Ubuntu(GPU)和MacOS(CPU)配置Miniconda、TensorFlow、Keras以及Pytorch-无忧网

很早之前写的pdf，一直没有贴博客(太懒 )。不管怎么样，希望对入坑新人有帮助。

注：这个教程已经验证的系统：Ubuntu 16.04，MacOS 10.13.6。配置CUDA和CUDNN只适用于Ubuntu (MacOS使用的是cpu版本的包)，其他教程的二者均适用。

我个人喜欢miniconda，因为它轻便，给我一种自由的感觉(需要什么安装包自己装就OK了)。

1 Miniconda

1.1 下载安装包

注：我这里用的是py 3.6
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

1.2 安装miniconda

找到下载的.sh文件，执行命令

<code>bash ${PACKAGE_NAME}.sh
</code>

在安装的过程中，需要注意两点：
(1) 修改miniconda的安装路径。如果需要自定义路径，这一步要自己输入。
(2) 将PATH加入./bashrc。这一步在安装的时候，输入yes即可。
安装完成后，需要重启终端

1.3 加入清华镜像

<code>conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
</code>

2 配置CUDA和CUDNN

如果电脑没有GPU跳过即可。注：这个配置过程只成功验证Ubuntu 16.04。

2.1 确定版本号

这一步一定要仔细！我的机器是GTX1060，这里我选择使用CUDA 9.0，CUDNN 7.1.4。

2.2 安装CUDA 9.0

2.2.1 安装CUDA包

<code>https://developer.nvidia.com/cuda-90-download-archive
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda
</code>

2.2.2 配置PATH

我最初在Ubuntu上习惯使用gedit，其实用vim是最舒服的。

<code>sudo gedit ~/.bashrc
</code>

在该文件中末尾加入

<code>export CUDA_HOME=/usr/local/cuda-9.0
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-9.0/bin:$PATH
</code>

保存退出后，执行命令

<code>source ~/.bashrc
</code>

2.2.3 验证CUDA

检查驱动

<code>cat /proc/driver/nvidia/version
</code>

检查CUDA Toolkit：

<code>nvcc --version
</code>

监控gpu(使用它来kill某些占显存的无用资源)

<code>nvidia-smi
</code>

2.3 安装CUDNN 7.1.4

refer to: https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html
注：同样这里只成功验证Ubuntu 16.04。

2.3.1 安装deb文件

<code>sudo dpkg -i libcudnn7_7.1.4.18-1+cuda9.0_amd64.deb 
sudo dpkg -i libcudnn7-dev_7.1.4.18-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.1.4.18-1+cuda9.0_amd64.deb
</code>

2.3.2 验证CUDNN

<code>cp -r /usr/src/cudnn_samples_v7/ $HOME
cd  $HOME/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN
</code>

3 TensorFlow & Keras

这里我没有使用官网提供的envs的办法。

3.1 安装gpu版本

<code>pip install --ignore-installed --upgrade tensorflow-gpu
pip install keras -U --pre
</code>

3.2 安装cpu版本

可以去 https://github.com/lakshayg/tensorflow-build/ 寻找你所需要的安装包。
注：我这里安装的是tensorflow 1.8.0，py 3.6。

<code>pip install --ignore-installed --upgrade https://github.com/lakshayg/tensorflow-build/raw/master/tensorflow-1.8.0-cp36-cp36m-macosx_10_7_x86_64.whl
pip install keras -U —pre
</code>

3.3 验证

执行py代码

<code>import keras
</code>

4 安装常用的包

注：这些包都很常用，推荐大家安装。

<code>conda install opencv scikit-image scikit-learn pandas
pip install jupyter
pip install easydict
pip install lxml
pip install seaborn
pip install tqdm
</code>

5 Pytorch

5.1 安装依赖包

<code>pip install cython
pip install msgpack
</code>

5.2 安装gpu版本

refer to: https://pytorch.org/
注：这里基于CUDA 9.0 进行安装。

<code>conda install pytorch torchvision cuda90 -c pytorch
</code>

5.3 安装cpu版本

<code>conda install pytorch torchvision -c pytorch
</code>

5.4 验证

<code>import torch
import torchvision
</code>

【说明】：本文章由站长整理发布，文章内容不代表本站观点，如文中有侵权行为，请与本站客服联系(QQ:254677821)！

Ubuntu(GPU)和MacOS(CPU)配置Miniconda、TensorFlow、Keras以及Pytorch