环境配置
进行深度学习开发,要先选择学习框架进行环境配置。机器学习框架有Pytorch、TensorFlow、Keras、Caffe等。
1.1.Pytorch环境搭建
- 前置安装
- 安装anaconda
- 更改镜像源
- 环境管理
- 安装Pytorch
前置安装
学习框架可以使用GPU加速运算,在安装GPU版前需要进行前置安装。前置安装包括显卡配置和并行计算工具包(CUDA、cuDNN)安装。
1)显卡配置
①查看显卡类型,确定是NVIDIA显卡。目前,Pytorch和TensorFlow只支持NVIDIA系列的显卡加速计算。任务管理器、设备管理器等可查看显卡类型。
②查看驱动版本,升级显卡驱动。命令行nvidia-smi查看驱动版本,如果显卡驱动过低,去NVIDIA官网下载对应显卡驱动进行升级。
2)并行工具包安装
①CUDA安装
版本选择:地址查询 NVIDIA官网或者nvidia-smi命令查询。下载地址:CUDA下载
安装检查:nvcc --version,显示nvcc版本。
②cuDNN安装
下载地址cuDNN,具体安装方法请上网查询。
补充说明:
使用anaconda进行环境配置时,cuDNN和cuda tookit中CUDA会跟随Pytorch或TensorFlow一起安装,为什么还需要单独安装并行工具包?请了解的人解释下,谢谢!
安装Anaconda
Anaconda是环境管理和包管理工具。我们使用anaconda3,版本Anaconda3和2的区别在于内置Python2还是3。安装方法上网查询,安装检查:打开anaconda prompt显示base()环境
更改镜像源
由于某些包的官方服务器放在国外,安装时速度较慢,需要将源链接更改为国内镜像源。Windows和Ubuntu更改源方式略有不同,实验室的服务器已经更改为清华源。具体源更改方法请上网查询
conda config --show-sources #查看当前源
conda config --add channels 源名称或链接 #添加指定源
conda config --remove channels 源名称或链接 #删除指定源
补充:
1.使用实验室服务器安装包,需要先连接网络。打开firefox浏览器,http://10.0.0.55
环境管理
不同工程项目,需要不同开发环境。使用anaconda prompt命令行或Pycharm可以进行环境管理。创建的新开发环境默认安装在conda目录下的envs文件夹下。关于conda创建环境及其他的常用命令,上网查询。
安装Pytorch
切换到某个开发环境,安装pytorch。进入pytorch官网选择对应版本,复制command进行安装,如果使用清华源安装命令去掉 -c pytorch。
安装检查,输入如下代码,输出True。
import torch
torch.cuda.is_available()
1.2.Keras环境搭建
Keras是高级API,对底层学习框架(TensorFlow、Theano)进行封装,即Keras作为前端,TensorFlow或theano作为后端。安装Keras步骤:
- 前置安装
- 安装anaconda
- 更改镜像源
- 环境管理
- 安装TensorFlow
- 安装Keras
相同步骤见Pytorch安装过程,注意只有安装tensorflow2.0以上版本时cuDNN和cuda tookit中的CUDA才会跟随Pytorch或TensorFlow一起安装;低版本的能否安装不确定,一般和镜像源有关。
安装TensorFlow
需要选择TensorFlow、Keras、Python之间版本的对应关系。更多信息,请上网查询
conda install tensorflow-gpu=xxx
安装Keras
pip install keras==xxx
安装检查,输入如下代码:
import tensorflow as tf
tf.test.is_gpu_available()
参考文档:
1.Pytorch环境搭建 https://blog.csdn.net/qianbin3200896/article/details/104244538
2.TensorFlow环境搭建 https://blog.csdn.net/qiancaobaicheng/article/details/95095583
3.验证TensorFlow调用GPU https://blog.csdn.net/Yolo_C/article/details/106235873
4.配置anaconda国内(清华)镜像源 https://sakura.blog.csdn.net/article/details/104103704