【機器學習】深度學習開發環境搭建

工欲善其事，必先利其器。首先咱們須要花費一些時間來搭建開發環境。

1.安裝python。python是人工智能開發首選語言。

2.安裝virtualenv。virtualenv能夠爲一個python應用建立一套隔離的運行環境，避免不一樣版本的python或第三方庫互相影響。相似的虛擬環境還有anaconda，anaconda自帶經常使用庫，所以安裝包有幾百兆，與anaconda相比，virtualenv更輕量化，只有十幾兆的大小，可定製化高，推薦virtualenv。使用virtualenv這種虛擬環境的好處是安全，若是某個版本庫裝壞了，直接刪除這個虛擬環境的文件夾便可，沒必要重裝系統的python。

3.安裝經常使用的第三方庫。經常使用的有numpy（科學計算）、scipy（科學計算）、matplotlib（做圖）、sciket-learn（機器學習）、keras（tensorflow的高層封裝）、tensorflow（深度學習）。使用pip速度慢的問題點這裏查看解決方法。

4.安裝CUDA和cuDNN（GPU版tensorflow）

Mac OS基於Unix，相比Windows作開發更方便，可是最大的缺點就是很是封閉，各類沙盒安全機制，可能正是因爲這個緣由，Google在後期的Tensorflow GPU版本中放棄了對Mac的支持。本文介紹Mac OS和Windows兩種系統中的環境搭建。Mac OS中，使用僅cpu版本的tensorflow（固然也能夠安裝舊版本的支持gpu的版本，前提是你的顯卡是Nvidia的卡）；Windows中，使用支持gpu版本的tensorflow。筆者目前是使用雙系統，跑普通機器學習算法和不是很深的神經網絡時使用Mac OS，跑深一些的神經網絡使用Windows，畢竟gpu比cpu快的多。（英偉達官方說計算能力3.0或更高的NVIDIA顯卡才支持gpu版tensorflow，因此安裝以前到這裏查詢一下你的顯卡的算力，若是小於3，仍是老老實實安裝cpu版的吧。）

Mac OS

1.安裝python

Mac OS自帶python2.7，咱們須要本身安裝python3。目前tensorflow在Mac中支持的python版本爲2.七、3.四、3.五、3.6。咱們使用3.6版本。下載地址：點這裏。安裝也很簡單，一直next就行了。打開終端輸入

python3

出現下面提示說明已經安裝成功：

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.安裝virtualenv

在終端輸入：

sudo pip install --upgrade virtualenv

安裝完成，創建一個全新的 virtualenv 環境，例如咱們想創建一個叫AI的開發環境，路徑爲~，那麼咱們輸入：

virtualenv --no-site-packages ~/AI

–no-site-packages是不復制系統python中的庫，安裝的就是一個不帶任何第三方庫的很乾淨的環境。若是想拷貝系統python中的庫，須要使用--system-site-packages。

若是系統中有多個python，好比同時有python2和python3，想建立一個python2.7的環境，能夠輸入：

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

進入這個環境：

source ~/AI/bin/activate

此時終端前綴變成

(AI) ~ $:

這時候就能夠在這個環境安裝第三方庫了，系統Python環境不受任何影響。安裝時直接用pip，不須要使用sudo。例如安裝numpy：

(AI) ~ $: pip install numpy

退出環境：

(AI) ~ $: deactivate

就回到正常環境了，終端變回：

~ $:

3.安裝經常使用的第三方庫

進入虛擬環境：

source ~/AI/bin/activate

安裝numpy：

(AI) ~ $: pip install numpy

安裝scipy：

(AI) ~ $: pip install scipy

安裝matplotlib：

(AI) ~ $: pip install matplotlib

安裝sciket-learn：

(AI) ~ $: pip install sklearn

安裝keras：

(AI) ~ $: pip install keras

安裝tensorflow：

(AI) ~ $: pip install storage.googleapis.com/tensorflow/…

其它版本點這裏

4.測試運行

import tensorflow as tf

import numpy as np

hello=tf.constant('hhh')

sess=tf.Session()

print (sess.run(hello))

若是沒有報錯說明安裝成功了。

Windows

1.安裝python

Windows不自帶python，目前tensorflow在Win中支持的python版本爲3.五、3.6。咱們使用3.6版本。直接下載python3.6安裝就行了。下載地址：點這裏。安裝也很簡單，一直next就行了。

添加python的環境變量：

「個人電腦」-「屬性」-「高級系統設置」-「環境變量」，在「系統變量」中選中「Path」,點「編輯」，加上python的路徑，例如「C:\Python36」。這樣就能夠在命令提示符中使用python了。打開命令提示符輸入

python

出現下面提示說明已經安裝成功：

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.安裝virtualenv

添加pip的環境變量：

環境變量「Path」中加上python\Script的路徑，例如「C:\Python36\Script」。這樣就能夠在命令提示符中使用pip了。

在命令提示符輸入：

pip install --upgrade virtualenv

安裝完成，創建一個全新的 virtualenv 環境，例如咱們想創建一個叫AI的開發環境，路徑爲C:Users\xxx\，那麼咱們輸入：

virtualenv --no-site-packages C:Users\xxx\AI

安裝完成。使用和上文Mac中相似，再也不贅述。

3.安裝經常使用的第三方庫

和上文Mac中相似，再也不贅述。只需注意tensorflow選擇win版支持gpu的版本。

pip install storage.googleapis.com/tensorflow/…

4.安裝CUDA和cuDNN

由於在Windows中咱們安裝的是支持gpu的tensorflow，所以比Mac中多兩個安裝步驟。CUDA是由NVIDIA推出的通用並行計算架構，該架構使GPU可以解決複雜的計算問題。cuDNN是NVIDIA專門針對深度神經網絡（Deep Neural Networks）中的基礎操做而設計基於GPU的加速庫。下面咱們來安裝它們。

首先確保電腦安裝好了Nvidia顯卡驅動，打開控制面板---NVIDIA控制面板---幫助---系統信息---組件，若是支持CUDA會有NVCUDA.DLL 以及支持的CUDA版本。

根據查詢到的支持的CUDA版本到這裏查詢匹配的tensorflow和cuDNN版本。

注意必定要版本匹配！

注意必定要版本匹配！

注意必定要版本匹配！

根據查詢好的版本下載正確的CUDA（下載地址：點這裏）和cuDNN（下載地址：點這裏）。

CUDA下載好是exe文件，直接雙擊安裝。安裝好路徑像下面這樣"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0"。

cuDNN下載好是一個壓縮包，裏面有3個文件夾。一個include，一個lib64，還有一個bin。把它們複製到上面CUDA的安裝文件夾（"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0"）中。

配置環境變量，在環境變量「Path」中加上這三個路徑：

a."C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64

b."C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin

c."C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0

安裝完成。

5.測試運行

import tensorflow as tf

import numpy as np

hello=tf.constant('hhh')

sess=tf.Session()

print (sess.run(hello))

若是沒有報錯說明安裝成功了，若是報錯請仔細檢查版本，python版本+tensorflow版本+CUDA版本+cuDNN版本。

最後預祝你們安裝順利！