/DeepLearning-StartKit

这个仓库是用来设置你的 Python 环境和深度学习框架环境

DeepLearning-StartKit

Python

Python 能够使用各种各样的开发环境，这里我们强烈推荐使用 Anaconda 来进行Python 环境的管理，当然如果你有自己偏好的 Python 环境管理方式，你完全可以使用自己更喜欢的方式。

1.登录 Anaconda 的官网 www.anaconda.com，选择下载

2.选择对应的操作系统

3.选择 Python 3.6 的版本进行下载，因为 Python 2.7 不久之后很多开源库都不再继续支持，所以我们的整个课程都是基于 Python 3.6 开发的，请务必选择正确的 Python 版本，Python 3.6

4.下载完成进行安装即可

Jupyter 安装和环境配置

安装完成之后，liunx/mac 打开终端，windows打开 power shell，输入 jupyter notebook就可以在浏览器打开交互的 notebook 环境，可以在里面运行代码

CUDA

百度搜索 cuda，选择 CUDA Toolkit，进入 cuda 的官网，选择对应的操作系统进行下载

（注意 这里点进去直接是下载cuda9.1版本的，tensorflow 目前并不支持cuda9.1，我们可以从https://developer.nvidia.com/cuda-toolkit-archive中找到适合的cuda版本，例如cuda9.0等等。

进入之后和后面即将介绍的安装过程相同）

看到下面可以进行的系统选择

对于 cuda 的安装，不同的操作系统有着不同的安装方式，这里仅以 linux 环境举例（这是配置亚马逊云环境中的一部分），关于windows 的配置可以动手百度或者google，对于 mac 电脑，12 年之后就不再使用nvidia 的GPU，所以没有办法安装cuda。

建议使用云服务器或者安装 linux 双系统，可以省去很多麻烦，也有助于后期深度学习的开发。

选择 linux 对应的 cuda 下载

在终端输入

$ wget https://developer.nvidia.com/compute/cuda/9.1/Prod/local_installers/cuda_9.1.85_387.26_linux

下载最新的 cuda 9，然后输入

$ bash cuda_9.1.85_387.26_linux

进行安装，接下来需要回答一些问题

accept/decline/quit: accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?
(y)es/(n)o/(q)uit: y
Do you want to install the OpenGL libraries?
(y)es/(n)o/(q)uit [ default is yes ]: y
Do you want to run nvidia-xconfig?
(y)es/(n)o/(q)uit [ default is no ]: n
Install the CUDA 8.0 Toolkit?
(y)es/(n)o/(q)uit: y
Enter Toolkit Location
 [ default is /usr/local/cuda-8.0 ]:
Do you want to install a symbolic link at
/usr/local/cuda?
(y)es/(n)o/(q)uit: y
Install the CUDA 8.0 Samples?
(y)es/(n)o/(q)uit: n

运行完成之后就安装成功了，可以在终端输入

nvidia-smi

查看GPU，最后我们需要将 cuda 添加在系统环境变量中方便以后的安装中找到

echo "export LD_LIBRARY_PATH=\${LD_LIBRARY_PATH}:/usr/local/cuda-9.1/lib64" >>~/.bashrc
source ~/.bashrc

深度学习框架 TensorFlow 和 PyTorch 安装

TensorFlow 安装

目前 Tensorflow 支持在 Linux, MacOS, Windows 系统下安装，有仅支持 CPU 的版本，在缺少 GPU 资源时是一个不错的选择，也有 GPU 版本的实现高性能 GPU 加速。

在安装 GPU 版本之前需要一些额外的环境

libcupti-dev

一行命令即可

$ sudo apt-get install libcupti-dev

cudnn

进入 https://developer.nvidia.com/cudnn，点击下载

会要求进行注册，点击 Join

然后填写关于你的一些信息就完成了注册。然后就可以打开 Download 出现下面的页面并选择下载压缩包

解压后在当前目录运行下面命令即完成

$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include 
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 
$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

安装 Tensorflow

到这里 Tensorflow 的安装就非常简单了，可以在系统中用 pip 也可以在 anaconda 虚拟环境中安装

  • pip 安装

    # 仅安装cpu版本 python2.x
$ pip install tensorflow
# python3.x
$ pip3 install tensorflow
# 安装gpu版本 python2.x
$ pip install tensorflow-gpu
# python3.x
$ pip3 install tensorflow-gpu

  • anaconda安装

    # 激活环境
# 下面的`$YOUR_ENV`替换成你自己的，没有的话要生成一个新的环境，可以参考下面注释的例子
# `conda create -n tensorflow pip python=2.7 # or python=3.3, etc.`
# 这样会构建一个名为 tensorflow，python 是2.7版本的虚拟环境
# 换名字很简单，换python版本的话也只需要将2.7改变即可，比如改变成3.6
$ source activate $YOUR_ENV
# 在环境中安装tensorflow，注意这里的tfBinaryURL需要根据需求替换，后面详述
($YOUR_ENV)$ pip install --ignore-installed --upgrade tfBinaryURL

    tfBinaryURL 以在https://tensorflow.google.cn/install/install_linux#the_url_of_the_tensorflow_python_package选择

验证安装

终端中打开 python 解释器，运行下面命令成功即可

# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

出现问题

PyTorch 安装

目前 PyTorch 官方只支持linux 和 MacOS，如果要查看 windows 的安装方法，请看后面。

在 linux 和 MacOS 这两个系统下进行安装非常的简单，访问到官网

www.pytorch.org

按照提示在终端输入命令行即可

如何在 windows 下装 PyTorch

使用 windows 的同学可以访问这个链接查看如何在 windows 下面安装pytorch

https://zhuanlan.zhihu.com/p/26871672

验证安装

终端中打开 python 解释器，运行下面命令成功即可

# Python
import torch
x = torch.Tensor([3])
print(x)
# x_gpu = torch.Tensor([3]).cuda() # GPU 安装验证
# print(x)