
7)安装Pytorch
直接在这个虚拟环境中安装:
conda install pytorch torchvision -c pytorch
系统会自动安装cuda和cudnn
测试Pytorch是否安装成功:
命令行输入:
source activate tf
python

python命令下输入以下代码:
import torch
print(torch.cuda.is_available())

返回True说明安装成功了。

总结
为避免读者踩坑,本文测试成功了Ubuntu18.04环境下配置深度学习环境包括:CUDA+CUDNN+TensorFlow1.9+Pytorch1.1的安装和测试。

参考
http://blog.csdn.net/weixin_41863685/article/details/80303963

推荐阅读

(点击标题可跳转阅读)

完备的 AI 学习路线,最详细的资源整理!

干货 | 公众号历史文章精选

我的深度学习入门路线

我的机器学习入门路线图


觉得这篇文章有帮助?请转发给更多人

关注 AI有道 加星标,获取最新 AI 干货



最新 AI 干货,我在看❤️

    ----------------------------------------------------------------------------------------------------------------------
    我们尊重原创,也注重分享,文章来源于微信公众号:AI有道,建议关注公众号查看原文。如若侵权请联系qter@qter.org。
    ----------------------------------------------------------------------------------------------------------------------

    鲜花

    握手

    雷人

    路过

    鸡蛋
    
    公告
    可以关注我们的微信公众号yafeilinux_friends获取最新动态,或者加入QQ会员群进行交流:190741849、186601429(已满) 我知道了