【AI實戰】基礎環境搭建（Ubuntu+conda+tensorflow+GPU+PyCharm）

時間 2019-11-07

標籤 AI實戰基礎環境搭建 ubuntu+conda+tensorflow+gpu+pycharm ubuntu conda tensorflow gpu pycharm 欄目 Ubuntu 简体版

原文原文鏈接

爲方便平常的深度學習模型開發與測試，在本身筆記本上搭建一個深度學習的基礎環境，便於學習AI使用。本人使用的筆記本配置是CPU爲8代i5，顯卡爲GTX1060，內存爲8G，基本上可知足平常的AI研究與學習。下面將介紹基礎環境的搭建配置過程：python

一、安裝Ubuntu 18.04

（1）安裝操做系統

從Ubuntu官網上下載最新的Ubuntu 18.04 LTS版本的IOS文件，而後使用Image Writer等工具，將IOS文件寫入到U盤裏面。
重啓電腦，在BIOS裏面設置第一啓動順序爲U盤，保存啓動，進入到Ubuntu操做系統的安裝界面，按照操做指引一步一步進行安裝，安裝過程比較簡單，在此就再也不贅述。
注意：因爲本人筆記本上的內存並不大（只有8G），爲了知足後續的模型訓練須要，在安裝操做系統時，將交換區設置得大一些，例如8G或16G，以防模型訓練時讀取大量樣本致使內存溢出。固然，能加內存條那就更好，土豪請隨意。算法

（2）安裝顯卡驅動

安裝Ubuntu後默認安裝的是開源版本的顯卡驅動，爲了後續可以在使用tensorflow-gpu時能更好地發揮GPU的性能，推薦安裝NVIDIA官方版本的驅動。
在Ubuntu裏面，打開「軟件和更新」，點擊裏面的「附加驅動」標籤頁，選擇使用NVIDIA driver，而後點擊「應用更改」進行官方驅動的安裝，安裝後重啓電腦便可。

重啓電腦後，只要在電腦的設備信息裏面看到「圖形」是顯示了GTX 1060，則說明NVIDIA官方顯卡驅動安裝成功了。

【注意】在安裝NVIDIA的官方驅動時，最初是在官網上下載Cuda、Cudnn安裝文件手動進行安裝，安裝成功了，但卻沒法加載驅動。後來經過在Ubuntu的「軟件和更新」安裝官方驅動，才順利解決，並且安裝也方便。bash

二、安裝Anaconda

因爲後續在使用tensorflow建模時主要使用Python語言，所以，在這裏選用了當前很是流行的Python發行版本：Anaconda。Anaconda集成了大量的科學計算包，能根據須要自動下載安裝軟件包和相應的依賴包（p.s.這也是比pip先進之處，pip沒法管理依賴包的問題）。另外，使用Anaconda還能建立虛擬環境，這樣就能很方便地在同個電腦上使用Python 2.x、Python 3.x，tensorflow-cpu、tensorflow-gpu，相互之間不受影響，很是方便。

微信

（1）下載

從Anaconda官網（https://www.continuum.io/downloads）上下載安裝包，選擇Linux系統，安裝基於Python 3.6版本網絡

（2）安裝

對下載的文件授予可執行權限，而後進行安裝分佈式

bash Anaconda3-5.2.0-Linux-x86_64.sh

當詢問是否把Anaconda的bin添加到用戶的環境變量中，選擇yes函數

（3）建立虛擬環境

使用conda create命令建立虛擬環境到指定路徑，並指定Python版本，同時能夠將須要一塊兒安裝的包也一塊兒指定。下面建立一個名爲tensorflow的虛擬環境，指定使用Python 3.6版本，並在虛擬環境中安裝numpy、scipy、matplotlib、jupyter等軟件包，命令以下：工具

conda create –n tensorflow python=3.6 numpy scipy matplotlib jupyter

其中-n指定虛擬環境的名稱
默認安裝的路徑位於anaconda安裝目錄下的envs文件夾裏面，也可使用—prefix參數來從新指定虛擬環境路徑oop

若是要建立第二個虛擬環境，只需使用不一樣的名稱便可，若是建立一個名爲tensorflow2，指定使用Python 2.7版本，則命令以下：性能

conda create –n tensorflow2 python=2.7

若是要查看有哪些虛擬環境，則執行如下命令：

conda info -envis

【注意】若是在建立conda虛擬環境時沒有指定python的版本，則默認是使用anaconda安裝目錄下bin中的python版本。爲了實現虛擬環境的隔離，必須指定python版本

（4）配置conda國內鏡像源

爲了提高conda的安裝軟件包時的下載速度，建議對conda配置國內的鏡像源（清華大學conda鏡像源），配置方式以下：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

若是要切回默認源，則執行

conda config –remove-key channels

【注意】網上不少配置conda國內鏡像源的教程都只寫着只配置清華大學conda的free鏡像（https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/），但該源的不少軟件包並非最新版本，爲了能更新最新版本，再指定一個清華大學conda的main鏡像（https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/），這樣就能安裝、更新最新版本的軟件了。

（5）激活虛擬環境

建立好conda虛擬環境後，在使用以前必須先進行激活。下面激活剛建立的tensorflow虛擬環境，命令以下：

conda source activate tensorflow

若是要註銷退出當前的虛擬環境，則執行命令：

conda source deactivate tensorflow

很是方便

三、安裝tensorflow-gpu

爲了提高AI模型的訓練效率，安裝使用tensorflow-gpu進行模型訓練。
激活進入剛纔建立的tensorflow的conda虛擬環境

conda source activate tensorflow

而後使用如下命令安裝tensorflow-gpu

conda install tensorflow-gpu

conda將會檢測tensorflow-gpu的最新版本以及相關的依賴包，包括調用NVIDIA顯卡所須要的Cuda、Cudnn等依賴環境，都會自動按順序進行安裝，很是方便吧。
若是須要升級tensorflow-gpu的版本，則執行如下命令進行更新

conda upgrade tensorflow-gpu

注意：並非全部軟件包都能直接安裝，有一些須要指定安裝源，例如作AI中常常會用到的OpenCV即是沒法直接安裝的，須要指定安裝源，命令以下：

conda install --channel https://conda.anaconda.org/menpo opencv3

四、安裝PyCharm

PyCharm是一個優秀的Python開發IDE環境，特別是還提供了社區版能夠無償使用，業界良心啊！

（1）安裝PyCharm

在Ubuntu裏面安裝PyCharm很是簡單，在Ubuntu軟件商城裏面搜索「pycharm」，而後選擇社區版「PyCharm CE」進行安裝便可，很是方便。

（2）在PyCharm中使用conda虛擬環境

爲了可以在PyCharm中使用咱們本身建立的conda虛擬環境，須要進行下配置。在Pycharm的Files>>settings>>Project Interpreter>>Add local 裏面添加剛纔建立的conda虛擬環境的目錄下所在的Python 3.6程序，應用以後就可使用咱們本身使用的虛擬環境了，以下圖所示：

至此，「AI實戰」的基礎環境搭建就已所有配置完成了。

後面將陸續推出更多AI實戰內容，敬請留意。

推薦相關閱讀