システム環境:Ubuntu16.04
1つはUbuntu16.04デュアルシステムをインストールする
1. UltraISOを使用して、起動可能なUSBフラッシュドライブを作成してインストールします。「Ubuntu 16.04インストールの基本導入チュートリアルを参照して、USBフラッシュドライブの本番環境を開始してください」
2. WindowsディスクをUbuntuにパーティション化します。「WindowsでのUbuntu 16.04デュアルシステムのインストール」を参照してください。
3.インストールの成功
次に、グラフィックドライバをインストールします
1. Nvidiaの公式Webサイトにアクセスして、ドライバーをダウンロードします(https://www.nvidia.com/Download/index.aspx?lang=en-us)
ダウンロードしたドライバー×××.runは、/ home / your computer name / xxx.run、つまりルートディレクトリに保存され、0.runに名前が変更されます(インストールを簡単にするために長い文字列を入力する必要はありません)。
Nvidiaドライバーの最新バージョンをインストールすることをお勧めします。そうでない場合、CUDAドライバーのバージョンがインストール後にコンパイルされたコードに表示されず、CUDAランタイムライブラリのバージョンがドライバーのバージョンよりも高い可能性があります。より高いバージョンのドライバーをインストールするか、 cudaランタイムライブラリの下位バージョンを使用するだけです。この問題を回避するには、最新のNvidiaドライバーを直接インストールしてください。
2. nouveauを無効にする
Ubuntuシステムに統合されているグラフィックカードドライバーはnouveauです。これは、サードパーティがNVIDIA向けに開発したオープンソースドライバーです。公式のNVIDIAドライバーをインストールする前に、それをシールドする必要があります。
ドライバーをブラックリストblacklist.confに追加しますが、このファイルの属性は変更できません。したがって、最初にファイル属性を変更する必要があります。
blacklist-nouveau.confファイルを変更する
sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
ファイルの最後に追加
blacklist nouveau
options nouveau modeset=0
構成ファイルを更新する
sudo update-initramfs -u
リブート
Nouveauがあなたによって殺されたことを確認するには、次のコマンドを使用します:lsmod | grep nouveau
出力がない場合、Nouveauはあなたによって殺されました。出力がある場合は、もう一度Baiduを実行してください!
3.インストールを開始します
まず、x-windowサービスを終了する必要があります。そうしないと、ドライバーが正常にインストールされません。
閉じるX-Window
、それは非常に簡単です:
sudo service lightdm stop
ドライバーを再インストールします
パラメータを指定してドライバをインストールします(この場所は私のドライバが直接ルートディレクトリにあるため、非常に便利です)。
sudo sh 0.run -no-x-check -no-opengl-files -no-nouveau-check
インストール中に、KDMパッケージをインストールするかどうかを尋ねるメッセージが表示されたら、[はい]をクリックして確認します。
Xウィンドウを再起動する
sudo service lightdm start
4.グラフィックカードドライバが正常にインストールされているかどうかを確認します
nvidia-smi
上記の画像が表示され、ドライバが正常にインストールされていることがわかります。ドライバのバージョンが410.73であることがわかります。
3、Anacondaのインストール
主要なディープラーニングフレームワークのほとんどはPythonをサポートしており、Pythonは科学計算とデータマイニングのリーダーであると言えます。Rやジュリアなどの言語からの競争圧力がありますが、Pythonのさまざまなライブラリは完成度が高すぎます。ウェブ開発、データの視覚化、データの前処理、データベース接続、クローラーなどは全能であり、完璧な生態環境を備えています。データマイニングツールチェーンでのみ、PythonにはNumPy、SciPy、Pandas、Scikit-learn、XGBoostなどのコンポーネントがあります。データの収集と前処理を行うのは非常に便利です。その後のモデルトレーニングフェーズは、TensorFlowおよびその他のPythonベースの深度と比較できます。学習フレームワークは完全に接続されています。したがって、ここではディープラーニングの開発言語としてPythonも選択します。
Anacondaには、Pythonおよび通常の時間で開発されるほとんどすべてのライブラリが含まれているため、開発に必要な機能ライブラリのインストールについて心配する必要はありません。最後に、スパイダーのメインインターフェイスです。デバッガーと変数表示ウィンドウはどちらも使いやすいです。
このインストールでは、python3.6バージョン、Anaconda3-5.2.0-Linux-x86_64.shバージョンが選択されます。このバージョンはpython3.6、約621MBです。
anacondaのダウンロードリンクはhttps://repo.continuum.io/archive/です。
ダウンロードが完了したら、anacondaをインストールし、anacondaストレージディレクトリに移動して、コマンドを使用する必要があります。
bash Anaconda3-5.2.0-Linux-x86_64.sh
インストール後、ユーザー同意を入力したYu Duは、同意に同意するためにyesを入力します。同意した後、インストールパスを要求します。インストールの入力に同意するには、Enterキーを押します。インストールが完了すると、環境変数を追加するかどうかを尋ね、yesを入力します。インストール後、VSCodeをインストールするかどうかを確認するメッセージが表示されます。[はい]をクリックすると、インストールは成功しませんでした。ネットワーク接続に問題があることを示すプロンプトが表示されます。ダウンロードするには、外部ネットワークにアクセスする必要があると推定されます。
インストール後、anacondaのパスが〜/ .bashrcファイルに追加されているかどうかを確認することを忘れないでください。完全に下にある場合は、自動的に追加されます。そうでない場合は、手動で追加する必要があります。
export PATH = "/ anaconda3インストールパス/ bin:$ PATH"
実際の状況に応じて、anaconda3のインストールパスを必ず記入してください。次に、それを調達して有効にします。
source ~/.bashrc
端末にpythonを入力した後、出力が以下のようになっている場合、インストールは成功しています。
pipソース、condaソース、apt-getソースを置き換える(オプションの操作)
anacondaがインストールされた後、pip、conda、apt-getなどのコマンドは操作時に海外のミラーファイルにリンクされ、速度が比較的遅いため、ソースを変更するのが最善です。源は国内源と取り替えることができます。
1. pipソースを置き換えます:
cdでルートディレクトリに移動し、コマンドラインにsudo mkdir .pipと入力して、「。pip」という名前の新しいフォルダーを作成します。
pip構成ファイルを作成します:sudo gedit〜/ .pip / pip.conf、geditエディターインターフェイスに次の文を挿入します。
[global]
index-url = https://pypi.douban.com/simple
pipソースを国内のDoubanミラーに更新できます
2. condaソースの置き換え
pipのインストールに加えて、conda install xxxを使用してサードパーティのPythonパッケージをインストールすることもできます。国内ミラーに変更するには、構成ファイルを作成します。sudo gedit ~/.condarc
次の文を追加します。
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- defaults
show_channel_urls: true
3. apt-getソースを置き換える
こちらを参照してくださいhttps://blog.csdn.net/ezreal_king/article/details/72790291
4番目に、Anacondaを介してTensorflow-gpu、kerasをインストールします
まず、テンソルフローという名前の新しいconda環境を作成する必要があります。
conda create -n tensorflow python=3.6
作成が完了したら、次のコマンドを使用してこの環境を管理できます。
source activate tensorflow #激活环境
source deactivate tensorflow #关闭环境
環境がアクティブ化されたら、次のコマンドを入力して、gensorバージョンとtensorflowのkerasをインストールします。
conda install tensorflow-gpu keras
ダウンロードとインストールを待つ
conda install tensorflow-gpu kerasコマンドは非常に強力です。CUDAとCudnnが自動的にインストールされ、一致するtensorflow-gpuバージョンが自動的にインストールされます。手動でcudaとcudnnをインストールする必要がなくなります。どのバージョンがインストールされていますか? ?"この問題。
インストールが成功したかどうかをテストします。環境のアクティブ化の場合は、pythonと入力してから、
import tensorflow as tf
import keras
エラーが報告されなければ、インストールは成功しています。
以下のもう少し完全なコードを試すこともできます。
import tensorflow as tf
hello = tf.constant(‘hello tensorflow!’)
sess = tf.Session()
print(sess.run(hello))
使用後は必ず環境を閉じてください。!!
5、PyCharmのインストールと構成
1)PyCharmのインストール
最初にPyCharm公式Webサイトでインストールパッケージをダウンロードします。
リンク:https : //www.jetbrains.com/pycharm/download/#section=linux
ウェブページを開くのが少し遅いかもしれません
選択したプラットフォームはLinuxで、Professional EditionとCommunity Editionに分かれていますが、Professional Editionは有料で機能が多いのが特徴で、具体的な機能がわかりません。Community Editionを選択しました。[ダウンロード]をクリックしてダウンロードしてください
ダウンロードが完了すると、インストールパッケージはDownloadsフォルダーにあります。
インストールパッケージを右クリックし、[ここで抽出]をクリックします。これは、ここで解凍することを意味します。これは解凍と同じです。
ターミナルのpycharm / binディレクトリに指定し、「sh ./pycharm.sh」と入力します
次に、いくつかの基本設定があります。完了すると、次のインターフェイスが表示されます。
今後の使用のために、pycharmのパスを〜/ .bashrcファイルに追加できます。
vim ~/.bashrc
ファイルの最後に追加します。
export PATH=/pycharm的解压路径/bin:$PATH
パスを変更し、保存して終了し、ソースを設定して効果的にすることを忘れないでください。次に、ターミナルにpycharm.shを直接入力して、PyCharmを起動します。
インストールが完了してもpycharm起動アイコンが見つからない場合は、https://jingyan.baidu.com/article/c45ad29c030102051753e20f.htmlを参照してください。
2)PyCharm設定
キー:適切な構成Project
のInterpreter
缶
source activate tensorflow
which python
TensorFlowでPythonのインストールパスを見つけて、小さなノートブックに書き留めます
たとえば、私のインストールパスは/ home / cc / anaconda3 / evns / tensorflow / bin / pythonです。
次にpycharmを開いて、File-> setting-> project-> project interpreterで新しいプロジェクトを作成します。
右側の赤いボックスの設定をクリックし、[ローカルを追加]を選択してから、赤いボックスに入力する前にターミナルにパスを入力して保存します。
既存の環境を選択するだけで、新しい環境の[ok]オプションはグレー表示され、変更できない場合があります
その後、それ以上はありません。作業が完了し、pycharmの旅を始めましょう!
添付:
AnacondaはデフォルトでPython開発アーティファクトをインストールします。JupyterNotebook(以前のIPython Notebook)は、40を超えるプログラミング言語の実行をサポートするインタラクティブなノートブックです。次に、これを使用してtensorflow helloworldを記述し、以前のインストールが成功したかどうかを確認します。
ターミナルでテンソルフロー環境をアクティブにし、jupyter Notebookに移動してjupyterを開きます
コードデバッグのために、他のユーザーが記述した.ipynbファイルを開くこともできます。
jupyterノートブックのpythonコンパイラにいくつかのライブラリを追加する場合は、最初にtensorflow環境をアクティブにする必要があります。たとえば、jupyterでエラーが発生します。たとえば、ImportError:エラーをインポートできませんでした。PIL.Imageをインポートできません。`array_to_img`を使用するにはPILが必要です。パッケージ化し、最初にtensorflow環境ソースをアクティブ化し、次にtensorflowをアクティブ化してから、pip install pillowを実行します。