如果您是高校学生或者高级研究人员,并且实验室或者个人资金充沛,建议您采用如下配置:
如果您是仅仅用于自学或代码调试,亦或是条件所限仅采用自己现有的设备进行开发,那么您的电脑至少满足以下几点:
linux有很多发行版,本文强烈建议读者采用新版的Ubuntu 16.04 LTS一方面,对于大多数新手来说Ubuntu具有很好的图形界面,与乐观的开源社区;另一方面,Ubuntu是Nvidia官方以及绝大多数深度学习框架默认开发环境。 个人不建议使用Ubuntu其他版本,由于GCC编译器版本不同,会导致很多依赖无法有效安装。 Ubuntu 16.04 LTS下载地址:http://www.ubuntu.org.cn/download/desktop
通过U盘安装好后,进行初始化环境设置。
# 系统升级
>>> sudo apt update
>>> sudo apt upgrade
# 安装python基础开发包
>>> sudo apt install -y python-dev python-pip python-nose gcc g++ git gfortran vim
>>> sudo apt install -y libopenblas-dev liblapack-dev libatlas-base-dev
如果您的仅仅采用cpu加速,可跳过此步骤- 下载CUDA8.0
下载地址:https://developer.nvidia.com/cuda-downloads
之后打开终端输入:
>>> sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb (此步所用run文件安装,无需一下两步)
>>> sudo apt update
>>> sudo apt -y install cuda
自动配置成功就好。
>>> sudo gedit /etc/profile
在profile文件中添加:
export CUDA_HOME=/usr/local/cuda-8.0
export PATH=/usr/local/cuda-8.0/bin:${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
之后source /etc/profile即可
>>> nvcc -V
会得到相应的nvcc编译器相应的信息,那么CUDA配置成功了。(记得重启系统)
如果要进行cuda性能测试,可以进行:
>>> cd /usr/local/cuda/samples
>>> sudo make -j8
编译完成后,可以进samples/bin/.../.../...的底层目录,运行各类实例。
从官网下载需要注册账号申请,两三天批准。网盘搜索一般也能找到最新版。 Linux目前最新的版本是cudnn V6,但对于tensorflow的预编译版本还不支持这个最近版本,建议采用5.1版本,即是cudnn-8.0-win-x64-v5.1-prod.zip。 下载解压出来是名为cuda的文件夹,里面有bin、include、lib,将三个文件夹复制到安装CUDA的地方覆盖对应文件夹,在终端中输入:
>>> sudo cp include/cudnn.h /usr/local/cuda/include/
>>> sudo cp lib64/* /usr/local/cuda/lib64/
>>> cd /usr/local/cuda/lib64
>>> sudo ln -sf libcudnn.so.7.0.3 libcudnn.so.7
>>> sudo ln -sf libcudnn.so.7 libcudnn.so
>>> sudo ldconfig -v
在终端中输入:
>>> pip install tensorflow_gpu-1.8.0-cp36-cp36m-manylinux1_x86_64.whl
>>> sudo pip install -U --pre keras
安装完毕后,输入python,然后输入:
>>> import tensorflow
>>> import keras
无错输出即可
下载Keras开发包
>>> git clone https://github.com/fchollet/keras.git
>>> cd keras/examples/
>>> python mnist_mlp.py
程序无错进行,至此,keras安装完成。