Ubuntu下构建深度学习框架

写在前面的话：
进行安装之前，首先通过命令nvidia-smi,查看驱动型号。得到结果如下：黄色标记部分就为驱动信息：

• 确定以下信息

• 驱动版本决定cuda版本

• cuda版本确定TensorFlow、pytorch安装版本

• 注意

• 服务器中一般cuda不用自己安装，需要安装的是cuDANN，cuDANN通过安装anaconda就可以安装好

1.通过anaconda安装python环境。先下载

bash Anaconda3-5.2.0-Linux-x86_64.sh

2. 安装pycharm。先下载

tar -zxvf pycharm-community-2018.2.5.tar.gz.1

4. 安装深度学习环境

conda install keras-gpu=2.2.4 cudatoolkit=8.0 tensorflow-gpu=1.9

6. 安装pytorch

conda install pytorch torchvision cudatoolkit=8.0 -c pytorch

7.测试安装结果

• 测试TensorFlow-gpu

"""
测试GPU的计算能力，测试tensorflow-GPU版是否安装正确
"""
import tensorflow as tf
import numpy as np
import time
 
value = np.random.randn(5000, 1000)
a = tf.constant(value)
 
b = a * a
 
c =0
tic = time.time()
with tf.Session() as sess:
        for i in range(1000):
            sess.run(b)
 
            c+=1
            if c%100 == 0:
 
                d = c / 10
                # print(d)
                print("计算进行%s%%" % d)
 
toc = time.time()
t_cost = toc - tic
 
print("测试所用时间%s"%t_cost)
print("Ubuntu上GPU为1050ti测试时间为7.99727988243103")

具体参考：https://blog.csdn.net/weixin_41528941/article/details/95338270

• 测试pytorch

import torch
print(torch.__version__)
print(torch.cuda.is_available())

测试结果如下：分别为版本信息，True表示是GPU版本

1.0.1.post2
True

主要目的：记录安装过程

参考资料

• 师兄配置环境过程资料
• 测试TensorFlow-gpu:
  https://blog.csdn.net/weixin_41528941/article/details/95338270