Windows与Centos下的深度学习部署

文章介绍2种深度学习部署思路：

1)Windows下部署深度学习，确保只用本地机器也可以跑深度学习-GPU版本

2)Centos下部署深度学习，Windows作为可视化界面，利用Centos的CPU跑深度学习-CPU版本

一。Windows10下部署深度学习

第1步，win r输入dxdiag查看本地机器有没有安装英伟达GPU，如果没有，则Windows下无法操作

第2步，下载Windows 版本的CUDA。下载链接 。网址中点击Download下载CUDA安装起来，一路默认就可以。

 第3步，下载miniconda。下载链接 。一路默认安装即可，安装好后在anaconda的shell中输入

python --version

查看python的版本。

 第4步。下载Pytorch的GPU版本复制Run this Command:处的链接在anaconda的shell中粘贴运行

 第5步，输入

pip install jupyter d2l

安装相关的包，安装完输入jupyter notebook就可以运行jupyter实例了 

 第6步，打开一个文件，看看能不能运行，以resnet.pynb文件为例。

resnet.pynb链接:resnet.ipynb https://www.aliyundrive.com/s/VveS7hUSqQ7 提取码: 95uk 

 一段时间后，会发现训练结果曲线出来了，说明软件安装成功。

 二。Centos下部署深度学习

第1步，

sudo yum update

更新一下Centos7.6系统

 第2步，

sudo yum install make automake gcc gcc-c++ kernel-devel

安装gcc等工具，Centos默认有了

 第3步，保留Centos系统默认的Python2.7，安装Python3.8，按如下指令操作，

①

mv /usr/bin/python2.7 /usr/bin/python2.7.5 

//保留默认版本python为python2.7.5

②

ln -s /usr/bin/python2.7.5 /usr/local/bin/python2.7.5

　//创建软连接

③

ll /usr/bin/yum*

//查看/usr/bin/目录下所有yum文件（7个）头部

④

vi /usr/bin/yum* 

  //修改/usr/bin/目录下所有yum文件（7个）头部。将#!/usr/bin/python 改为 #!/usr/bin/python2.7.5。我这里已经改过了，图如下:

 同理，

⑤

 vi /usr/libexec/urlgrabber-ext-down 

将#!/usr/bin/python改为 #!/usr/bin/python2.7.5

第4步，安装Linux版本Python 3.8.15

①准备编译环境

 yum -y groupinstall 'Development Tools'

yum -y install zlib-devel bzip2-devel openssl-devel ncurses-devel

②下载python3.8.15

wget https://www.python.org/ftp/python/3.8.15/Python-3.8.15.tar.xz

③执行如下命令

tar xzvf Python-3.8.15.tgz

cd Python-3.8.15

./configure

make all

make install

make clean

make distclean

rm -rf /usr/bin/python

rm -rf /usr/bin/python3

rm -rf /usr/bin/python3.8

ln -s /usr/local/bin/python3.8 /usr/bin/python

ln -s /usr/local/bin/python3.8 /usr/bin/python3

ln -s /usr/local/bin/python3.8 /usr/bin/python3.8

/usr/bin/python -V

/usr/bin/python3 -V

/usr/bin/python3.8 -V

rm -rf /usr/local/bin/python

rm -rf /usr/local/bin/python3

ln -s /usr/local/bin/python3.8 /usr/local/bin/python

ln -s /usr/local/bin/python3.8 /usr/local/bin/python3

python -V

python -V后显示Python 3.8.15说明安装成功，输入ls ，yum等指令发现均可以使用，说明Python3.8.15安装并没有影响系统其他软件

第5步，安装Linux版本Miniconda，下载链接 。命令

wget https://repo.anaconda.com/miniconda/Miniconda3-py38_22.11.1-1-Linux-x86_64.sh

 下载安装包，

bash Miniconda3-py38_22.11.1-1-Linux-x86_64.sh

解压安装包 

 安装好后输入

bash

就进入Miniconda环境了

第6步，进入Miniconda环境后输入

pip install jupyter d2l torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple

,安装好输入

jupyter notebook

后Linux会跳出地址

 第7步，把

ssh -L8888:localhost:8888 Wangjie-DeepLearning@公网ip地址

填入本地Miniconda随即开启了端口映射，这样就能把把远端机器映射到本地，这个时候把Linux里的地址复制到浏览器就能看到Linux里的内容了。ssh -L8890:localhost:8890表示把云端机器端口(L)8890映射到本地(localhost)端口8890，具体这两个端口是什么看Linux机器上的显示

 可以看到机器成功启动，接下来测试一下能否跑深度学习，以resnet.ipynb为例,

可以看到机器正在训练模型，说明Windows作为可视化界面，利用Centos跑深度学习的CPU版本部署成功！