└── README.md /README.md: -------------------------------------------------------------------------------- 1 | # DeepLearning-StartKit 2 | ### Python 3 | 4 | Python 能够使用各种各样的开发环境，这里我们强烈推荐使用 Anaconda 来进行Python 环境的管理，当然如果你有自己偏好的 Python 环境管理方式，你完全可以使用自己更喜欢的方式。 5 | 6 | 1.登录 Anaconda 的官网 [www.anaconda.com](www.anaconda.com)，选择下载 7 | 8 | 9 | 10 | 2.选择对应的操作系统 11 | 12 | 13 | 14 | 3.选择 Python 3.6 的版本进行下载，因为 Python 2.7 不久之后很多开源库都不再继续支持，所以我们的整个课程都是基于 Python 3.6 开发的，请务必选择正确的 Python 版本，Python 3.6 15 | 16 | 17 | 18 | 4.下载完成进行安装即可 19 | 20 | ### Jupyter 安装和环境配置 21 | 22 | 安装完成之后，liunx/mac 打开终端，windows打开 power shell，输入` jupyter notebook`就可以在浏览器打开交互的 notebook 环境，可以在里面运行代码 23 | 24 | 25 | 26 | 27 | 28 | ### CUDA 29 | 30 | 百度搜索 cuda，选择 CUDA Toolkit，进入 cuda 的官网，选择对应的操作系统进行下载 31 | 32 | （注意 这里点进去直接是下载cuda9.1版本的，tensorflow 目前并不支持cuda9.1，我们可以从中找到适合的cuda版本，例如cuda9.0等等。 33 | 34 | 35 | 36 | 进入之后和后面即将介绍的安装过程相同） 37 | 38 | 看到下面可以进行的系统选择 39 | 40 | 41 | 42 | 对于 cuda 的安装，不同的操作系统有着不同的安装方式，这里仅以 linux 环境举例（这是配置亚马逊云环境中的一部分），关于windows 的配置可以动手百度或者google，对于 mac 电脑，12 年之后就不再使用nvidia 的GPU，所以没有办法安装cuda。 43 | 44 | 建议使用云服务器或者安装 linux 双系统，可以省去很多麻烦，也有助于后期深度学习的开发。 45 | 46 | 47 | 48 | 选择 linux 对应的 cuda 下载 49 | 50 | 51 | 52 | 在终端输入 53 | 54 | ```bash 55 | $ wget https://developer.nvidia.com/compute/cuda/9.1/Prod/local_installers/cuda_9.1.85_387.26_linux 56 | ``` 57 | 58 | 下载最新的 cuda 9，然后输入 59 | 60 | ```bash 61 | $ bash cuda_9.1.85_387.26_linux 62 | ``` 63 | 64 | 进行安装，接下来需要回答一些问题 65 | 66 | ``` 67 | accept/decline/quit: accept 68 | Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26? 69 | (y)es/(n)o/(q)uit: y 70 | Do you want to install the OpenGL libraries? 71 | (y)es/(n)o/(q)uit [ default is yes ]: y 72 | Do you want to run nvidia-xconfig? 73 | (y)es/(n)o/(q)uit [ default is no ]: n 74 | Install the CUDA 8.0 Toolkit? 75 | (y)es/(n)o/(q)uit: y 76 | Enter Toolkit Location 77 | [ default is /usr/local/cuda-8.0 ]: 78 | Do you want to install a symbolic link at 79 | /usr/local/cuda? 80 | (y)es/(n)o/(q)uit: y 81 | Install the CUDA 8.0 Samples? 82 | (y)es/(n)o/(q)uit: n 83 | ``` 84 | 85 | 运行完成之后就安装成功了，可以在终端输入 86 | 87 | ```bash 88 | nvidia-smi 89 | ``` 90 | 91 | 查看GPU，最后我们需要将 cuda 添加在系统环境变量中方便以后的安装中找到 92 | 93 | ```bash 94 | echo "export LD_LIBRARY_PATH=\${LD_LIBRARY_PATH}:/usr/local/cuda-9.1/lib64" >>~/.bashrc 95 | source ~/.bashrc 96 | ``` 97 | 98 | 99 | 100 | ### 深度学习框架 TensorFlow 和 PyTorch 安装 101 | 102 | #### TensorFlow 安装 103 | 104 | 目前 Tensorflow 支持在 Linux, MacOS, Windows 系统下安装，有仅支持 CPU 的版本，在缺少 GPU 资源时是一个不错的选择，也有 GPU 版本的实现高性能 GPU 加速。 105 | 106 | 在安装 GPU 版本之前需要一些额外的环境 107 | 108 | #### libcupti-dev 109 | 110 | 一行命令即可 111 | 112 | ```bash 113 | $ sudo apt-get install libcupti-dev 114 | ``` 115 | 116 | #### cudnn 117 | 118 | 进入 https://developer.nvidia.com/cudnn，点击下载 119 | 120 | 121 | 122 | 会要求进行注册，点击 Join 123 | 124 | 125 | 126 | 127 | 128 | 然后填写关于你的一些信息就完成了注册。然后就可以打开 Download 出现下面的页面并选择下载压缩包 129 | 130 | 131 | 132 | 解压后在当前目录运行下面命令即完成 133 | 134 | ```bash 135 | $ sudo cp cuda/include/cudnn.h /usr/local/cuda/include 136 | $ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 137 | $ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* 138 | ``` 139 | 140 | #### 安装 Tensorflow 141 | 142 | 到这里 Tensorflow 的安装就非常简单了，可以在系统中用 pip 也可以在 anaconda 虚拟环境中安装 143 | 144 | - pip 安装 145 | 146 | ```bash 147 | # 仅安装cpu版本 python2.x 148 | $ pip install tensorflow 149 | # python3.x 150 | $ pip3 install tensorflow 151 | # 安装gpu版本 python2.x 152 | $ pip install tensorflow-gpu 153 | # python3.x 154 | $ pip3 install tensorflow-gpu 155 | ``` 156 | 157 | - anaconda安装 158 | 159 | ```bash 160 | # 激活环境 161 | # 下面的`$YOUR_ENV`替换成你自己的，没有的话要生成一个新的环境，可以参考下面注释的例子 162 | # `conda create -n tensorflow pip python=2.7 # or python=3.3, etc.` 163 | # 这样会构建一个名为 tensorflow，python 是2.7版本的虚拟环境 164 | # 换名字很简单，换python版本的话也只需要将2.7改变即可，比如改变成3.6 165 | $ source activate $YOUR_ENV 166 | # 在环境中安装tensorflow，注意这里的tfBinaryURL需要根据需求替换，后面详述 167 | ($YOUR_ENV)$ pip install --ignore-installed --upgrade tfBinaryURL 168 | ``` 169 | 170 | tfBinaryURL 以在https://tensorflow.google.cn/install/install_linux#the_url_of_the_tensorflow_python_package选择 171 | 172 | #### 验证安装 173 | 174 | 终端中打开 python 解释器，运行下面命令成功即可 175 | 176 | ```python 177 | # Python 178 | import tensorflow as tf 179 | hello = tf.constant('Hello, TensorFlow!') 180 | sess = tf.Session() 181 | print(sess.run(hello)) 182 | ``` 183 | 184 | #### 出现问题 185 | 186 | - 更全面的 Tensorflow 安装页面 https://tensorflow.google.cn/install/ 187 | - 检查硬件配置是否满足需求，GPU版本的 Tensorflow 需要计算能力在 3.5 及以上的显卡，可以在这里 https://developer.nvidia.com/cuda-gpus 查到自己的显卡计算能力 188 | - 在 Tensorflow 的 Github issues 里面寻找类似问题及解决方案 189 | 190 | #### PyTorch 安装 191 | 192 | 目前 PyTorch 官方只支持linux 和 MacOS，如果要查看 windows 的安装方法，请看后面。 193 | 194 | 在 linux 和 MacOS 这两个系统下进行安装非常的简单，访问到官网 195 | 196 | [www.pytorch.org](http://www.pytorch.org) 197 | 198 | 199 | 200 | 按照提示在终端输入命令行即可 201 | 202 | #### 如何在 windows 下装 PyTorch 203 | 使用 windows 的同学可以访问这个链接查看如何在 windows 下面安装pytorch 204 | 205 | https://zhuanlan.zhihu.com/p/26871672 206 | 207 | 208 | 209 | #### 验证安装 210 | 211 | 终端中打开 python 解释器，运行下面命令成功即可 212 | 213 | ```python 214 | # Python 215 | import torch 216 | x = torch.Tensor([3]) 217 | print(x) 218 | # x_gpu = torch.Tensor([3]).cuda() # GPU 安装验证 219 | # print(x) 220 | ``` 221 | 222 | --------------------------------------------------------------------------------