<strong id="33j4t"><kbd id="33j4t"></kbd></strong><span id="33j4t"><pre id="33j4t"></pre></span>
<em id="33j4t"></em>
    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
      亚洲第一网站男人都懂2021,中文字幕无码久久精品,大胸美女又黄又w网站,全免费a级毛片免费看