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!