文章出處：深度學習筆記11：利用numpy搭建一個卷積神經網路

免費視頻課程：Hellobi Live | 從數據分析師到機器學習(深度學習)工程師的進階之路

深度學習大多用來處理圖片、語言、視頻和文本等大量非結構化數據，因而計算資源是進行深度學習開發的必要條件，想依靠windows單機玩深度學習恐怕不現實，基於linux和 gpu伺服器的深度學習開發環境配置就顯得尤為重要了。本節筆記就先學習下如何在 ubuntu16.04 系統下配置深度學習開發環境。

使用 xshell linux虛擬機工具

使用 xshell 工具創建與linux伺服器的連接，設置好主機地址和埠號，輸入登錄名和密碼連上伺服器。

下載和更新顯卡驅動

先查看本機當前顯卡信息：

ubuntu-drivers devices

依次執行下述命令：

sudo apt-get purge nvidia*

sudo add-apt-repository ppa:graphics-drivers/ppasudo apt-get update sudo apt-get install nvidia-384 nvidia-settings

之後重啟伺服器使更新生效

sudo shutdown -r now

重新連接伺服器後查看當前的生效的顯卡驅動

nvidia-smi

安裝CUDA8

以CUDA8為例進行安裝，CUDA是NVIDIA推出的用於自家GPU的並行計算框架，也就是說CUDA只能在NVIDIA的GPU上運行，而且只有當要解決的計算問題是可以大量並行計算的時候才能發揮CUDA的作用。安裝CUDA的話首先必須去 Nvidia 官網下載對應的CUDA安裝包：

developer.nvidia.com/cu

選擇 cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb 進行下載：

然後運行下列命令進行安裝：

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-cublas-performance-update_8.0.61-1_amd64.deb

sudo apt-get updatesudo apt-get upgrade cuda

安裝完成之後在 ~/.bashrc 中設置CUDA的環境變數：

export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}export CUDA_HOME=/usr/local/cuda

完了之後運行 source ~/.bashrc 生效。再次運行 nvidia-smi 查看驅動信息如若報驅動不匹配的錯誤：

Failed to initialize NVML: Driver/library version mismatch

這個問題出現的原因是kernel mod 的 Nvidia driver 的版本沒有更新，一般情況下，重啟機器就能夠解決，如果因為某些原因不能夠重啟的話，也有辦法reload kernel mod。依次執行下述命令即可解決：

lsmod | grep nvidia

sudo rmmod nvidia_drm

sudo rmmod nvidia_modesetsudo rmmod nvidia_uvmsudo rmmod nvidiasudo lsof /dev/nvidia*lsmod | grep nvidia

最後再次輸入 nvidia-smi即可查看到當前的驅動信息。

安裝cuDNN6.0

cuDNN（CUDA Deep Neural Network library）是NVIDIA打造的針對深度神經網路的加速庫，是一個用於深層神經網路的GPU加速庫。如果你要用GPU訓練模型，cuDNN不是必須的，但是一般會採用這個加速庫。CUDA8.0的最佳匹配的cuDNN版本為6.0，所以我們到nvidia官網下載cuDNN6.0即可。但目前下載cuDNN需要註冊nvidia賬號才可下載，可能需要多費些周折。

下載完成後按照下列命令進行解壓縮和安裝：

tar -zxvf cudnn-8.0-linux-x64-v6.0.tgz

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d

安裝 anaconda 並創建虛擬環境

下載anaconda 的 linux版本：

wget https://repo.anaconda.com/archive/Anaconda3-5.2.0-Linux-x86_64.sh

執行bash命令進行安裝：

bash Anaconda3-5.1.0-Linux-x86_64.sh

安裝完成後創建 anaconda 虛擬環境：

conda install -n 虛擬環境名稱

啟動虛擬環境：

source activate 虛擬環境名稱

退出虛擬環境：

source deactivate 虛擬環境名稱

安裝深度學習主要計算框架

安裝 tensorflow：

pip install tensorflow-gpu==版本號

安裝keras:

pip install keras==版本號安裝pytorch:conda install pytorch==版本號

再安裝一些其他的常用庫即可搭建好深度學習開發環境。

註：本深度學習筆記系作者學習 Andrew NG 的 deeplearningai 五門課程所記筆記，其中代碼為每門課的課後assignments作業整理而成。

參考資料：

52nlp.cn/%E6%B7%B1%E5%B

往期精彩：

深度學習筆記14：CNN經典論文研讀之Le-Net5及其Tensorflow實現

深度學習筆記13：Tensorflow實戰之手寫mnist手寫數字識別

深度學習筆記12：卷積神經網路的Tensorflow實現

深度學習筆記11：利用numpy搭建一個卷積神經網路

深度學習筆記10：三維卷積、池化與全連接

深度學習筆記9：卷積神經網路（CNN）入門

深度學習筆記8：利用Tensorflow搭建神經網路

深度學習筆記7：Tensorflow入門

深度學習筆記6：神經網路優化演算法之從SGD到Adam

數據分析入行半年之經驗、感悟與思考

談談過擬合

一個統計方向畢業生的2017年數據科學從業之路總結

推薦閱讀：

相关文章