配各种乱七八糟的环境和弄一些需要的包,花了我好几天才捋清楚,这里记录一下准备阶段用到的东西
miniconda
精简版的anaconda,之前下过anaconda,一直不了解怎么用,这又把miniconda下上了,用了用感觉还可以
然后我是直接pip了整个包,没有env然后activate,因为比较初学者,,,对于各种操作不大熟悉,就直接最简单粗暴的了。
这里还有就是pip速度有时候很慢,有几个国内源可以换,换成了清华源。
速度明显提高了
之后大概了解了一下,base是默认的环境,在conda中可以创建虚拟环境,通过env语句,然后通过activate可以激活当前的虚拟环境,在使用时的pip等操作是装进虚拟环境中的,都存放在了envs文件夹中,这样就实现了多环境的隔离,我目前用不到,所以将全部的包装进base环境中
这样就是激活了虚拟环境
pytorch / tensorflow
两种最常见的框架,我也不是很懂其中的区别,学长让我按照pytorch学习,看的视频教程也是围绕pytorch的,那就学这个吧
好像还有一种框架叫MXNET。。没了解
cuda / cudnn
cuda这个工具包作用是把程序/模型跑到GPU上(我的3060终于有了游戏之外的用武之地),是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。
这波直接劝退amd用户,,,
这里可以看到程序跑在了gpu上,(cuda)
深度神经网络库(cuDNN)是GPU加速的用于深度神经网络的原语库。cuDNN为标准例程提供了高度优化的实现,例如向前和向后卷积,池化,规范化和激活层。
其实就是一个加速库,CUDA实现了可以调用GPU,cuDNN实现了使CUDA更符合深度神经网络的使用。但是我只下载下来了,还没给配上,等到需要的时候再搞。
Jupyter Notebook
非常好用的一个东西,能够在上面写代码,运行代码,跑模型,数据可视化等等
现在还在初用阶段
动手跑一下
这里我试跑了一个模型
这里有可视化
这里的可视化可以看到训练精度和训练损失的变化,训练速度是每秒处理2421张样本,cuda(0)。
深度学习的第一步大概就这样开始了。。希望这个暑假能多学多练