快速配置tensorflow,keras,pytorch等深度学习环境
安装GPU驱动
首先保证gpu驱动已经成功安装,根据GPU版本在Nvidia官网下载对应的驱动,windows环境下载Nivdia的安装包,直接安装即可。Linux版本需要退出图形界面,使用命令安装。一个简单的办法是使Linux系统自己识别GPU驱动版本,(Ubantu在software update里) 并自动更新。安装完成后重启系统即可。
安装cuda
直接用cuda,在这里下载对应版本的cuda并安装,并按官网提示的安装指令进行安装。例如您下载的是Ubantu下的deb文件,可以使用官网提供的四行命令:
sudo dpkg -i cuda-repo-ubuntu1804-10-1-local-10.1.168-418.67_1.0-1_amd64.deb
sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda
安装Cudnn
这个是Nvidia提供的深度学习的GPU API,一般的深度学习库都会通过它来调用GPU的深度学习计算。在这里下载相应版本的Cudnn,并解压。
将解压后的文件复制到/usr/local/cuda-8.0 or cuda.9.0的库中。cudnn.h应位于cuda/include中, libcudnn.\文件应位于cuda\lib64中。使用命令:
mv cudnn.h /usr/local/cuda/include
mv libcudnn.* /usr/local/cuda/lib64
安装Anaconda
如果不想安装 Anaconda,可以跳过这一步。因为现在深度学习库更新的比较频繁,对于同一个库,我们有可能使用多个版本,比如tensorflow-gpu1.0.0 , …, tensorflow-gpu2.0.0 ,因此,安装Anaconda 可以创建多个环境来安装不同版本的深度学习库。
安装Anaconda,在官网下载对应的版本,在右上角点Download,点击windows或者linux版本即可下载。
windows 版本可以直接双击安装, easy to do it。Linux 版本的可以使用命令 sh Anaconda_xxx.sh 安装,also easy.
假设您使用的是linux平台。
安装pip
根据对应的python版本,安装相应的pip。这里推荐使用 python get_pip.py 来安装。使用命令:
python3 get-pip.py
安装深度学习库
安装tensorflow
conda install tensorflow-gpu
或者
pip3 install tensorflow-gpu==2.0.0
安装keras
pip3 install keras
安装pytorch
conda install pytorch=0.4.1 cuda90 -c pytorch
或者
pip install torch==1.0.1 -f https://download.pytorch.org/whl/cpu/stable # CPU-only build
pip install torch==1.0.1 -f https://download.pytorch.org/whl/cu80/stable # CUDA 8.0 build
pip install torch==1.0.1 -f https://download.pytorch.org/whl/cu90/stable # CUDA 9.0 build
pip install torch==1.0.1 -f https://download.pytorch.org/whl/cu92/stable # CUDA 9.2 build
pip install torch==1.0.1 -f https://download.pytorch.org/whl/cu100/stable # CUDA 10.0 build
或者
pip3 install https://download.pytorch.org/whl/cu80/torch-0.4.1-cp36-cp36m-linux_x86_64.whl