选自Medium机器之心编译参与：路雪、李泽南在搭建深度学习机器之后，我们下一步要做的就是构建完整的开发环境了。本文将向你解释如何在一台新装的Ubuntu机器上安装Python和Nvidia硬件驱动、各类库和软件包。为了进行强化学习研究，我最近购置了一台基于Ubuntu和英伟达GPU的深度学习机器。尽管目前在网络中能找到一些环境部署指南，但目前仍然没有全面的安装说明。另外，我也不得不阅读了很多文档来试图理解安装细节——其中的一些并不完整，甚至包含语法错误。因此，本文试图解决这个问题，提供一个详尽的软件环境安装指南。本文将指导你安装操作系统（Ubuntu）4种驱动和库（GPU驱动、CUDA、cuDNN和pip）5种Python深度学习库（TensorFlow、Theano、CNTK、Keras和PyTorch）这些软件之间的互相依赖关系如下图所示。其中，你只需要安装一种深度学习库，请自由选择。深度学习软件安装和依赖示意图以下是各个软件的细节介绍：Ubuntu（v16.04.3）——操作系统，各种任务处理。NvidiaGPU驱动（v）——允许系统获得GPU带来的加速。CUDA（v8.0）——GPUC语言库。「计算同一设备架构」。cuDNN（v6.0.21）——基于CUDA的深度学习基元库。「CUDA深度学习库」。pip（v9.0.1）——Python安装包。「Pip安装包」。TensorFlow（v1.3）——谷歌开发的深度学习框架。Theano（v0.9.0）——此前由MILA负责维护的深度学习框架。CNTK（v2.2）——微软研究院开发的深度学习框架。Keras（v2.0.8）——深度学习包装可互换后端。可与TensorFlow、Theano和CNTK共同使用。PyTorch（v0.2.0）——可被GPU加速的动态图深度学习框架，主要由Facebook的研究人员负责开发。1.安装Ubuntu16.04.3v16.04.3可由USB启动的方式安装，它是最新的LTS（长期支持）版本。首次在电脑上启用时，请在BIOS中选择由USB引导启动。我的电脑中有两块硬盘——一块1TB的SATA和一块GB的SSD。在我的设想中，Ubuntu被安装在常规硬盘中，固态硬盘（SSD）用于处理数据集和加速训练。在安装过程中，在屏幕中的InstallationType中选择Somethingelse，随后我们要进行三个分区操作：引导分区（GB）：包含系统文件、程序设置和文档。交换分区（2倍的内存大小）：对于我来说这就是GB。这块分区的容量用于扩展KernelRAM作为虚拟内存使用。用户分区（剩下的部分）：1TB的硬盘剩下的空间大约还有GB。在安装后，最好先运行以下命令来升级内核版本。sudoapt-getupdatesudoapt-getupgradeReference：
转载请注明：http://www.aierlanlan.com/tzrz/8314.html
