Ubuntu 系统安装及相关机器学习环境安装
1. 装机过程(Ubuntu)(系统,数据已分置两个盘,重装系统不影响数据安全)
a) 删除/etc/modprobe.d/blacklist-nouveau.(否则安装不了驱动,无法启动ubuntu安装程序)
b) 安装Ubuntu(可先设置网络连接)
c) 进入Ubuntu系统。使用ctrl+alt+F1,进入文本界面。
d) 禁用nouveau。
e) reboot
f) 再次进入Ubuntu,Ctrl+Alt+F1进入控制台字符终端环境,无图形界面但用命令行也可以控制一切。Ctrl+Alt+F7切回图形界面。
g) 关闭x server。使用命令 sudoservice lightdm stop
h) 安装1080驱动。
i) Sudo service lightdm start。检测驱动可用。
j) 进入 Ctrl+Alt+F1。再次关闭x server: sudo service lightdm stop
k) 安装cuda
l) 更改bashrc(增加两行,网上可查。最后要用 source ~/.bashrc使其生效(/后有“.”)
m) Reboot ,在终端写入命令 Nvidia-smi 查询显卡CUDA是否安装成功。
n) 安装cudnn。cudnn是加速器,解压,复制,赋予读取权限。
o) Done
2. 设备说明
a) Ubuntu系统安装与256G的硬盘
b) 数据保存于1.9T硬盘,data文件夹下
c) Pycharm安装于1.9T硬盘。桌面有快捷方式
d) Anaconda3 安装于256G系统盘
3. 环境说明(主要包,numpy等常用包所有环境都已安装.新增包请随手添加到各环境后)
a) 使用说明
i. 使用终端时,第一步先激活环境:命令为 source activate name(环境名)。关闭环境命令为 source deactivate.
ii. 推荐在终端中使用命令行 anaconda-navigator启动图形界面安装所需包。(命令中间有“-”)
iii. 安装包优先使用conda命令,如果condalist查找不到所需包,使用如下命令查找 anaconda search -t conda name(所需包名称)。如果找不到,再尝试使用pip命令安装。
b) Python2.7(环境名称:py27)
i. Pytorch
ii. Torchvision
iii. Scikit-learn
c) Python3.6pytorch(环境名称:py36pytorch)
i. Pytorch
ii. Torchvision
iii. Scikit-learn
iv. Keras
d) Python3.6tensorflow(环境名称:py36tensorflow)
i. Tensorflow-gpu
ii. Torchvision
iii. Scikit-learn
iv. Keras
e) Mxnet(环境名称:py36mxnet)
i. 亚马逊推出的平台,速度快,尝鲜
ii. 使用pip安装
iii. Cuda为8.0