前言

深度神經(jīng)網(wǎng)絡(luò)是一種目前被廣泛使用的工具，可以用于圖像識(shí)別、分類，物體檢測(cè)，機(jī)器翻譯等等。深度學(xué)習(xí)（DeepLearning）是一種學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)各種參數(shù)的方法。因此，我們將要介紹的深度學(xué)習(xí)，指的是構(gòu)建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并且運(yùn)用各種深度學(xué)習(xí)算法訓(xùn)練網(wǎng)絡(luò)參數(shù)，進(jìn)而解決各種任務(wù)。本文從PyTorch環(huán)境配置開始。PyTorch是一種Python接口的深度學(xué)習(xí)框架，使用靈活，學(xué)習(xí)方便。還有其他主流的深度學(xué)習(xí)框架，例如Caffe，TensorFlow，CNTK等等，各有千秋。筆者認(rèn)為，初期學(xué)習(xí)還是選擇一種入門，不要期望全都學(xué)會(huì)。須知，發(fā)力集中才能深入挖掘。亂花漸欲迷人眼，選擇適合自己的，從一而終，相信會(huì)對(duì)科研大有裨益!

***************************************************

說明：本文乃至本系列全部文章都是在PyTorch0.2版本下做的?，F(xiàn)在版本更新了很多，會(huì)有一些API的更改，請(qǐng)大家注意Follow最新的變化，以免由于版本問題受到困擾。

***************************************************

1. 環(huán)境說明

PyTorch目前支持OSX和Linux兩種系統(tǒng)，并且支持多種安裝方式。在官網(wǎng)上介紹了基于conda，pip和源代碼編譯幾種不同的安裝方式。支持的Python版本有2.7，3.5和3.6。鑒于深度學(xué)習(xí)需要的計(jì)算量一般比較大，強(qiáng)烈建議找到一個(gè)有獨(dú)立顯卡的電腦來展開學(xué)習(xí)，當(dāng)然沒有顯卡也能用，就是計(jì)算慢很多了。

如果你的電腦是Windows，那么可以安裝一個(gè)虛擬機(jī)來運(yùn)行Linux，但是性能可能會(huì)折扣。我的電腦操作系統(tǒng)是Ubuntu16.04，所以我會(huì)以此為例子來介紹后面的內(nèi)容。

 2. Anaconda 和Python

PackageManager我們選擇conda，于是我們需要安裝Anaconda這個(gè)功能強(qiáng)大的包，下載地質(zhì)：https://www.anaconda.com/download/ 。里面包含了conda工具，也有Python，以及很多Python需要的擴(kuò)展工具包。選擇2.7版本，下載并安裝即可。接下來，如果有顯卡，進(jìn)入第3步；沒有顯卡直接到第4步。

3. 顯卡驅(qū)動(dòng)和CUDA

要使用顯卡進(jìn)行運(yùn)算，你需要使用支持CUDA的NVIDIA顯卡，目前比較好的顯卡有NVIDIATITANX、GTX1080Ti 等。好的顯卡將會(huì)是深度學(xué)習(xí)研究的有力武器。當(dāng)然，普通的顯卡例如GTX970、GTX1060等也是可以用的。實(shí)在沒有顯卡，那只能做簡單的小數(shù)據(jù)量的實(shí)驗(yàn)，效果不會(huì)太好。

在Ubuntu16.04上可以采用以下方法安裝顯卡驅(qū)動(dòng)，這種方式比較穩(wěn)定。打開“SystemSettings”——“Software&Updates” —— “AdditionalDrivers”，聯(lián)網(wǎng)狀態(tài)會(huì)自動(dòng)搜索可用的顯卡驅(qū)動(dòng)，選擇可用的版本，點(diǎn)擊“ApplyChanges”即可?？赡苤貑?dòng)后顯卡驅(qū)動(dòng)才能生效。

接下來安裝CUDAToolkit。因?yàn)樽钚碌腃UDA是9.0版本，但是PyTorch只能支持到8.0。所以轉(zhuǎn)到該網(wǎng)址“https://developer.nvidia.com/cuda-80-ga2-download-archive”，選擇對(duì)應(yīng)的參數(shù)，下方會(huì)有對(duì)應(yīng)的CUDA文件。例如，下圖是我選擇的版本。選擇deb文件，發(fā)現(xiàn)有1.9G大小，下載下來，按照baseinstaller的指示來完成安裝。附加的cuBLAS也可以下載下來安裝上。

CUDA安裝完成后，在主目錄下打開“.bachrc”文件，在末尾添加如下代碼：

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}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

4. 運(yùn)行PyTorch的安裝命令

如果你和我一樣，采用8.0CUDA，2.7版本Python，可以運(yùn)行以下命令：

conda install pytorch torchvision cuda80 -c soumith

如果沒有顯卡，2.7版本Python，可以這樣：

conda install pytorch torchvision -c soumith

5. 驗(yàn)證安裝是否成功

要顯示顯卡信息，在終端輸入：

sudo lshw -c video

要顯示CUDA信息，在終端輸入：

nvcc -V

查看Phthon版本，在終端輸入：

python --version

驗(yàn)證pytorch是否安裝成功，在終端輸入：

python

此時(shí)進(jìn)入python環(huán)境。然后，繼續(xù)輸入

import torch

import torchvision

不報(bào)錯(cuò)就表明安裝成功。

以上就是本文的全部內(nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評(píng)論