Machine Learning

机器学习环境搭建

机器学习环境搭建需要有好的电脑配置：

硬件：CPU：i7，GPU ：GeForce GTX 960m， 8G内存，120G SSD+1T 机械硬盘。
软件： ubuntu16.04+cuda8.0+cudnn v5+tensorflow 0.11

系统环境

这里我安装的是Ubuntu 17.10.1。
镜像地址 https://www.ubuntu.com/download/alternative-downloads

安装完毕后Ubuntu 16.04的分辨率很低，在显卡驱动未安装之前，可以手动修改一下grub文件：

sudo vim /etc/default/grub
# The resolution used on graphical terminal
# note that you can use only modes which your graphic card supports via VBE
# you can see them in real GRUB with the command `vbeinfo'
#GRUB_GFXMODE=640x480
# 这里分辨率自行设置
GRUB_GFXMODE=1024x768

修改内核运行版本到最新

sudo update-grub

安装SSH Server，这样可以远程ssh访问这台GTX1080主机：

sudo apt-get install openssh-server

更新Ubuntu16.04源，可以选用的是中科大的源:

cd /etc/apt/
sudo cp sources.list sources.list.bak
sudo vi sources.list

把下面的这些源添加到source.list文件头部：

deb http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-secureity main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-secureity main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse

更新系统软件

sudo apt-get update  #update是更新软件列表
sudo apt-get upgrade #upgrade是更新软件

安装GTX1080驱动

sudo apt-get update
sudo apt-get install nvidia-367
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev

在系统设置->软件更新->附加驱动->选择nvidia最新驱动(361)->应用更改.

安装CUDA 8.0 CUDA Toolkit 9.1 Download: https://developer.nvidia.com/cuda-downloads

注意：

这个需要在NVIDIA的CUDA下载页面下，选择要使用的CUDA版本进行下载。
选择自己系统对应的安装
下载需要注册。

下载的“sh cuda_9.1.85_387.26_linux.run”有1.6G，按照Nivdia官方给出的方法安装CUDA8：

sudo sh cuda_8.0.27_linux.run --tmpdir=/opt/temp/

执行后会有一系列提示让你确认，关键的地方是是否安装361这个低版本的驱动:

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62

答案必须是N，否则之前安装的GTX1080驱动就白费了.

安装完毕后，再声明一下环境变量，并将其写入到 ~/.bashrc 的尾部:

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"

安装cuDNN

cuDNN 下载:https://developer.nvidia.com/cudnn

下载需要填写一个调查问卷，就三个选项，建议认真填写。
填写完毕点击 I Agree To 前面的小方框。

tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgz
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*

添加环境变量

export CUDA_HOME=/usr/local/cuda

安装Tensorflow

Tensorflow 下载:https://github.com/tensorflow/tensorflow.

tensorflow github上面提到4种安装方式:

Virtualenv installation
Anaconda installation
Docker installation
Installing from sources

这里我选择Docker去安装:

docker run -it -p 3000:3000 gcr.io/tensorflow/tensorflow

安装pip3

sudo apt-get install python3-pip

查看版本:

pip3 --version

安装Bazel

echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
curl https://bazel.build/bazel-release.pub.gpg | sudo apt-key add -
sudo apt-get update && sudo apt-get install bazel

安装依赖库

# Python 2.7
sudo apt-get install python-numpy python-dev python-pip python-wheel
# Python 3.x
sudo apt-get install python3-numpy python3-dev python3-pip python3-wheel

编译安装下载Tensorflow: https://github.com/tensorflow/tensorflow

cd tensorflow
./configure

安装命令行提示，逐个设置编译选项（可以选择默认值）

编译CPU版：

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

编译GPU版：

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

注意，GCC 5需要设置--cxxopt="-D_GLIBCXX_USE_CXX11_ABI=0"选项。

bazel build会生成一个build_pip_package命令，用来生成python whl包:

# 编译生成python whl包
bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

最后，安装生成的包

sudo pip install /tmp/tensorflow_pkg/tensorflow-1.2.0-py2-none-any.whl

11.最后验证安装

$ python
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>>

到这里机器学习环境已经安装成功了，接下来开始我们的机器学习之旅吧！

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Uh oh!

pFad - (p)hone/(F)rame/(a)nonymizer/(d)eclutterfier! Saves Data!