• <th id="tpph2"><pre id="tpph2"></pre></th>

    1. <nav id="tpph2"><p id="tpph2"></p></nav>
      <tbody id="tpph2"></tbody>

      1. 您當前的位置:首頁 > IT編程 > 深度學習
        | C語言 | Java | VB | VC | python | Android | TensorFlow | C++ | oracle | 學術與代碼 | cnn卷積神經網絡 | gnn | 圖像修復 | Keras | 數據集 | Neo4j | 自然語言處理 | 深度學習 | 醫學CAD | 醫學影像 | 超參數 | pointnet |

        anaconda安裝及配置深度學習環境

        51自學網 2022-03-07 12:46:02
          深度學習
        anaconda配置深度學習環境

        分類專欄: 配置環境
        版權
        第一步:安裝顯卡驅動

        從 Nvidia 官網下載合適的顯卡驅動,并安裝。
        第二步:安裝 Anaconda

        從清華開源鏡像站或者官網下載 的安裝包,然后安裝。 https://www.anaconda.com/distribution/

        1.cd到anaconda安裝包目錄下,安裝anaconda:

        bash Anaconda3-5.0.1-Linux-x86_64.sh

        2.按enter瀏覽完協議以后,輸入yes同意協議(注意再選擇安裝路徑的時候,按enter即可安裝在默認目錄下,不要再輸入yes~,否則就安裝在yes目錄下了~ T_T)

        3.運行conda指令,此時可能提示找不到conda指令,使用指令(xxx為自己的用戶名):

            echo 'export PATH="/home/xxx/anaconda3/bin:$PATH"'>>~/.bashrc
            source ~/.bashrc

        即可使用conda指令。
         
        第三步:創建隔離環境

        打開終端(命令行),輸入以下內容,創建一個名為 py3.7的隔離環境。

        conda create -n py3.7 python=3.7

        第四步:安裝 TensorFlow-GPU

        打開終端(命令行),激活上一步創建的隔離環境:

        conda activate py3.6


        接著,輸入以下內容,就將 TensorFlow-GPU 安裝好了。

        conda install tensorflow-gpu


        安裝一些機器學習常用的包(可選操作):

        conda install numpy, scipy, matplotlib, pandas,scikit-learn,scikit-image

        到此,TensorFlow-GPU 深度學習環境就算配置好了。我們沒有手動安裝 CUDA 和 cuDNN,這是因為 Conda 在安裝 TensorFlow 時會自動在隔離環境中安裝合適版本的 CUDA 及 cuDNN。
        第五步:測試一下代碼

         

            import tensorflow as tf
            import numpy as np
             
            # 使用 NumPy 生成假數據(phony data), 總共 100 個點.
            x_data = np.float32(np.random.rand(2, 100)) # 隨機輸入
            y_data = np.dot([0.100, 0.200], x_data) + 0.300
             
            # 構造一個線性模型
            #
            b = tf.Variable(tf.zeros([1]))
            W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
            y = tf.matmul(W, x_data) + b
             
            # 最小化方差
            loss = tf.reduce_mean(tf.square(y - y_data))
            optimizer = tf.train.GradientDescentOptimizer(0.5)
            train = optimizer.minimize(loss)
             
            # 初始化變量
            init = tf.initialize_all_variables()
             
            # 啟動圖 (graph)
            sess = tf.Session()
            sess.run(init)
             
            # 擬合平面
            for step in range(0, 201):
                sess.run(train)
                if step % 20 == 0:
                    print (step, sess.run(W), sess.run(b))
             
            # 得到最佳擬合結果 W: [[0.100  0.200]], b: [0.300]

        Anaconda-用conda創建python虛擬環境

         

        conda可以理解為一個工具,也是一個可執行命令,其核心功能是包管理和環境管理。包管理與pip的使用方法類似,環境管理則是允許用戶方便滴安裝不同版本的python環境并在不同環境之間快速地切換。

        conda的設計理念

        conda將幾乎所有的工具、第三方包都當作package進行管理,甚至包括python 和conda自身。Anaconda是一個打包的集合,里面預裝好了conda、某個版本的python、各種packages等。

        1.安裝Anaconda。

        打開命令行輸入conda -V檢驗是否安裝及當前conda的版本。

        2.conda常用的命令

        1)查看安裝了哪些包

        conda list

        2)查看當前存在哪些虛擬環境

        conda env list 
        conda info -e

        3)檢查更新當前conda

        conda update conda

        3.Python創建虛擬環境

        conda create -n your_env_name python=x.x

        anaconda命令創建python版本為x.x,名字為your_env_name的虛擬環境。your_env_name文件可以在Anaconda安裝目錄envs文件下找到。

        4.激活或者切換虛擬環境

        打開命令行,輸入python --version檢查當前 python 版本。

        Linux:  source activate your_env_nam
        Windows: activate your_env_name

        5.對虛擬環境中安裝額外的包

        conda install -n your_env_name [package]

        6.關閉虛擬環境(即從當前環境退出返回使用PATH環境中的默認python版本)

        deactivate env_name
        或者`activate root`切回root環境
        Linux下:source deactivate 

        7.刪除虛擬環境

        conda remove -n your_env_name --all

        8.刪除環境鐘的某個包

        conda remove --name $your_env_name  $package_name 

        8、設置國內鏡像

        Anaconda.org的服務器在國外,安裝多個packages時,conda下載的速度經常很慢。清華TUNA鏡像源有Anaconda倉庫的鏡像,將其加入conda的配置即可:

        # 添加Anaconda的TUNA鏡像

        conda config --add channels mirrors.tuna.tsinghua.edu.cn

        # TUNA的help中鏡像地址加有引號,需要去掉

        # 設置搜索時顯示通道地址

        conda config --set show_channel_urls yes

        9、恢復默認鏡像

        conda config --remove-key channels

        keras安裝

        繼續安裝keras(如果你是只安裝這個記得要激活你要安裝的環境;記得加以下鏡像)

        conda install mingw libpython
        conda install theano
        conda install keras=2.0.

        返回列表
        CNN圖像語義分割詳解大全(網絡收集轉載)
        51自學網,即我要自學網,自學EXCEL、自學PS、自學CAD、自學C語言、自學css3實例,是一個通過網絡自主學習工作技能的自學平臺,網友喜歡的軟件自學網站。
        京ICP備13026421號-1
        av电影网站,久久青草精品38国产,亚洲成av人在线观看网址,无码一区二区三区中文字幕