建立深度学习Ubuntu实验环境

目录

建立深度学习Ubuntu实验环境

安装nvidia显卡驱动

NVIDIA 驱动程序下载

sudo ubuntu-drivers autoinstall
nvidia-smi
#用这种方式安装驱动后,不用特意去禁用nouveau,官方的run文件也不用再去下载。
#查看显卡型号命令 
lspci | grep -i nvidia 
# 给驱动run文件赋予执行权限
sudo chmod  a+x NVIDIA-Linux-x86_64-*.run
# 安装
./NVIDIA-Linux-x86_64-*.run

安装TensorFlow

hugo@hugo-virtual-machine:~$ mkdir my_tensorflow
hugo@hugo-virtual-machine:~$ cd my_tensorflow/
hugo@hugo-virtual-machine:~/my_tensorflow$ python3.10 -m venv vision
hugo@hugo-virtual-machine:~/my_tensorflow$ source venv/bin/activate
(vision) hugo@hugo-virtual-machine:~/my_tensorflow$ pip install --upgrade pip
(vision) hugo@hugo-virtual-machine:~/my_tensorflow$ pip install tensorflow tensorflow-gpu

python -m表示运行一个模块,venv表示虚拟环境,vision表示虚拟环境的名字,source表示激活虚拟环境,pip install –upgrade pip表示更新pip,pip install tensorflow tensorflow-gpu表示安装tensorflow和tensorflow-gpu。

发现tensorflow-gpu安装失败,原因是没有安装CUDA,所以需要先安装CUDA。

安装CUDA

打开https://developer.nvidia.com/cuda-toolkit-archive,选择CUDA Toolkit 12.1,选择Linux,选择x86_64,选择Ubuntu,选择22.04,选择runfile(local),安装向导如下。

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-ubuntu2204.pin
sudo mv cuda-ubuntu2204.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/12.1.1/local_installers/cuda-repo-ubuntu2204-12-1-local_12.1.1-530.30.02-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2204-12-1-local_12.1.1-530.30.02-1_amd64.deb
sudo cp /var/cuda-repo-ubuntu2204-12-1-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda

安装CUDA Deep Neural Network (cuDNN)

打开https://developer.nvidia.com/rdp/cudnn-archive,选择cuDNN 8.2.4 for CUDA 12.1,选择cuDNN Library for Linux,选择x86_64,下载cuDNN Library for Linux (x86_64)。



## 安装Keras

```shell
git clone https://github.com/keras-team/keras.git
cd keras
python setup.py install

现在可以尝试运行一下一个Keras脚本,比如说MNIST的例子。

python examples/mnist_mlp.py

可以在~/.keras/heras.json找到Keras的配置文件,可以修改backend(后端)为tensorflow或者theano或者cntk.

运行脚本时候,可以在shell窗口中监控GPU利用率。

watch -n 5 NVIDIA-smi -a --display=utilization

watch表示监控,-n 5表示每5秒刷新一次,NVIDIA-smi表示NVIDIA System Management Interface,-a表示显示所有信息,–display=utilization表示显示GPU利用率。

{
    "image_data_format": "channels_last",
    "epsilon": 1e-07,
    "floatx": "float32",
    "backend": "tensorflow"
}

安装OpenCV

sudo apt-get install libopencv-dev python-opencv

安装Jupyter

pip install jupyter

映射远端端口到本地

第一步 ,在远程Terminal中启动Jupyter Notebook:

jupyter notebook --no-browser --port=8889
ssh -L 8888:localhost:8888 remote_user@remote_host

这段表示将远端的8888端口映射到本地的8888端口。remote_user表示远端的用户名,remote_host表示远端的主机名或者IP地址。

然后在本地运行jupyter notebook,就可以在本地访问远端的jupyter notebook了。

jupyter notebook

打赏一个呗

取消

感谢您的支持,我会继续努力的!

扫码支持
扫码支持
扫码打赏,你说多少就多少

打开支付宝扫一扫,即可进行扫码打赏哦