机器学习|ubuntu 教你如何10分钟搭建深度学习环境机器学习|深度学习

曾经有没有被搭建环境搞得晕头转向？装了无数次什么乱七八糟的死机？各种界面显示不对？一堆的命令要敲？什么进入F1模式啊，什么下载什么乱七八糟的文件啊，nvidia,cudnn,cuda..... 其实基本不需要, 你要下载的就一样，Anaconda。往下看就知道了,首先搞明白驱动driver和cudnn，cuda的区别和关系。
1.驱动和显卡有关系，要根据自己的显卡找到适合自己版本的驱动最重要，不要以为驱动越高越好，你显卡虽然能装上，但是后期还是会出现各种各样头疼的问题，所以合适你的才是最好的
2.cuda 和cudnn是根据显卡版本来确定版本的，不要自己装最高的版本。要根据版本去调整
3.tensorflow 版本不向下兼容，所以需要考虑cuda版本安装。pytorch不需要考虑，一般来说装默认版本就可以，有特殊需求自己调整。
1.安装NVIDIA驱动
一.官方版本（适用于阿里云，各种云。。还有你的显卡是市面上1-2年内出来的） 1). 登录google的tensorflow网站，网址在这里tensorflowGPU安装地址
往下滑，找到自己对应ubuntu系统版本，楼主用的18.04。

# Add NVIDIA package repositories wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-repo-ubuntu1804_10.0.130-1_amd64.deb sudo dpkg -i cuda-repo-ubuntu1804_10.0.130-1_amd64.deb sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub sudo apt-get update wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb sudo apt install ./nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb sudo apt-get update# Install NVIDIA driver sudo apt-get install --no-install-recommends nvidia-driver-418 # Reboot. Check that GPUs are visible using the command: nvidia-smi# Install development and runtime libraries (~4GB) sudo apt-get install --no-install-recommends \ cuda-10-0 \ libcudnn7=7.6.2.24-1+cuda10.0\ libcudnn7-dev=7.6.2.24-1+cuda10.0# Install TensorRT. Requires that libcudnn7 is installed above. sudo apt-get install -y --no-install-recommends libnvinfer5=5.1.5-1+cuda10.0 \ libnvinfer-dev=5.1.5-1+cuda10.0

copy下这段代码，然后打开终端。
输入命令

vim start.sh

将上面的代码copy进去，保存退出。然后运行start.sh文件开始安装。地址什么的无所谓，中间会让你输入几个y，输入进入回车就完事了。
全部装完之后，重新打开终端
输入nvidia-smi。出现下面这个界面就OK了

文章图片

二.带桌面版本适合带图形界面，官方版本可以纯终端安装还是需要学习一下
看好，打开软件与更新app，
打开附加驱动这个标签，找到适合自己最新的版本，点击安装或者更改应用，等待安装完成就OK了，是不是很简单，哈哈。一定要这么干，千万别去下载，新学者你不懂配置，安装1-2可能还装不好，就这个，最简单。装好后，重新输入nvidia-smi,就ok

文章图片

【机器学习|ubuntu 教你如何10分钟搭建深度学习环境】ps，没有出现驱动的，进入终端，sudo apt-get update 更新一下
还有记得进入第一个标签软件与驱动，将源改成国内源，我一般使用阿里源

好了，驱动安装好了。我们进入下一个环节。
2.安装Anaconda。（没错，是安装Anaconda，而不是cuda，cudnn）我要下班了，剩下的下次再写，先快速写一个最简单的办法
1.网上下载Anaconda，去官网，下载速度很快。默认安装直接安装好。可以参考其他教程安装Anaconda。
2，安装完之后，打开你的终端前面会出现（bash）这个标志。去其他地方找一个别人导出来的虚拟环境。后缀是.yaml 结尾的文件。然后输入

conda env create -f environment.yaml#最后这个换成自己的yaml文件的文件名

安装好后。你会发现cudnn，cuda也安装好了。在你的虚拟环境下面。要使用这个虚拟环境
首先conda env list。查看所有的环境
然后输入source activate xxx，xxx是你上面找到conda下面的环境名称，安装完成。
conda好处就是你可以无限的换环境，安装多个环境，安装多个不同版本的tensorflow，cuda，cudnn，都不会影响。
附上我自己目前在用的yaml文件。cuda9.0，cudnn7.3.tensorflow1.11足够应付99%的gitghub代码。适合自己的才是最好的，还是那句话。
剩下的详细安装下次有时间再来继续补充，不使用yaml的，其实也很简单。就是自己进入虚拟环境。conda install xxx 或者 pip install xxx 一个一个安装就完事了
我的yaml上传申请通过了，下面是地址，有需要的可以自己去下载下下载地址