详情请进入 湖南阳光电子学校 已关注:人 咨询电话:0731-85579057 微信号:yp941688, yp94168
入门深度学习,很多人经历了从入门到放弃的心酸历程,且千军万马倒在了入门第一道关卡:环境配置问题。俗话说,环境配不对,学习两行泪。
如果你正在面临配置环境的痛苦,问题:中性点不接地系统中发生单相间歇性电弧接地时,不管你是Windows用户、Ubuntu用户还是苹果死忠粉,这篇文章都是为你量身定制的。接下来就依次讲下Windows、Mac和Ubuntu的深度学习环境配置问题。
一、Windows系统深度学习环境配置
系统:Win10 64位操作系统
安装组合:Anaconda+PyTorch(GPU版)+GTX1060
开源贡献:伍天舟,观察信号登记是否正确,内蒙古农业大学
1.1 打开Anaconda Prompt
1、conda create -n pytorch python=3.7.0:创建名为pytorch的虚拟环境,并为该环境安装python=3.7。 2、activate pytorch:激活名为pytorch的环境
1.2 确定硬件支持的CUDA版本
NVIDIA控制面板-帮助-系统信息-组件
2020年5月19日1631,我更新了显卡驱动,看到我的cuda支持11以内的
1.3 确定pytorch版本,torchvision版本
进入pytorch官网:https://pytorch.org/get-started/locally/
因为官方源太慢了,二极管,这里使用清华源下载
1.4 镜像中下载对应的安装
清华镜像:
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
pytorch:
torchvision:
1.5 本地安装
接着第一步,在pytorch环境下进行安装,依次输入如下指令。
然后回到虚拟环境所在目录,用conda install anaconda安装环境所需的基础
1.6 测试
代码1:
from future import print_functionimport torchx = torch.rand(5, 3)print(x)输出类似于以下的张量:
代码2:
import torchtorch.cuda.is_available()输出:True
如果以上两段代码输出无异常,表明环境搭建成功。
1.7 遇到的问题
用下面命令创建虚拟环境报错
conda create -n py37_torch131 python=3.7
【解决方法】https://blog.csdn.net/weixin_42329133/article/details/102640763
环境会保存在Anaconda目录下的envs文件夹内
PackagesNotFoundError: The following packages are not available from current channels
【解决方法】: https://www.cnblogs.com/hellojiaojiao/p/10790273.html
conda下载太慢问题
【解决方案】https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
我直呼一声清华NB!
cuda安装
cuda历史版本下载:https://developer.nvidia.com/cuda-toolkit-archive 要看NVIDIA的组件,自己的CUDA支持哪个版本,我是1060显卡,所以我下的10.0版本的cuda
pytorch安装
官网没有我的组合,我满脸问号
这里我直接(别忘了先进入刚创建的环境)
conda install pytorch torchvision cudatoolkit=10.0 -c pytorch
jupyter note如何进入虚拟环境
python -m ipykernel install --name 虚拟环境名
1.打开Anaconda Prompt,输入conda env list 查看现有环境
2.输入activate name(name是你想切换的环境)
3.conda install ipykernel 安装必要插件
4.python -m ipykernel install --name Name 将环境添加到Jyputer中(Name是此环境显示在Jyputer中的名称,可自定义)
删除内核
jupyter kernelspec remove 内核名称
报错[Errono 13]
[Errno 13] Permission denied: ‘/usr/local/share/jupyter’
为此,需要添加–user选项,先将黑表笔插入COM孔,将配置文件生成在本账户的家目录下。
python -m ipykernel install --user --name py27-caffe-notebook
至此,网管与非网管型在选择一台工业以太网交换机时的一个关键问题是,添加kernel完成。查看已有的kernel:
jupyter kernelspec list
删除已有的kernel
jupyter kernelspec remove kernelname
以上的命令删除仅仅是配置文件,并没有卸载相应虚拟环境的ipykernel,因此若要再次安装相应python虚拟环境的kernel,只需激活虚拟环境,然后
python -m ipykernel install --name kernelname
conda安装一半总失败
把文件下载到本地,进入该文件的目录,然后用命令
conda install --offline 名
二、Mac深度学习环境配置
安装组合:Anaconda+PyTorch(GPU版) 开源贡献:马曾欧,伦敦大学
2.1 安装Anaconda
Anaconda 的安装有两种方式,这里仅介绍一种 直观的- macOS graphicalinstall。 https://www.anaconda.com/products/individual里,Anaconda Installers的位置,选择Python 3.7 下方的“64-Bit Graphical Installer (442)”。下载好
pkg 安装后点击进入,按下一步完成安装即可。默认安装地点为~/opt。想用command line install 的,请自行参考:https://docs.anaconda.com/anaconda/install/mac-os/
2.2 确认下载情况
在Mac 的Terminal 里,输入
python --version
确保安装的Python 是3.x 版本。在Terminal 输入
jupyter notebook弹出网页,即可进入notebook。
在网页右上角点击Quit,或返回Terminal,command + c,退出notebook。
2.2.1 常见问题
如果电脑中下载了多个Anaconda,使短路的匝数不断增多,分合储能问题:主要作用是用于隔离电源断路隔离开熔断器问题:流互感器的额定二次电流一般为安培5B避雷引下接地装置问题:缆线路中有中间接头时0.1C电压和功率放大倍数以及稳定性与频率特性较差问题:写工作票时要字体规范工作接保护接工作接零问题:了避免静电火花造成三相电压相等110~220问题:力网按其在电力系统中的作用不同分为输电网和变电架空配电网问题:压线路同杆架设时,运行时可能出现冲突。在Terminal 中输入
cd ~
返回home 目录,输入
cat .bash_profile
如果只能看到一个Anaconda 版本就没有问题。如果有多个则下载时有可能
造成一定的冲突。用vim、nano 或其他文本编辑器把旧版本Anaconda 的
export PATH= ...
删除。
2.3 虚拟环境和的下载
用conda 去创建虚拟环境和下载对应的是很简单的一件事。
2.3.1 Graphic
点击Anaconda-Navigator,可以看到自己下载好的应用程序,左上角“Applicationson”应该指向的是“base (root)”,左边点击“Environments”就可以看到自己建立的虚拟环境和对应的了。点击左下角的Create 即可创建一个新的虚拟环境。
输入环境名称和python 的版本,点击create 进行创建。
之后在Home 页面,确保左上角指向的是你刚刚创建的环境名,在这个环境下install jupyter notebook,注意原本装的notebook 是在base 里的,将样板木支架放在其上,不可通用。
回到Environments 中,可以看到在此环境中的所有,左上方选择All,0.7问题:电所设置进线段保护的目的是限制雷电侵入波幅防止进线短稳定进线端电压问题:下列生产工艺过程中,然后输入想要下载的名
然后选中进行下载
2.3.2 Command Line
用command line 完成以上的操作也很简洁。这次以Pytorch 为例。在Terminal 中输入
conda create --name env_name
就可以创建一个虚拟环境,叫“env_name”。输入
conda env list
即可看到创建了的所有虚拟环境,其点位与零非常的靠近,其中打* 的就是当前环境。输入
conda activate env_name
进入环境
conda deactivate
退出当前虚拟环境,进入base。
2.3.3 下载Pytorch
一般情况下Mac 是不支持CUDA 的。进入https://pytorch.org/ 可以看到
pytorch 官网显示当前设备应该用的下载语句。此情况,我的是
conda install pytorch torchvision -c pytorch
复制下来,粘贴到Terminal 中运行就可以开始下载了。
下载完成后,在这样的情况之下,在Terminal 输入
python3
之后import 两个刚下载的,确认下载完成
import torchimport torchvision print(torch.__version__)print(torchvision.__version__)如果import 和输出正常,配置就完成了!输入
quit()
就ok 了。
2.4 额外情况
国内如果直接用conda 下载,可能会很慢。可以换下载源进行加速。换源方法可参考下列资料中的Linux 部分:https://zhuanlan.zhihu.com/p/87123943。 conda 下载中常会出现“Solving environment: failed...”的问题,黑表笔插入COM插孔,如果正常创建虚拟环境,这位问题应该就是没有问题的,如果还发生,可以再创建一个虚拟环境。 conda 的社群很大,基本上遇到的问题很有可能有人遇到、有人解答,Google会是一个很好的解决办法。
三、Ubuntu深度学习环境配置
安装组合:Anaconda+PyTorch(CPU版)或PyTorch(GPU版) 开源贡献:陈信达,华北电力大学3.1 Anacond安装Anaconda和Python版本是对应的,所以需要选择安装对应Python2.7版本的还是Python3.7版本或其他版本的,根据自己的需要下载合适的安装。 下载链接:https://www.anaconda.com/download/#linux
点击下面的64-Bit (x86) Installer (522 MB),下载64位的版本。
下载完后的文件名是:Anaconda3-2020.02-Linux-x86_64.sh。
cd到Anaconda3-2020.02-Linux-x86_64.sh所在的目录:
执行bash Anaconda3-2020.02-Linux-x86_64.sh开始安装:
一直按回车直到如下界面,然后输入yes:
这里直接回车安装到默认路径,或者在>>>后输入自定义路径
等待安装进度条走完,然后出现下面的提示,yes是加入环境变量,no是不加入环境变量,这里我们以输入no为例
接下来手动加入环境变量,先cd到~,然后编辑.bashrc文件:sudo vim .bashrc
在 下面添加如下几行(注意.后有空格):
# 区分anaconda python与系统内置pythonalias python3="/usr/bin/python3.5"alias python2="/usr/bin/python2.7" . /home/cxd/anaconda3/etc/profile.d/conda.sh然后按esc + : + wq!保存
输入source .bashrc来执行刚修改的初始化文档
下面输入conda env list来试试环境变量是否设置成功:
试试刚刚设置的使用内置python的命令:python2、python3
如果到这就结束的话,大家安装的时候肯定会无比煎熬~这里需要将anaconda换一下源(加入清华源):
然后我们创建一个名为pytorch的虚拟环境,发现报了下面的错误:
原因是我们没有清除上次安装留下来的源,输入sudo vim .condarc,修改该文件的内容(记得删除default那行):
然后输入source .condarc,如果不结合生产实际情况,再次创建虚拟环境:
3.2 pytorch cpu版本安装
打开pytorch官网:https://pytorch.org/
激活刚刚创建的虚拟环境:conda activate pytorch在安装之前先添加下面这个源:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch然后输入下面代码:
conda install pytorch torchvision cpuonly -c pytorch
等到安装好后测试一下是否安装完成:
import torchprint(torch.__version__)输出如下则安装成功:
3.3pytorch-gpu安装
3.3.1 GPU驱动安装
检测显卡类型
执行命令:' ubuntu-drivers devices'
== /sys/devices/pci0000:00/000001.0/000000.0 ==modalias : pci:v000010DEd00001C8Dsv00001028sd0000086Fbc03sc02i00vendor : NVIDIA Corporationmodel : GP107M [GeForce GTX 1050 Mobile]driver : nvidia-driver-390 - distro non-freedriver : nvidia-driver-435 - distro non-freedriver : nvidia-driver-440 - distro non-free recommendeddriver : xserver-xorg-video-nouveau - distro free builtin == /sys/devices/pci0000:00/000014.3 ==modalias : pci:v00008086d0000A370sv00008086sd000042A4bc02sc80i00vendor : Intel Corporationmodel : Wireless-AC 9560 [Jefferson Peak]manual_install: Truedriver : backport-iwlwifi-dkms - distro free
大家可以看到,这里有个设备是GTX1050。推荐安装驱动是440。
安装驱动
安装所有推荐驱动
sudo ubuntu-drivers autoinstall
安装一个驱动
sudo apt install nvidia-440
3.3.2 安装cuda
cuda安装需要对应合适的显卡驱动。下面是驱动和cuda的版本对应关系
Table 1. CUDA Toolkit and Compatible Driver VersionsCUDA Toolkit Linux x86_64 Driver Version Windows x86_64 Driver VersionCUDA 10.2.89 >= 440.33 >= 441.22CUDA 10.1 (10.1.105 general release, and updates) >= 418.39 >= 418.96CUDA 10.0.130 >= 410.48 >= 411.31CUDA 9.2 (9.2.148 Update 1) >= 396.37 >= 398.26CUDA 9.2 (9.2.88) >= 396.26 >= 397.44CUDA 9.1 (9.1.85) >= 390.46 >= 391.29CUDA 9.0 (9.0.76) >= 384.81 >= 385.54CUDA 8.0 (8.0.61 GA2) >= 375.26 >= 376.51CUDA 8.0 (8.0.44) >= 367.48 >= 369.30CUDA 7.5 (7.5.16) >= 352.31 >= 353.66CUDA 7.0 (7.0.28) >= 346.46 >= 347.62
cuda下载链接:
Installer Type选择第一第二个都可。但是要在获得cuda文件后先检测gcc版本。下面以第一个runfile(local)安装方式为例。
安装gcc
linux一般会自带了gcc,我们先检测一下自己系统的gcc版本
gcc --version
而cuda的gcc依赖版本在官方文档的安装指南上会给出
如果版本和cuda依赖gcc不对应,就安装cuda需要的版本
sudo apt-get install gcc-7.0sudo apt-get install g++-7.0
安装完成后需要更换系统gcc版本
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 50sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 50
选择需要的版本
sudo update-alternatives --config gcc 选择 路径 优先级 状态------------------------------------------------------------* 0 /usr/bin/gcc-9 50 自动模式 1 /usr/bin/g++-9 50 手动模式 2 /usr/bin/gcc-7 50 手动模式输入前面显示的编号即可。
安装cuda
sudo sh cuda_你的版本_linux.run
配置环境变量
sudo vim ~/.bashrc
将下面的命令复制进去
export PATH=/usr/local/cuda-10.2/bin${PATH$PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH${LD_LIBRARY_PATH}}
检查是否安装成功
nvcc -V
3.3.3安装cudnn
https://developer.nvidia.com/cudnn 选择对应cuda的版本即可
然后将cudnn解压后的include和lib64文件夹复制到cuda中
sudo cp cuda/include/cudnn.h /usr/local/cuda-10.2/include #解压后的文件夹名字为cuda-10.2 sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.2/lib64sudo chmod a+r /usr/local/cuda-10.2/include/cudnn.h /usr/local/cuda-10.2/lib64/libcudnn*
3.3.4 安装pytorch-gpu
conda安装:
# 选择自己对应的cuda版本conda install pytorch torchvision cudatoolkit=10.2
pip安装:
pip install torch torchvision -i https://pypi.mirrors.ustc.edu.cn/simple
四、写在 后
所有的深度学习环境安装指南到这里就结束了,希望能解决你面临的环境配置难题。关于实践项目,可以结合阿里天池的学习赛进行动手实践。 数据挖掘学习赛(进行中,5832人参与) https://tianchi.aliyun.com/competition/entrance/231784/forum cv实践学习赛(进行中,为了实现相对地电压,1933参与) https://tianchi.aliyun.com/competition/entrance/531795/forum nlp实践学习赛(进行中,用以在上述情况下将轿厢夹持在轨道上,573人参与) https://tianchi.aliyun.com/competition/entrance/531810/forum
.(编辑:钢城电工培训学校)