【机器学习】深度学习开发环境搭建

Eastboat 发布于2019-06-26 19:54 / 2205人阅读

摘要：打开命令提示符输入出现下面提示说明已经安装成功安装添加的环境变量环境变量中加上的路径，例如。在命令提示符输入安装完成，建立一个全新的环境，例如我们想建立一个叫的开发环境，路径为，那么我们输入安装完成。

工欲善其事，必先利其器。首先我们需要花费一些时间来搭建开发环境。

1.安装python。python是人工智能开发首选语言。

2.安装virtualenv。virtualenv可以为一个python应用创建一套隔离的运行环境，避免不同版本的python或第三方库互相影响。类似的虚拟环境还有anaconda，anaconda自带常用库，因此安装包有几百兆，与anaconda相比，virtualenv更轻量化，只有十几兆的大小，可定制化高，推荐virtualenv。使用virtualenv这种虚拟环境的好处是安全，如果某个版本库装坏了，直接删除这个虚拟环境的文件夹即可，不必重装系统的python。

3.安装常用的第三方库。常用的有numpy（科学计算）、scipy（科学计算）、matplotlib（作图）、sciket-learn（机器学习）、keras（tensorflow的高层封装）、tensorflow（深度学习）。使用pip速度慢的问题点这里查看解决方法。

4.安装CUDA和cuDNN（GPU版tensorflow）

Mac OS基于Unix，相比Windows做开发更方便，但是最大的缺点就是非常封闭，各种沙盒安全机制，可能正是由于这个原因，Google在后期的Tensorflow GPU版本中放弃了对Mac的支持。本文介绍Mac OS和Windows两种系统中的环境搭建。Mac OS中，使用仅cpu版本的tensorflow（当然也可以安装旧版本的支持gpu的版本，前提是你的显卡是Nvidia的卡）；Windows中，使用支持gpu版本的tensorflow。笔者目前是使用双系统，跑普通机器学习算法和不是很深的神经网络时使用Mac OS，跑深一些的神经网络使用Windows，毕竟gpu比cpu快的多。（英伟达官方说计算能力3.0或更高的NVIDIA显卡才支持gpu版tensorflow，所以安装之前到这里查询一下你的显卡的算力，如果小于3，还是老老实实安装cpu版的吧。）

Mac OS

1.安装python

Mac OS自带python2.7，我们需要自己安装python3。目前tensorflow在Mac中支持的python版本为2.7、3.4、3.5、3.6。我们使用3.6版本。下载地址：点这里。安装也很简单，一直next就好了。打开终端输入

python3

出现下面提示说明已经安装成功：

Python 3.6.7 (v3.6.7:6ec5cf24b7, Oct 20 2018, 03:02:14) [GCC 4.2.1 Compatible Apple LLVM 6.0 (clang-600.0.57)] on darwin
Type "help", "copyright", "credits" or "license" for more information.

2.安装virtualenv

在终端输入：

sudo pip install --upgrade virtualenv

安装完成，建立一个全新的 virtualenv 环境，例如我们想建立一个叫AI的开发环境，路径为~，那么我们输入：

virtualenv --no-site-packages ~/AI

–no-site-packages是不复制系统python中的库，安装的就是一个不带任何第三方库的很干净的环境。如果想拷贝系统python中的库，需要使用--system-site-packages。

如果系统中有多个python，比如同时有python2和python3，想创建一个python2.7的环境，可以输入：

virtualenv -p /usr/bin/python2 --no-site-packages ~/

进入这个环境：

source ~/AI/bin/activate

此时终端前缀变成

(AI) ~ $:

这时候就可以在这个环境安装第三方库了，系统Python环境不受任何影响。安装时直接用pip，不需要使用sudo。例如安装numpy：

(AI) ~ $:  pip install numpy

退出环境：

(AI) ~ $:  deactivate

就回到正常环境了，终端变回：

~ $:

3.安装常用的第三方库

进入虚拟环境：

source ~/AI/bin/activate

安装numpy：

(AI) ~ $:  pip install numpy

安装scipy：

(AI) ~ $:  pip install scipy

安装matplotlib：

(AI) ~ $:  pip install matplotlib

安装sciket-learn：

(AI) ~ $:  pip install sklearn

安装keras：

(AI) ~ $:  pip install keras

安装tensorflow：

(AI) ~ $:  pip install  https://storage.googleapis.co...

其它版本点这里

4.测试运行

import tensorflow as tfimport numpy as np
hello=tf.constant("hhh")
sess=tf.Session()
print (sess.run(hello))

如果没有报错说明安装成功了。

Windows

1.安装python

Windows不自带python，目前tensorflow在Win中支持的python版本为3.5、3.6。我们使用3.6版本。直接下载python3.6安装就好了。下载地址：点这里。安装也很简单，一直next就好了。

添加python的环境变量：

“我的电脑”-“属性”-“高级系统设置”-“环境变量”，在“系统变量”中选中“Path”,点“编辑”，加上python的路径，例如“C:Python36”。这样就可以在命令提示符中使用python了。打开命令提示符输入

python

出现下面提示说明已经安装成功：

Python 3.6.7 (v3.6.7:6ec5cf24b7, Oct 20 2018, 03:02:14) [GCC 4.2.1 Compatible Apple LLVM 6.0 (clang-600.0.57)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>>

2.安装virtualenv

添加pip的环境变量：

环境变量“Path”中加上pythonScript的路径，例如“C:Python36Script”。这样就可以在命令提示符中使用pip了。

在命令提示符输入：

pip install --upgrade virtualenv

安装完成，建立一个全新的 virtualenv 环境，例如我们想建立一个叫AI的开发环境，路径为C:Usersxxx，那么我们输入：

virtualenv --no-site-packages C:UsersxxxAI

安装完成。使用和上文Mac中类似，不再赘述。

3.安装常用的第三方库

和上文Mac中类似，不再赘述。只需注意tensorflow选择win版支持gpu的版本。

pip install https://storage.googleapis.co...

4.安装CUDA和cuDNN

因为在Windows中我们安装的是支持gpu的tensorflow，因此比Mac中多两个安装步骤。CUDA是由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。cuDNN是NVIDIA专门针对深度神经网络（Deep Neural Networks）中的基础操作而设计基于GPU的加速库。下面我们来安装它们。

首先确保电脑安装好了Nvidia显卡驱动，打开控制面板---NVIDIA控制面板---帮助---系统信息---组件，如果支持CUDA会有NVCUDA.DLL 以及支持的CUDA版本。

根据查询到的支持的CUDA版本到这里查询匹配的tensorflow和cuDNN版本。

注意一定要版本匹配！

根据查询好的版本下载正确的CUDA（下载地址：点这里）和cuDNN（下载地址：点这里）。

CUDA下载好是exe文件，直接双击安装。安装好路径像下面这样"C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0"。

cuDNN下载好是一个压缩包，里面有3个文件夹。一个include，一个lib64，还有一个bin。把它们复制到上面CUDA的安装文件夹（"C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0"）中。

配置环境变量，在环境变量“Path”中加上这三个路径：

a."C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0libx64

b."C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0in

c."C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0

安装完成。

5.测试运行

import tensorflow as tfimport numpy as np
hello=tf.constant("hhh")
sess=tf.Session()
print (sess.run(hello))

如果没有报错说明安装成功了，如果报错请仔细检查版本，python版本+tensorflow版本+CUDA版本+cuDNN版本。

最后预祝大家安装顺利！

超融合服务器服务器托管深度学习机器学习机器学习深度学习深度学习机器学习机器学习与深度学习

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/20431.html

【机器学习】深度学习开发环境搭建

摘要：打开命令提示符输入出现下面提示说明已经安装成功安装添加的环境变量环境变量中加上的路径，例如。在命令提示符输入安装完成，建立一个全新的环境，例如我们想建立一个叫的开发环境，路径为，那么我们输入安装完成。工欲善其事，必先利其器。首先我们需要花费一些时间来搭建开发环境。 1.安装python。python是人工智能开发首选语言。 2.安装virtualenv。virtualenv可以为一个...

galaxy_robot 2019-06-26 18:39 评论0 收藏0
【机器学习】深度学习开发环境搭建

摘要：打开命令提示符输入出现下面提示说明已经安装成功安装添加的环境变量环境变量中加上的路径，例如。在命令提示符输入安装完成，建立一个全新的环境，例如我们想建立一个叫的开发环境，路径为，那么我们输入安装完成。工欲善其事，必先利其器。首先我们需要花费一些时间来搭建开发环境。 1.安装python。python是人工智能开发首选语言。 2.安装virtualenv。virtualenv可以为一个...

plus2047 2019-06-26 19:54 评论0 收藏0
【机器学习】深度学习开发环境搭建

摘要：打开命令提示符输入出现下面提示说明已经安装成功安装添加的环境变量环境变量中加上的路径，例如。在命令提示符输入安装完成，建立一个全新的环境，例如我们想建立一个叫的开发环境，路径为，那么我们输入安装完成。工欲善其事，必先利其器。首先我们需要花费一些时间来搭建开发环境。 1.安装python。python是人工智能开发首选语言。 2.安装virtualenv。virtualenv可以为一个...

Invoker 2019-06-26 16:13 评论0 收藏0
福布斯：机器学习和深度学习将革老牌云服务提供商的命

摘要：硬件机器学习和深度学习带来的那种颠覆早已从软件堆栈扩大到了芯片服务器和云服务提供商。数据中心也正在重新设计架构，以支持机器学习和深度学习耗用的超大量数据。作者是多位精英CIO、CTO和技术高管组成的福布斯杂志的常设部门Forbes Technology Council过去这几年涌现出了全新类别的产品，这归功于机器学习和深度学习取得了非凡的进步。仅举几个例子，这些新技术在支持产品推荐、医疗成...

邹立鹏 2019-04-25 17:47 评论0 收藏0
福布斯：机器学习和深度学习将革老牌云服务提供商的命

摘要：硬件机器学习和深度学习带来的那种颠覆早已从软件堆栈扩大到了芯片服务器和云服务提供商。数据中心也正在重新设计架构，以支持机器学习和深度学习耗用的超大量数据。作者是多位精英CIO、CTO和技术高管组成的福布斯杂志的常设部门Forbes Technology Council过去这几年涌现出了全新类别的产品，这归功...

muzhuyu 2019-04-25 16:30 评论0 收藏0