ubuntu18.04 crée un environnement d'apprentissage en profondeur à partir de zéro

Beaucoup de gens ont juste commencé à apprendre la profondeur ont répondu avec beaucoup d'enthousiasme, mais passent souvent beaucoup de temps sur l'environnement construit et leur propre ordinateur a installé beaucoup de versions du paquet, ne connaissent pas l'utilisation finale de l'environnement qui s'exécute à travers Maintenant, il doit être reconstruit pour un nouveau projet.
Afin de récupérer rapidement après leur propre peuple et de simplement démarrer ubuntu18.04 après la réinstallation du système, vous pouvez consulter les leçons suivantes apprises (j'ai deux ans d'expérience pour assurer la stabilité):

1. Installez ubuntu18.04

Inutile de dire, faites simplement attention à:

• Vous pouvez entrer dans le BIOS à l'étape de l'installation du système pour désactiver le démarrage sécurisé désactivé
• Vérifiez que l'installation du système est normale: lorsque ubuntu18.04 est installé et vous invite à redémarrer, aucune information anormale n'apparaît à l'écran pour le moment

2. Changez la source du système

L'avantage de ceci est que vous aurez l'impression que la mise à jour de certains paquets sera très rapide

Recherchez des logiciels et des mises à jour et mettez à jour la source vers la source d'Alibaba Cloud, comme indiqué

dans la figure ci-dessous: Vérifiez les partenaires Canonical dans d'autres logiciels, comme indiqué dans la figure ci-dessous:

N'oubliez pas de mettre à jour:

sudo apt update
sudo apt upgrade

3. Installez le pilote graphique NVIDIA

Cette étape est un élément nécessaire (bien qu'il vous soit demandé si vous souhaitez installer le pilote graphique accéléré NVIDIA lors de l'installation de cuda
, mais il est généralement installé comme celui-ci), c'est aussi une étape où de nombreuses personnes sont faciles à planter. Ce qui suit est un essai et méthode testée dans ma collection:
Ubuntu 18.04 Installer le pilote NVIDIA

• Il est recommandé de ubuntu-drivers devicessélectionner la version de pilote recommandée à l' étape suivante
• Ensuite, ce didacticiel a juste besoin nvidia-smide générer quelque chose de similaire à ce qui suit après l' avoir vu :

4. Installez cuda et cudnn

Cet article est mon blog de haute qualité préféré sur l'installation de cuda et cudnn: Ubuntu18.04 installe CUDA10, CUDNN , et il y a quelques autres points à noter:

• Essayez d'installer cuda10.0, certaines des versions supérieures de la série 9 de frameworks d'apprentissage en profondeur ne prennent pas en charge
• Dans STEP3, seul l'export dans le terminal est valable pour la session en cours et peut gedit ~/.bashrcêtre modifié, n'oubliez passource ~/.bashrc
• Il est recommandé d'installer localement, afin que vous n'ayez pas besoin d'être en ligne et de consommer des données à télécharger à l'avenir (le fichier .run du correctif est téléchargé et installé de la même manière)
• Personnellement, j'utilise plus de cuda10.0 + cudnn7.4.2, vous pouvez l'utiliser nvcc -Vpour vérifier la version de cuda
• En fait, vous pouvez installer cuda10.1 + cudnn7.6.5 maintenant. Après tout, pour cuda10.0, pytorch prend en charge jusqu'à 1.4. C'est-à-dire que si vous souhaitez utiliser une version supérieure, il est préférable d'installer cuda10. 1 (il y aura (Quelques différences par rapport à cuda10.0)

5. Installez Anaconda3

Inutile de dire qu'Anaconda3 peut facilement créer un environnement virtuel et isoler l'environnement d'exploitation requis par différents projets.

Il est généralement .shinstallé en téléchargeant des fichiers.Le blog suivant de la collection explique: La correspondance entre la version anaconda python et l'adresse de téléchargement d' anaconda . Résumer:

• À l'heure actuelle, la plupart d'entre eux sont dans l'environnement python3.6 ou 3.7 (l'environnement python3.8 n'est pas recommandé), il suffit donc de télécharger Anaconda3-5.2.0-Linux-x86_64.shet séparément Anaconda3-5.3.0-Linux-x86_64.sh, voir le tableau pour plus de versions
• Alors bash ./Anaconda××××××××××××××××××.shc'est bon
• Pendant le processus d'installation, vous serez invité à écrire Anaconda dans la variable d'environnement. Si vous écrivez dans le terminal, vous entrerez dans l'environnement python d'Anaconda. Si vous n'écrivez pas, vous entrerez dans l'environnement python fourni avec le système si vous entrez python3 dans le terminal.
• Personnellement, je n'aime pas écrire de variables d'environnement, j'exécuterai la commande suivante: puis entrez dans conda activatel'environnement virtuel de base

gedit ~/.bashrc
. /home/lz/anaconda3/etc/profile.d/conda.sh
source ~/.bashrc

• Bien que beaucoup de gens suggèrent de changer la source de conda, j'ai trouvé que la gestion du paquet conda permettra de mettre à niveau la version python pendant l'utilisation, j'ai donc utilisé pip pour installer le paquet (si vous voulez changer ou revenir en arrière à la source d'origine, en voici un Un blog de haute qualité: anaconda 1, ajouter le miroir Tsinghua 2, revenir à la source d'origine )

6, source de changement de pip

La vitesse après avoir changé la source est simplement différente:
créez un dossier .pip dans le répertoire de base, puis créez un fichier pip.conf dans ce répertoire:

mkdir ~/.pip
gedit ~/.pip/pip.conf

Écrivez le contenu suivant dans le fichier pip.conf (remplacé par la source d'image de l'Université Tsinghua):

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple 

L'enregistrement et la sortie prendront effet.

7. Installez la version gpu de PyTorch

Personne n'installe la version du processeur
ici , à droite -_- Je ne recommande pas d' installer selon une phrase sur le site officiel, telle que:

conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

Ou si vous supprimez ce dernier et -c pytorchpassez à la source conda de Tsinghua, la vitesse peut être plus rapide, ce qui n'est pas ma méthode préférée.
Ma méthode consiste à installer via pip:

Pour cuda10.0, vous pouvez aller: https://download.pytorch.org/whl/cu100/torch_stable.html
D'autres versions du match peuvent être vues ici: https: // télécharger .pytorch. org / whl / torch_stable.html
télécharger les versions correspondantes de torch.whl et torchvision.whl (voir la figure ci-dessous pour la correspondance de version): Il est maintenant recommandé d'utiliser la version de torch 1.3+. Par

exemple , la version vous avez torch-1.3.0%2Bcu100-cp36-cp36m-linux_x86_64.whltéléchargé est (représentant la version 1.3.0 de torch, environnement python3.6, système Linux 64 bits) et torchvision-0.4.1%2Bcu100-cp36-cp36m-linux_x86_64.whl, tant qu'il est utilisé dans un environnement activé par conda:

pip install torch-1.3.0%2Bcu100-cp36-cp36m-linux_x86_64.whl
pip install torchvision-0.4.1%2Bcu100-cp36-cp36m-linux_x86_64.whl

Vous pouvez installer rapidement la version gpu de PyTorch (le fichier whl peut être stocké sur le disque dur du mobile, et vous n’avez pas besoin de le télécharger pour la prochaine installation)

8. Installez pycharm

Le meilleur IDE pour python est bien sûr pycharm. La dernière version prend également en charge le survol de la souris pour afficher les documents, ce qui est particulièrement pratique pour visualiser le code:
recommandez un blog préféré de haute qualité: Ubuntu 18.04 installez PyCharm

Bien sûr, pour l'étape d'activation, j'ai utilisé l'activation étudiant, c'est donc la véritable version professionnelle (vous pouvez lire le notebook jupyter)

À ce stade, vous pouvez installer l'environnement de base pour l'apprentissage en profondeur ~~~~ Résumé de l'expérience, il vaut la peine d'être collecté!