系列文章目录
第一章 Linux mint 深度学习开发环境搭建之Nvidia显卡相关软件安装
第二章 Linux mint 深度学习开发环境搭建之开发软件安装
第三章 Linux mint 深度学习开发环境搭建之多深度学习框架融合环境
文章目录
前言
前文讲述了cuda相关安装,本文讲述编程复现代码所常用的调试工具与IDE安装,深度学习最常用的开发语言是python,其实本篇侧重于python开发环境搭建。
一、安装anaconda
1.什么是anaconda?
conda是一个开源的包、环境管理器,可以用于在同一个机器上安装不同版本的软件包及其依赖,并能够在不同的环境之间切换。可以理解为一个python环境与包管理器。
2.安装步骤
- 点击下面官网链接,直接下载。注意选择版本是linux
anaconda官网
anaconda有时候也会访问不了,如果加载不出来,也可以去下方清华的镜像源中去下载。注意选择版本。
清华镜像
- 在下载目录下开启终端后,输入命令安装
sh Anaconda3-2022.10-Linux-x86_64.sh
- 安装过程会有提示,此处按回车即可
Welcome to Anaconda3 2022.10
In order to continue the installation process,please review the
license
agreement.
Please,press ENTER to continue
出现许多条款,直接拉到最下面输入yes即可
Please answer
yes or no
下面这段是是否选择在每次开启终端时自动进入anaconda的base环境,根据个人需要选择,此处我选择‘no’
Preparing transaction:done
Executing transaction:done
installation finished.
Do you wish the installer to initialize Anaconda3
by running conda init?[yes no]
[no]>>>
- 修改默认下载源,conda默认的国外源下载包很慢,我们需要修改为国内源,修改的方法可以参考清华镜像源的地址如下
anaconda清华源配置
如果懒得看,也可以按下面操作
打开终端,输入下面代码打开配置文件
sudo vim ~/.condarc
按下i键,进入vim
的输入模式,将下面文本粘贴进去。
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
按下Esc键,输入“:wq”,保存粘贴的文本,便将下载源配置好了。
二、docker安装
1.什么是docker?
Docker 是一个开源的应用容器引擎,让开发者可以打包他们的应用以及依赖包到一个可移植的容器中,然后发布到任何流行的Linux或Windows操作系统的机器上,也可以实现虚拟化,容器是完全使用沙箱机制,相互之间不会有任何接口。
2.安装步骤
- 在终端下执行下面命令,使用官方脚本一键安装
curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun
- 在终端下执行下面命令,可以测试docker是否安装成功
sudo docker run hello-world
三、Nvidia-docker安装
为了在容器中可以使用nvidia显卡,我们还需要安装Nvidia-docker。
- 添加环境配置,注意:下面语句中的
ubuntu20.04
是由于本机安装的是mint版本对应ubuntu20.04,若是其他版本,请注意此处需要替换。
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \
sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/ubuntu20.04/nvidia-docker.list | \
sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update
- 安装runtime文件
sudo apt-get install nvidia-container-runtime
- 修改守护进程文件
vim etc/docker/daemon.json
修改内容最终如下所示:
{
"default-runtime":"nvidia",
"runtimes": {
"nvidia": {
"path": "nvidia-container-runtime",
"runtimeArgs": []
}
}
}
- 重启docker服务
systemctl restart docker
四、可视化docker管理工具portainer安装
1.什么是portainer
Portainer 是一个轻量级的管理 UI ,可以让你轻松使用网页管理不同的 Docker 环境,虽然我觉得直接在终端下输命令挺棒的,但要论方便易上手,那还是用个图形化界面吧。
2.安装方法
- docker命令拉去portainer
docker pull portainer/portainer
- 创建portainer 的容器
docker run -d -p 8000:8000 -p 9000:9000 --name=portainer --restart=always -v /var/run/docker.sock:/var/run/docker.sock -v portainer_data:/data portainer/portainer
- 在浏览器中输入下面地址进入portainer,首次进入需配置用户名和密码
http://127.0.0.1:9000/
五、Netron安装
1.什么是netron?
netron是一个深度学习模型可视化库,可以支持多种格式的模型权重文件可视化,可以用它来核对最终模型结构是否是自己所需要的
2.安装方法
- 在终端下输入以下命令,可以直接安装netron
sudo snap install netron
- 不过,可能会出现如下图的报错,没有安装snap,待我们安装snap时,又会提示,可能包已经丢失了
其实这些是由于在Linux Mint 20中,snap被显式阻止,必须通过删除相应的配置偏好来激活它,所以我们在终端输入下面命令来删除它
sudo rm /etc/apt/preferences.d/nosnap.pref
此时再安装snap和netron即可成功
六、IDE安装
集成可发环境,即IDE(Integrated Development Environment),是用于提供程序开发环境的应用程序,一般包括代码编辑器、编译器、调试器和图形用户界面等工具。
1.pycharm
深度学习用python进行训练测试是最多的,关于python的IDE首推当然是pycharm。下面的官网链接可以下载pycharm,社区版是免费的,专业版需要购买付费,如果你是学生的话,可以通过验证高校邮箱的方式,免费使用,但如果你工作了就要付钱了。
- 下载安装包,其后缀名为.tar.gz
- 右击安装包,选择
Extract Here
,可以解压。 - 在解压后文件夹的同级目录下,右击鼠标选择
open in terminal
打开终端。输入下面命令进入文件夹安装
cd pycharm-2022.2.3/bin
sh pycharm.sh
- 选择接受条款,不分享数据
- 输入激活码进行激活
- 点击File→open,打开对应代码的文件夹即可使用
2.VScode
-
VSCode(全称:Visual Studio Code)是一款微软开发且跨平台的免费源代码编辑器,支持各种插件,重点是开源免费! 下面是下载链接。
vscode官方下载
-
下载后直接双击安装,安装好后在mint菜单,搜索即可找到,点击即可打开
其他配置修改
1.修改pip源
- 在终端下输入以下代码创建pip配置文件夹
mkdir ~/.pip
- 创建并打开配置文件
vim ~/.pip/pip.conf
- 按下i键,将以下内容复制后粘贴
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
其中, https://pypi.tuna.tsinghua.edu.cn/simple 可替换为其他下列其他pip源地址
阿里云 https://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
2.常用lib包下载
- 安装一些常用的包,方便日后编译的时候使用
sudo apt-get install libgoogle-glog-dev libboost-system-dev libopencv-dev libopenblas-dev
sudo apt-get install git cmake lmdb
注意opencv库安装完成了,需要进行软连接,以防后面cmake时找不到,
即在终端下输入以下命令即可
sudo ln -s /usr/include/opencv4/opencv2 /usr/include/
总结
介绍了深度学习所需要的python开发环境的搭建。