ubuntu搭建深度学习环境

最新推荐文章于 2024-05-08 13:00:40 发布

蒲建建

最新推荐文章于 2024-05-08 13:00:40 发布

阅读量796

点赞数

分类专栏： Linux和深度学习环境部署

本文链接：https://blog.csdn.net/qq_38455499/article/details/109683374

版权

Linux和深度学习环境部署专栏收录该内容

12 篇文章 0 订阅

订阅专栏

【Linux】conda: command not found解决办法

创建虚拟环境

python2切换python3

安装numpy，scipy，pandas，matplotlib

安装cv2

安装tensorflow

tensorflow获取当前可用的GPU信息

安装pytorch

服务器上安装jupyter，本地浏览器访问

问题：

无法使用vim、rpm、yum、gedit等命令解决办法

Anaconda使用conda activate激活环境出错

lib/site-packages/pip/_vendor/requests/packages/urllib3/response.py",%20line pip报错解决

Linux服务器上远程配置jupyter notebook及修改notebook的密码

1、如何在linux远程服务器上配置jupyter notebook在本地显示：

2、如何修改jupyter notebook的密码

3、将jupyter notebook挂后台（如何查看host）

linux关于bashrc与profile的区别

安装cuda和cudnn

运行run文件。

sudo sh cuda_9.0.176_384.81_linux.run

注意：在安装过程中会提示是否需要安装显卡驱动，如图所示，在这里要选择n，其他的选择y或者回车键进行安装。

到最终的结果如果没有错误，得到的结果如图所示：

其他不正确的形式：

环境配置

完成以上的步骤以后一定要进行环境的配置。按步骤输入一下命令：

sudo gedit ~/.bashrc #可以用vi代替

会弹出一个可写的配置文件，在末尾把以下配置写入并保存。

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}  
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

最后执行

source ~/.bashrc

有时候也需要重启。最好重启一下。

4.6 测试

在安装的时候也也相应安装了一些cuda的一些例子，可以进入例子的文件夹然后使用make命令执行。从网上找了两个例子，例一：

 第一步，进入例子文件
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
# 第二步，执行make命令
sudo make
# 第三步
./deviceQuery

如果结果有GPU的信息，说明安装成功。

安装cudnn

进入下载页面

NVIDIA cuDNNdeveloper.nvidia.com

选择合适的版本下载（cuDNN Library for Linux），

然后解压，并进入到相应目录，运行以下命令：

sudo cp cuda/include/cudnn.h /usr/local/cuda-10.1/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64
sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h 
sudo chmod a+r /usr/local/cuda-10.1/lib64/libcudnn*

以配置cuDNN环境。

通过

cat /usr/local/cuda-10.1/include/cudnn.h | grep CUDNN_MAJOR -A 2

可以查看cuDNN版本。

如何在linux下解压 .solitairetheme8 文件

我们从Nvidia官网上下载下来的cudnn for linux的文件格式是.solitairetheme8，想要解压的话需要先转成tgz格式再解压：

cp  cudnn-8.0-linux-x64-v5.1.solitairetheme8 cudnn-8.0-linux-x64-v5.1.tgz
tar -xvf cudnn-8.0-linux-x64-v5.1.tgz

安装anaconda

对于anaconda3 的安装非常简单，从官网中直接下载3.5版本的sh文件。然后执行如下命令对conda进行安装，我下载的是Anaconda3-5.1.0-Linux-x86_64.sh，过程直接yes、yes安装即可，对于不懂的可以看这个更详细的教程。

bash Anaconda3-5.1.0-Linux-x86_64.sh

安装完成后要重启电脑才能打开jupyter notebook。重启之后在终端输入一下命令进入notebook：

jupyter notebook

打开notebook界面如下，是生成在浏览器中的.

卸载anaconda

ubuntu18.04 卸载Anaconda3

1、删除Anaconda3文件夹

rm -rf ~/anaconda3

2、删除Anaconda·配置的环境变量

sudo gedit ~/.bashrc

将末尾的此行删除

# added by Anaconda3 installer 
export PATH="/home/Vselfdom/anaconda3/bin:$PATH"

此处的Vselfdom应为你的实际用户名

3、更新环境变量，使更改生效

source ~/.bashrc

Ubuntu安装gedit

sudo apt-get update 
sudo apt-get install gedit-gmate                 
sudo apt-get install gedit-plugins               
sudo apt-get remove gedit 
sudo apt-get install gedit

【Linux】conda: command not found解决办法

在终端输入conda info --envs检验anaconda是否安装成功，发现报错：conda: command not found

原因是因为~/.bashrc文件没有配置好

vim ~/.bashrc

在最后一行加上

export PATH=$PATH:/home/vincent/anaconda3/bin

但是要注意地址！！！不能直接复制粘贴我的

因为我的Linux用户名是vincent，anconda3刚好是安装在/home/vincent/anaconda3/bin下面，所以你需要换成自己的安装目录，即export PATH=$PATH:【你的安装目录】

然后保存更改，运行

source ~/.bashrc

此时再运行conda info --envs，出现下面的提示即为成功

创建虚拟环境

conda create -n pytorch python=3.7

激活虚拟环境：

conda activate pytorch

其他相关命令：

对虚拟环境中安装额外的包。
使用命令conda install -n your_env_name [package]即可安装package到your_env_name中
conda env list  # 查看已创建的虚拟环境
conda deactivate  # 退出虚拟环境
conda create -n <new_envname> --clone <old_envname>  # 克隆虚拟环境
conda remove -n <envname> --all  # 删除虚拟环境
删除环境中的某个包。
使用命令conda remove --name $your_env_name  $package_name 即可。

python2切换python3

sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150

验证

python --version
Python 3.6.5

Python3切换至Python2

sudo update-alternatives --config python

安装numpy，scipy，pandas，matplotlib

在终端输入以下命令：

sudo apt-get update
sudo apt-get install python-numpy

如果是python3，则将上面的python-numpy换成python3-numpy即可，下面的安装包同理。

sudo apt-get update
sudo apt-get install python-scipy

sudo apt-get update
sudo apt-get install python-pandas

sudo apt-get update
sudo apt-get install python-matplotlib

sudo apt-get update
sudo apt-get install python-sklearn

numpy版本查看和降升级

pip show numpy 查看numpy版本;

pip install -U numpy==1.12.0，降低numpy的版本

安装cv2

pip install opencv-python （如果只用主模块，使用这个命令安装）
pip install opencv-contrib-python （如果需要用主模块和contrib模块，使用这个命令安装）

或者：

conda install opencv-python

安装tensorflow

版本对应：https://www.tensorflow.org/install/source_windows#gpu

sudo pip install tensorflow-gpu==1.4.0

tensorflow-gpu测试代码：

tf.test.is_gpu_available()

如果import tensorflow as tf说没有这个mudules,解决方法：

https://www.cnblogs.com/yiyezhouming/p/9497697.html

import tensorflow as tf
 
with tf.device('/cpu:0'):
    a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
    b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:1'):
    c = a+b
   
#注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。
#因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
#sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))

结果：[ 2. 4. 6.]

tensorflow获取当前可用的GPU信息

简而来讲，我目前电脑中有三个可用的GPU，将返回['/ gpu：0'，'/ gpu：1'，'/ gpu：2']，可以使用以下代码检查所有设备列表：

from tensorflow.python.client import device_lib
def get_available_gpus():
    local_device_protos = device_lib.list_local_devices()
    return [x.name for x in local_device_protos if x.device_type == 'GPU']
print(get_available_gpus())

安装pytorch

服务器上安装jupyter，本地浏览器访问

安装jupyter

pip install jupyter

生成配置文件（~/.jupyter/jupyter_notebook_config.py）

jupyter notebook --generate-config

将会在安装目录下生成一个隐藏文件夹.jupyter，该文件夹中有一个jupyter的配置文件

生成密钥

先进入python环境，执行

from notebook.auth import passwd
passwd()

此时会让你两次输入密码（该密码作为客户端登录jupyter用），然后就会生成秘钥（秘钥作为配置文件用）
sha1＊＊＊＊＊＊＊＊＊＊＊

编辑配置文件

vim jupyter_notebook_config.py

c.NotebookApp.ip='*'                                  # 就是设置所有ip皆可访问  
c.NotebookApp.password = u'sha:ce...       # 刚才复制的那个密文'  
c.NotebookApp.allow_root = True
c.NotebookApp.open_browser = False       # 禁止自动打开浏览器  
c.NotebookApp.port =8888                         #随便指定一个端口

启动jupyter

$ jupyter notebook
P.S.如果提示错误：ImportError: cannot import name ‘create_prompt_application’
可以通过$ pip install --upgrade prompt-toolkit==1.0.5解决 (默认安装prompt-toolkit的版本太高)

在服务器端启动 jupyter notebook

在本机浏览器访问，在cmd窗口执行以下命令：
ssh -N -f -L 8000:localhost:8118 -p 端口号 username@host_ip

在本机浏览器输入：localhost:8000，输入密码即可访问

问题：

无法使用vim、rpm、yum、gedit等命令解决办法

apt-get install vim
apt-get install rpm
apt-get install yum
apt-get install gedit

出现新问题：

提示“unable 同locate package vim”

需要执行apt-get update命令进行更新

Anaconda使用conda activate激活环境出错

今天使用激活python36环境时出错

conda activate python36

出错log

CommandNotFoundError: Your shell has not been properly configured to use 'conda activate'.

然后按照log提示也没有完全解决

解决办法

# 激活环境
source activate
# 退出环境
source deactivate

lib/site-packages/pip/_vendor/requests/packages/urllib3/response.py",%20line pip报错解决

1. 更新pip

python -m -pip install -upgrade pip
2. 指定镜像

pip install jupyter -i http://pypi.douban.com/simple

或者：

conda install --channel https://conda.anaconda.org/menpo opencv

其他国内镜像：

阿里云 http://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/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

Linux服务器上远程配置jupyter notebook及修改notebook的密码

参考链接：https://blog.csdn.net/u014680339/article/details/92798073

https://blog.csdn.net/qq_35843543/article/details/81409269

文章包含3部分内容“

1、如何在linux远程服务器上配置jupyter notebook在本地显示

2、如何修改jupyter notebook的密码

3、将jupyter notebook挂后台（如何查看host）

进入正题

1、如何在linux远程服务器上配置jupyter notebook在本地显示：

1、在已经安装了anaconda的情况下，可以直接用pip install jupyter安装jupyter notebook

$pip install jupyter

2、生成配置文件：

$jupyter notebook --generate-config

3、生成密码（后续配置文件，登录时候需要)

$ python #进入python终端
>>>from IPython.lib import passwd
>>>passwd()
Enter password:
Verify password:
'sha1:1caed79badce:7e6d8261d400aec9a1cb60c8b6f5d14cb0d62d16' #记录下这个密码来，后面修改配置文件要用
>>>exit()
4、修改默认配置文件

$vim ~/.jupyter/jupyter_notebook_config.py
修改配置如下，注意修改完要把注释去掉才能生效啊

c.NotebookApp.ip='your host ip'#10.10.10.10 #可以用hostname -i 或者hostname -I查看,或者host -i，host -I
c.NotebookApp.password = u'sha:ce...刚才复制的那个密文'
c.NotebookApp.open_browser = False
c.NotebookApp.port =8888 #随便指定一个端口，8899等等
c.IPKernelApp.pylab = 'inline' #这个可能没有，找不到就不用管了

c.NotebookApp.notebook_dir = '/home/' #设置jupyter启动后默认的文件夹

5、启动JupyterNotebook

$ jupyter notebook

6、远程访问

在本地浏览器拷贝http://yourhostip:8888就可以看到登录界面

输入密码可以愉快的使用啦，ip配置的一般都是内网，离开内网环境自然也就不能访问了

2、如何修改jupyter notebook的密码

1. initiaise the config file. (Only applied if the first time to run jupyter)

jupyter notebook --generate-config

2. on remote server

jupyter notebook password

这时生成的密码会在/.jupyter/jupyter_notebook_config.json里面，这样密码就重设成功了

3、将jupyter notebook挂后台（如何查看host）

上面的启动方式，会在当前目录生成一个日志文件，我忘了叫上面名字，总之随着jupyter notebook的运行，日志文件会越来越大，如果不是很重要，可以设置不记录日志，方法是将所有的输出都重定向到/dev/null 2>&1 &
此外，上面的启动方式是启动一个前台进程，如果ssh连接断开，jupyter notebook也就失效了，所以需要将jupyter notebook作为一个后台进程启动，在linux中是nohup命令。
1、# 不启动ssl，不记录日志输出，作为后台进程启动jupyter notebook
nohup jupyter notebook >/dev/null 2>&1 &

jupyter notebook作为后台进程启动后，如果想要停止它，可以先找到进程ID，然后kill。

# 查看进程
ps -ef | grep 'jupyter notebook'
# 输出如下，这里的21983即为进程id，
# hadoop 22136 21983 0 09:10 pts/1 00:00:00 grep jupyter notebook
# 杀死进程
kill -9 21983
# 此时浏览器无法再连接jupyter notebook了吧。

2、另外，一种比较简洁的小脚本，挂在后台，一直启动着jupyetr的方法：

jupyter_act.sh

host= #用hostname -i 或者 hostname -I来查看

nohup jupyter notebook --ip $host --no-browser --port 18888 1>nb.log 2>&1 & #设置host，及端口号等，将日志记录在nb.log里面

想要关掉挂在后台的jupyter notebook可以用： ps aux | grep jupyter 找到进程号，然后 kill -9 进程号即可

每次连接到远程服务器就不用再启动jupyter notebook了，直接用jupyter notebook list来查找你挂着的jupyter即可，很方便

linux关于bashrc与profile的区别

/etc/profile，/etc/bashrc 是系统全局环境变量设定
~/.profile，~/.bashrc用户家目录下的私有环境变量设定
当登入系统时候获得一个shell进程时，其读取环境设定档有三步
1首先读入的是全局环境变量设定档/etc/profile，然后根据其内容读取额外的设定的文档，如
/etc/profile.d和/etc/inputrc
2然后根据不同使用者帐号，去其家目录读取~/.bash_profile，如果这读取不了就读取~/.bash_login，这个也读取不了才会读取
~/.profile，这三个文档设定基本上是一样的，读取有优先关系
3然后在根据用户帐号读取~/.bashrc
至于~/.profile与~/.bashrc的不区别
都具有个性化定制功能
~/.profile可以设定本用户专有的路径，环境变量，等，它只能登入的时候执行一次
~/.bashrc也是某用户专有设定文档，可以设定路径，命令别名，每次shell script的执行都会使用它一次

bashrc和profile的差异在于：

1. bashrc是在系统启动后就会自动运行。

2. profile是在用户登录后才会运行。

3. 进行设置后，可运用source bashrc命令更新bashrc，也可运用source profile命令更新profile。

PS：通常我们修改bashrc,有些linux的发行版本不一定有profile这个文件

4. /etc/profile中设定的变量(全局)的可以作用于任何用户，而~/.bashrc等中设定的变量(局部)只能继承/etc/profile中的变量，他们是"父子"关系。

pycharm远程连接服务器

使用说明

使用Pycharm 2020.3.1 professional 专业版。（据说只有专业版可以远程连接）。

连接服务器和选择虚拟环境

https://blog.csdn.net/weixin_41995131/article/details/106355024

其他实现：

1.在pycharm上显示远程代码：

选择Tools -->Deployment-->Browse Remote Host

2.更新代码：

更新代码：将本地代码上传到服务器上Tools -->Deployment-->upload to (如果有多个注意选择)

服务器上代码下载到本地代码上Tools -->Deployment-->Download from

3.同步

在Tools->Deployment->Options
在这里插入图片描述找到这个，然后设置为"On explicit svae action (Ctrl + S)"，这个意思就是说一旦你按了Ctrl+S, Pycharm就会自动上传变动到服务器上。当然也可以选“Always”

然后就配置好啦。

pycharm里设置国内源

设置里：File - Setting 下
1、Proiect
2、Project Inerpreter
3、+
4、Manage Repositories
5、+
6、Repository URL 下 please input repository URL 输入清华源：https://pypi.tuna.tsinghua.edu.cn/simple/
其他源：
阿里云：http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学：http://pypi.hustunique.com/
山东理工大学：http://pypi.sdutlinux.org/
豆瓣：http://pypi.douban.com/simple/
报错的话就把http换成https
在这里插入图片描述

蒲建建

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
ubuntu搭建深度学习环境

目录安装cuda和cudnn安装anaconda创建虚拟环境安装tensorflow安装pytorch安装cuda和cudnn安装anaconda创建虚拟环境安装tensorflow安装pytorch
复制链接

扫一扫