教你從頭至尾利用DL學梵高做畫：GTX 1070 cuda 8.0 tensorflow gpu版

教你從頭至尾利用DL學梵高做畫

\

\

做者：七月在線開發/市場團隊中的三人，驍哲、李偉、July。本教程主要由驍哲撰寫，李偉負責Linux命令部分。
時間：二零一六年九月二十五日
配置：GTX 1070 cuda 8.0 Ubuntu 14.04 cudnn 5.1 tensorflow gpu
交流：TensorFlow實戰交流Q羣 472899334，有問題能夠加此羣共同交流。另探究實驗背後原理，請參看咱們的深度學習在線課程：深度學習在線班。\

\

\

1、前言

    12年本博客推出SVM三層境界，14年July團隊開始作機器學習線下班，也所以寫了一系列ML博客。15年，July團隊正式創業，開始作七月在線 —— 國內領先的人工智能教育平臺，最初涵蓋算法、機器學習、深度學習三大重心。16年，七月在線從上半年的5個課程擴展到下半年的30個課程，講師團隊也從上半年的5人擴大至現有的19人（且到18年上半年，講師團隊已超過60人）。

    與此同時，機器學習愈來愈火，且隨着計算機計算能力的提升深度學習則更趨火熱。公司在作深度學習的課程時，開發/市場同事也會順帶着學習學習，但從始至終都還沒有跟着課程上的實驗實際動手作過。

    直到最近，咱們團隊人手漸漸齊了以後，發現能夠動手作一些實驗了。爲什麼呢？學一個東西，懂它理論以後，最重要的是付諸實踐，動手實驗一把，否則永遠只是紙上談兵。咱們三雖然都不講課（一市場一PHP一打雜），但能夠輔助講師團隊帶動更多學員一塊兒作實驗、一塊兒搞。

    激情澎湃，心血來潮。

• 21號下午5點，同事李、許開始搞DL：用DL學梵高做畫。恩，是搞DL 不是搞ML。
• 接近6點的時候，開始卷積計算，等待的過程就像生孩子同樣。
• 晚上8點，CPU搞了一個半小時搞出來了，而後開始裝cuda，好用GPU搞幾副梵高筆下的畫。
• 0點，同事還在裝，由於GTX 1070下裝cuda8.0實在是費勁吶（1070+8.0之因此難裝，一個是網上教程不多，一個是1070 8.0都是剛出來的，特別是1070目前只能用cuda 8.0。可能960/970/980搭cuda 7.5會輕鬆太多）。
• 接下來，兩同事在黑暗中前行了一晚上，趟遍無數坑。
• 22號早上6點半，cuda、TensorFlow終於編譯好，我..
• 22號早上8點，用DL學梵高做畫，GTX 1070 cuda 8.0 Ubuntu 14.04 cudnn 5.1 tensorflow gpu，折騰一整夜，趟遍無數坑，兩位同事一PHP一市場終於搞定。（恩，有人說，PHP是世界上最好的語言）。\

    咱們搭建好以後，興高采烈的在微博上發佈（由於兩同事此前從未搞過DL，能夠想象咱們心情之興奮），發現咱5月DL班裏一學員以前也搭過這個配置，說：「裝cuda 和驅動花了幾天，常常出現黑屏」。也有朋友反饋：「配置這玩意確實很麻煩。」、以及「是真的很麻煩，我本身嘗試搭建就一直沒成功」。因此，不少朋友求教程。

    事實上，GPU搭好後，最後跑下demo就幾分鐘的事，主要是整個搭建過程 很折騰。不信？你能夠先不看本教程，而後自個從頭至尾搭一把1070+8.0，沒搭過1070+8.0以前就不要來輕易下結論了。真心話。

    綜上，特此推出本份教程，是網上極少有的1070+8.0教程裏面最詳盡的一份（部分圖都是由驍哲用手機對着電腦拍下），但願讓更多人少走彎路。此外，咱們更會在深度學習課程上帶領更多人跟咱們一塊作DL實驗，一塊兒玩。

\

\

2、配置

咱們的配置爲

• 硬件配置：酷睿i7-6700+GTX1070+500G固態硬盤+8G內存+主板
• 軟件配置：Ubuntu14.04 +GTX1070顯卡驅動+CUDA8.0+cudnn5.1+Tensorflow

\

\

3、下載

考慮到有些同窗Linux操做不是很熟練，如下步驟儘可能詳細，以讓每個人都能玩一把。另，操做系統爲全新安裝的Ubuntu14.04英文桌面版，若是已安裝其它版本或非全新安裝，步驟可相應調整。

3.一、 Ubuntu14.04

http://www.ubuntu.com/download/alternative-downloads（下載地址，選擇64位下載）

說明：

1. 咱們本身下載的時候是在官方英文版頁面下載，中文版網頁面彷佛沒有Ubuntu14.04的下載頁。
2. Ubuntu14.04版本選擇上建議使用英文原版，Kylin（麒麟：給中國用戶特別定製）版本不建議使用。緣由：呵呵，外來和尚會念經
3. Ubuntu16.04版本咱們測試後發現進入桌面會屏幕閃動，分析緣由彷佛跟咱們的顯卡是1070版本有關（其實只要把GTX1070顯卡驅動裝上就行），而Ubuntu14.04未出現以上情況。因此考慮爲廣大人民羣衆減小麻煩，當您的顯卡與咱們相似（GTX1070\GTX1080），請參考本條建議。

UltraISO軟碟通：

http://cn.ultraiso.net/xiazai.html（下載地址）

說明：

1. 這個軟件是將你U盤製做成Ubuntu14.04安裝盤的工具。
2. 使用方法請查看百度文庫相關說明：wenku.baidu.com/link?url=XI…
3. 若是下載地址連接失效，自行百度：UltraISO軟碟通。
4. 安裝是在Windows下安裝的。

3.二、 GTX1070顯卡驅動

http://www.geforce.cn/drivers（下載地址）

說明：

（1）選項圖解

（2）你們能夠根據本身電腦配置進行選擇。

3.三、 CUDA

https://developer.nvidia.com/cuda-toolkit（下載地址）

說明：

（1）在NVIDIA的CUDA下載頁面下，選擇要使用的CUDA版本進行下載。

（2）咱們這裏使用CUDA8.0（頁面有提示GTX1070、GTX1080支持8.0版本），學員若是沒有使用以上兩個版本的GPU，能夠下載CUDA7.5。DOWNLOAD（下載）。

（3）下載須要註冊。

（4）圖解選擇

 

 

3.四、 Cudnn

https://developer.nvidia.com/cudnn（下載地址）

說明：

（1）下載須要填寫一個調查問卷，就三個選項，建議認真填寫，畢竟人家免費給咱使用。

（2）填寫完畢點擊 **I Agree To ** 前面的小方框，出現以下：

    點擊下載後出現不少個選擇，勾選3個選項：Images、Image Classification、Tensorflow。

\

3.五、 Tensorflow

tensorflow github上面提到 4 種安裝方式，本教程使用 第四種 源碼安裝\

1. Virtualenv installation
2. Anaconda installation
3. Docker installation
4. Installing from sources

github.com/tensorflow/…（下載地址）

說明：

（1）打開下載頁面，往下翻，直到下圖這個位置：

（2） 點擊Python 2開始下載。

最後，將全部下載文件所有存放至本身的移動硬盤/U盤內，等待安裝時候使用。

\

\

4、 安裝

4.一、 安裝Ubuntu14.04

安裝Ubuntu14.04：

http://jingyan.baidu.com/article/eb9f7b6d8536a8869364e813.html

說明：

（1）咱們直接安裝的英文原版系統，語言也是選擇英文的。

（2）上述連接在--第三步：安裝類型上選擇的是--自定義。咱們選擇的是--清除整個磁盤而且安裝，若是你有Windows系統，還會提示安裝Ubuntu14.04與Windows並存模式。這個自行選擇 ，切記！ 這個地方謹慎選擇。

（3）感謝百度經驗上傳者！

4.二、 安裝GTX1070顯卡驅動及CUDA8.0

注：安裝驅動須要在字符界面下安裝

步驟：

（1）進入Ubuntu界面

（2）插入U盤，將內容拷貝至Desktop文件下。熟悉Ubuntu的同窗，這步能夠按照本身習慣放置在其餘文件夾下。

（3）如圖搜索Terminal

\

（4） 將命令框圖標拖動到左邊欄裏或者桌面，以便使用。

（5） 打開命令框，輸入 sudo  –i

輸入開機密碼

輸入  sudo apt-get install vim\

           sudo  vi   /etc/default/grub

\

（6） 此時系統會進入一個文本頁面。在第20行先後會出現GRUB_CMDLINE_LINUX_DEFAULT="quiet"。將光標移動到這個命令最前端，而後鍵盤點擊Esc鍵，再點擊y鍵兩次，點一下p鍵。就會將本條指令複製一個放到下一行。而後點擊i鍵，就能進行編輯了，在本行命令前面添加#號，而後移動到複製出來的那條，修改quiet爲text，按Esc鍵。Shift+：輸入wq。

 

此時會調回命令框界面，輸入sudo update-grub2

      輸入shutdown  –r  now重啓

（7） 重啓後進入字符界面，按照提示輸入你的用戶名及密碼

\

輸入sudo  -i

輸入密碼

輸入cd  /home/***(這個按Tab鍵自動匹配)/Desktop

輸入 ./NVIDIA-LIN…(這個按Tab鍵自動匹配) 或  /bin/bash 文件名

不懂的看圖以下

\

按回車鍵後出現

…………………………………………………………………………………………………………………………………………………………………………………………………………………………….

說明開始安裝

而後選擇Accept等等贊成字樣

期間遇到協議的時候一直按空格鍵就行

協議完成後提示如圖

\

輸入accept

而後一路贊成就行

（8） 安裝NVIDIA結束後，一樣操做安裝CUDA8.0，這裏須要注意其中一個地方須要填寫N才行，不能寫Y。如圖

\

其他操做如圖

\

而後回車等待就行

（9） 相似剛剛第（5）步的執行

輸入sudo  vi   /etc/default/grub此時系統會進入一個文本頁面。在第20行先後會出現GRUB_CMDLINE_LINUX_DEFAULT="quiet"。將光標移動到這個命令最前端，而後鍵盤點擊Esc鍵，再點擊y鍵兩次，點一下p鍵。就會將本條指令複製一個放到下一行。而後點擊i鍵，就能進行編輯了，在本行命令前面刪除#號，而後移動到複製出來的那條，命令前面添加#號，按Esc鍵。Shift+：輸入wq。

此時會調回命令框界面，輸入sudo update-grub

      輸入shutdown  –r  now重啓

4.三、 Cudnn安裝

cd  /home/***(本身的用戶名)/Desktop/###(這個命令意思是找到剛剛咱們用U盤傳過來的文件)

tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgz###（解壓這個文件）

sudo cp cuda/include/cudnn.h /usr/local/cuda/include###（複製）

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64###（複製）

sudo chmoda+r/usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*

 

4.四、 其餘依賴安裝：

https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/get_started/os_setup.md

咱們是在github的Tensorflow官方網頁上，根據提示安裝，地址如上。

按步驟截圖以下

sudo apt-get install python-pip python-dev （這個不完整，完整版以下）

sudo apt-get install python-pip python-dev Python-scipy Pythoy-numpy git

 

 

\

\

\

4.五、 Bazel安裝

因爲本教程使用tensorflow源碼編譯/安裝，因此須要使用 bazel build。

連接：www.bazel.io/versions/ma…

\

自動跳轉

\

\

以後回到以前的Tensorflow安裝教程頁面：https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/get_started/os_setup.md

\

4.六、 numpy安裝

http://www.scipy.org/scipylib/download.html

\

git clone git://github.com/numpy/numpy.git numpy

\

4.七、 Tensorflow安裝

仍是剛剛的網址

https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/get_started/os_setup.md

\

./configure

若是configure 失敗 嘗試執行一下兩個命令
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda

\

bazel build -c opt //tensorflow/tools/pip_package:build_pip_package

bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package

bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

sudo pip install /home/***（你本身的用戶名）/Desktop/tensorflow-0.10.0-cp2-none-any.whl

\

bazel build -c opt //tensorflow/tools/pip_package:build_pip_package

 

# To build with GPU support:

bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package

 

mkdir _python_build

cd _python_build

ln -s ../bazel-bin/tensorflow/tools/pip_package/build_pip_package.runfiles/org_tensorflow/* .

ln -s ../tensorflow/tools/pip_package/* .

python setup.py develop

 

\

\

5、 測試Tensorflow

 

\

\

6、 實驗：模仿梵高繪畫

neural-style下載
在這個github網站下載相應代碼：github.com/anishathaly…\

\

接下來，下載vgg19：
www.vlfeat.org/matconvnet/…

而後，把vgg放到neural-style的文件夾根目錄下\

如今，在命令窗口cd  /home/***(你本身的用戶名)/Desktop/

   git clone  github.com/anishathaly…

接着 你就能在桌面打開這個文件夾了

\

把你想修改的照片放入example文件夾內，而後在剛纔的窗口命令接着輸入：

python   neural_style.py   --content  ./example/***.jpg(此括號內不要複製：***表明你想要使用的圖片名稱)   --styles  ./example/ 1-style.jpg(此括號內不要複製：1-style.jpg是梵高星空圖片在文件夾內名稱，你也能夠換其餘的風格，更名稱就好了) --output  ./example/$$$.jpg(此括號內不要複製：$$$表明你想要生成的圖片名稱)

例如個人輸入以下python neural_style.py –content  ./example/1-content.jpg  --styles ./example/1-style.jpg --output ./example/1-output.jpg

\

接下來，就是見證奇蹟的時刻。

在計算機學到梵高做品星空的風格以後，讓計算機對指定圖片進行梵高式處理，以下圖所示

\

以前用CPU得一個半小時才能出來結果的，如今用GPU幾分鐘便可出結果。不枉費勁心思折騰GPU。\

\

\

後記

    兩位同事此前從未作過任何DL實驗，僅拼着一腔熱情、興趣、熱愛作這個實驗，剛作完時以爲很麻煩，由於不少坑網上都沒提過、全憑在黑暗中摸石頭過河，且前行整整一晚上。但相信有此教程後，1070+8.0則再也不麻煩，可能一兩個小時便能搞定（由於後來咱們一下午連搞三遍，一遍比一遍快）。動嘴容易、動手方知沒那麼容易，但真正推進社會前行的永遠是實幹家，而非評論家。

    這個實驗只是開始，咱們開發/市場團隊還會輔助講師團隊帶動更多學員朋友作一系列更多實驗，好比char-rnn、WaveNet（用卷積神經網絡模擬人的聲音）等等，哪怕實驗再簡單咱們也會去作，由於：學計算機/ML/DL，第一要領就是動手、就是實驗，不然說再多都是紙上談兵。

    創造價值、幫助衆人。貼兩張圖，是爲念。最後探究實驗背後原理，請參看此課程：深度學習班。

\

    七月在線開發/市場團隊驍哲、李偉、July，二零一六年九月二十五日。