ubuntu18.04は、ディープラーニング環境をゼロから構築します
多くの人が熱意を持って応答する深さを学び始めたばかりですが 、多くの 場合、構築された環境に多くの時間を費やし 、自分のコンピュータがパッケージの多くのバージョンをインストールし、実行される環境の最終的な使用法を知りません今まで、それは新しいプロジェクトのために再構築されなければなりません。
自分の人の後ですぐに回復し、システムを再インストールした後にubuntu18.04を開始するために、次の 教訓を 見ることができます (安定性を確保するために2年の経験があります)。
1.ubuntu18.04をインストールします
言うまでもなく、次の点に注意してください。
- システムのインストール手順でBIOSに入り、セキュアブートを無効にすることができます。
- システムのインストールが正常であることを確認します。ubuntu18.04がインストールされ、再起動を求めるプロンプトが表示された場合、この時点で異常な情報が画面に表示されることはありません。
2.システムのソースを変更します
これの利点は、一部のパッケージの更新が非常に高速であると感じることです。
次
の図に示すように、ソフトウェアとアップデートを見つけて、ソースをAlibaba Cloudのソースに更新します。次の図に示すように、他のソフトウェアのCanonical Partnersを確認します。
次に、更新することを忘れないでください。
sudo apt update
sudo apt upgrade
3.NVIDIAグラフィックスドライバーをインストールします
このステップは必要な項目です(cudaのインストール時にNVIDIA Accelerated Graphics Driverをインストールするかどうかを尋ねられます
が、通常はこのようにインストールされます)、多くの人がクラッシュしやすい段階でもあります。以下は試してみました私のコレクションでテストされた方法:
Ubuntu 18.04NVIDIAドライバーをインストールする
ubuntu-drivers devices
次のステップで推奨されるドライバーバージョンを選択することをお勧めします- 次に、このチュートリアル
nvidia-smi
は、それを見た後、次のようなものを出力する必要があります。
4.cudaとcudnnをインストールします
この記事は、cudaとcudnnのインストールに関する私のお気に入りの高品質ブログです。Ubuntu18.04はCUDA10、CUDNNをインストールし、注意すべき点がいくつかあります。
- cuda10.0をインストールしてみてください。9シリーズのディープラーニングフレームワークの上位バージョンの一部はサポートされていません
- STEP3では、ターミナルでのエクスポートのみが現在のセッションで有効であり、
gedit ~/.bashrc
変更できます。忘れないでくださいsource ~/.bashrc
- オンラインである必要がなく、将来ダウンロードするためにデータを消費する必要がないように、ローカルにインストールすることをお勧めします(パッチ.runファイルは同じ方法でダウンロードおよびインストールされます)
- 私は個人的にもっとcuda10.0 + cudnn7.4.2を使用しています、あなたはそれ
nvcc -V
を使ってcudaバージョンをチェックすることができます - 実際、今すぐcuda10.1 + cudnn7.6.5をインストールできます。結局のところ、cuda10.0の場合、pytorchは最大1.4をサポートします。つまり、より高いバージョンを使用する場合は、cuda10をインストールするのが最適です。 1((cuda10.0とのいくつかの違いがあります)
5.Anaconda3をインストールします
言うまでもなく、Anaconda3は簡単に仮想環境を作成し、さまざまなプロジェクトに必要な動作環境を分離できます。
通常、.sh
ファイルをダウンロードしてインストールします。コレクションの次のブログで説明されています。anacondapythonバージョンとanacondaのダウンロードアドレスの対応。要約する:
- 現在、それらのほとんどはpython3.6または3.7環境にあります(python3.8環境は推奨されません)ので、ダウンロード
Anaconda3-5.2.0-Linux-x86_64.sh
して個別にAnaconda3-5.3.0-Linux-x86_64.sh
、他のバージョンについては表を参照してください - それなら
bash ./Anaconda××××××××××××××××××.sh
大丈夫です - インストールプロセス中に、環境変数にAnacondaを書き込むかどうかを確認するメッセージが表示されます。ターミナルに書き込む場合は、Anacondaのpython環境に入ります。書き込まない場合は、付属のpython環境に入ります。ターミナルにpython3と入力すると、システムになります。
- 個人的には、環境変数を書くのは好きではありません。次のコマンドを実行します。次に
conda activate
、基本仮想環境を入力します。
gedit ~/.bashrc
. /home/lz/anaconda3/etc/profile.d/conda.sh
source ~/.bashrc
- 多くの人がcondaのソースを変更することを提案しますが、condaパッケージ管理により、使用中にpythonバージョンをアップグレードできることがわかりました。そのため、私はpipを使用してパッケージをインストールしています(変更または元に戻す場合)元のソースに、ここに1つの高品質のブログがあります:anaconda 1、Tsinghuaミラー2を追加し、元のソースに戻します)
6、pip変更ソース
ソースを変更した後の速度は単純に異なり
ます。ホームディレクトリに.pipフォルダーを作成してから、このディレクトリにpip.confファイルを作成します。
mkdir ~/.pip
gedit ~/.pip/pip.conf
次のコンテンツをpip.confファイルに書き込みます(清華大学の画像ソースに置き換えられました)。
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
保存して終了します。
7. PyTorchGPUバージョンをインストールします
ここにCPUバージョンをインストールする人は誰もいません。-_-公式Webサイトの次のような一文に従ってインストールすることはお勧めしません。
conda install pytorch torchvision cudatoolkit=10.0 -c pytorch
または、後者を削除し-c pytorch
て清華のコンダソースに切り替えると、速度が速くなる可能性がありますが、どちらも私のお気に入りの方法ではありません。
私の方法は、pip経由でインストールする
ことです。cuda10.0の場合は、次のURLにアクセスできます。https://download.pytorch.org/whl/cu100/torch_stable.html
他のバージョンの試合は、https:// downloadで確認できます。 .pytorch ORG / WHL / torch_stable.html。
torch.whl及びtorchvision.whl(バージョンマッチングについては、以下の図を参照)の対応するバージョンをダウンロードしてください。現在では1.3以降トーチのバージョンを使用することが推奨されるため
、例えば、バージョンtorch-1.3.0%2Bcu100-cp36-cp36m-linux_x86_64.whl
ダウンロードしたのは(トーチのバージョン1.3.0、python3.6環境、linux 64ビットシステムを表す)でありtorchvision-0.4.1%2Bcu100-cp36-cp36m-linux_x86_64.whl
、condaによってアクティブ化された環境で使用されている限り:
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
PyTorch gpuバージョンをすばやくインストールできます(whlファイルはモバイルハードディスクに保存でき、次回のインストールのためにダウンロードする必要はありません)
8.pycharmをインストールします
Pythonに最適なIDEはもちろんpycharmです。最新バージョンはドキュメントを表示するためのマウスオーバーもサポートしています。これはコードの表示に特に便利です。
お気に入りの高品質ブログをお勧めします:Ubuntu18.04インストールPyCharm
もちろん、アクティベーションのステップでは、学生のアクティベーションを使用したので、本物のプロフェッショナルバージョンです(jupyterノートブックを読むことができます)
この時点で、ディープラーニングの基本環境をインストールできます~~~~経験の概要、収集する価値があります!