|logfile-202005| 从零搭建深度学习环境win/linux+anaconda+pytorch
2020-06-06 07:25
232 查看
如何从零搭建一个基础的深度学习环境?
最近新买了个笔记本日常工作用,于是花了点时间把环境搭好。搭建过程中也查询了不少信息,以往没有写log的习惯,这次把操作过程总结记录下来,只写了思路指导和一些注意,没有详细图文。
准备工作
- 带有NVIDIA显卡的电脑
- Wifi
- 没有重要文件的U盘(≥8GB)
- 几个小时的环境搭建时间
Pipeline
0 -> 制作ubuntu安装盘 -> win分区 -> Bios设置 -> Ubuntu安装 -> Ubuntu应用优化 -> 安装anaconda -> 安装pytorch和其他包
Win/Ubuntu双系统安装
Linux是非常适合于计算机行业从业者的系统,简单高效。它不同于以往win系统同计算机通过图形化界面的交流,更注重于通过代码和命令与计算机交互。因此在这里我们安装Win/Ubuntu双系统,并且将其他深度学习相关框架和包,都搭建在linux系统上。
- 多种Linux系统中,我们选择了常用的Ubuntu,虽然刚出了20的版本,不过稳妥起见还是安装了18.04。直接在Windows系统下通过链接或者搜索,在官网找到源文件,选择Desktop image下载。
- 下载软碟通UltraISO。网上很多源文件,只是要小心一下,下载时候其他乱七八糟的附加软件和广告。试用即可。
- 用软碟通UltraISO把下载好的系统文件制作Ubuntu安装盘。 网上很多详细的教程,不再赘述。
- 在Win系统上进行设置,为安装Ubuntu系统做准备。具体可以参考这篇。
- 硬盘分区。我从E盘上分了200G出来,根据需求,当然越多越好。
- 关闭快速启动和安全启动(在开机时不停按F2可以进入BIOS模式)。
- 重启,插入USB安装盘,通过不断按F12选择进入U盘启动方式,从而开始Ubuntu的安装。
- 可以根据网上 的教程一步一步操作。需要注意的是,安装类型中要选择其他选项,也就是不与Windows共存。
- 另外,要注意系统分区。把我们之前在Windows系统留出的空间划分为几个不同部分,来承载系统文件和使用空间。
- 如果像我一样是用的独显,有可能在安装时遇到acpi错误和花屏的问题,可以先把独显禁用,安装好再下载NVIDIA driver。包括我遇到的安装Ubuntu后无法外接显示器,都是显卡的问题, 可以参考这篇和这篇解决。
- 用
nvidia-smi
测试一下NVIDIA driver有没有成功安装,没问题的话继续,有问题重新下载安装,这个安装有点小烦,可以多找几篇教程看,一定要对应自己显卡的型号。 - 有人遇到WiFi失灵的问题,曾经碰到过,但这次没有,所以解决方法不详
Ubuntu应用优化
优化是为了方便使用,一个是主题界面的优化,我们可以用tweaks,一个是根据我们的需求添加一些软件,如科研狗常用的sublime,texlive,搜狗输入法(注意设置fcitx),mendeley, WPS等等。。。
我个人十分推荐半透明的terminal,很漂亮。只需在终端的设置里,调高透明度。
这里有一篇可以参考。
深度学习环境搭建
有了好看的图标和终端样式,那敲起命令来,应该非常快乐了。
好的,那我们现在安装Anaconda。我配置的是anaconda3+Python3.7,根据提示操作,选择yes和路径就可以。
- 需要注意的是,要在
~/.bashrc
里更新anaconda的path,然后source或者重新打开终端以生效。
安装好以后,我们就有了
conda命令来辅助我们安装其他框架和包,包括TensorFlow,pytorch等等。
这里我们可以安装pytorch或它的国内镜像安装,visdom 或者用pip安装opencv.
因为相关的教程非常多,一般都很有效,这里仅仅给出我觉得可以的链接。安装时要注意一下自己装的版本,特别新的版本可能有bug,过于老旧的版本可以有些功能已经弃用了,所以选择合适稳定的版本,并且要协调统一。
- 一个简单的测试方法,在终端里输入
ipython
,然后导入需要的库,比如import torch
。如果成功导入,说明安装成功。一般安装好也可以用--version/- V
来查询版本。
这样,一个基础的深度学习环境就搭建好啦~几个小时就搞定了。
相关文章推荐
- 完全新手在linux 16.04lts下配置深度学习环境(安装NVIDIA+CUDA+cuDNN+Anaconda+PyTorch+Pycharm)
- ubuntu18.04 从零搭建深度学习环境 Anaconda+NVIDIA Driver+CUDA+CUDNN+PyTorch
- 在Ubuntu 18.04系统上搭建深度学习环境(NVIDIA410,CUDA10.0,CUDNN7.6.5,Anaconda和pytorch1.0)
- 深度学习环境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook
- centos7 搭建 python35+pip3+pytorch 深度学习环境
- 深度学习pytorch环境搭建+nvidia驱动+cuda+pytorch-gpu
- pytorch训练深度学习前期环境配置准备(包含安装Anaconda+在Anaconda下安装Pytorch+安装pycharm+pycharm中配置环境变量)
- windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN
- 深度学习之PyTorch实战(1)——基础学习及搭建环境
- windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN
- 深度学习环境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook
- Linux 配置 深度学习环境常用的命令 pytorch-tensorflow-cuda-cudnn-nvcc
- 深度学习环境搭建(一)-win10子系统启用Linux
- Pytorch入门(一):anaconda+pycharm+pytorch环境搭建
- Ubuntu16.04深度学习环境搭建gtx1080+N卡驱动384.130+cuda9.0+cudnn7.5.0.56+Anaconda3.5.1+tensorflow-gpu1.8+pycharm
- windous10下+Anaconda+深度学习框架(TensorFlow cpu/gpu 、Keras、Pytorch)+Cuda+Cudnn+pycharm安装教程及避坑手册
- linux系统下深度学习环境的搭建Ubuntu16.04+1070Ti+CUDA9.0+CUDNN
- 如何在Ubuntu下安装Anaconda及搭建环境安装TensorFlow深度学习框架
- 【深度学习笔记】Anaconda及开发环境搭建
- 深度学习py-faster-rcnn/Qt5.8工作环境搭建教程