前言

深度神經(jīng)網(wǎng)絡(luò)是一種目前被廣泛使用的工具，可以用于圖像識別、分類，物體檢測，機器翻譯等等。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)，并且運用各種深度學(xué)習(xí)算法訓(xùn)練網(wǎng)絡(luò)參數(shù)，進而解決各種任務(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。筆者認為，初期學(xué)習(xí)還是選擇一種入門，不要期望全都學(xué)會。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，相信會對科研大有裨益!

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

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，會有一些API的更改，請大家注意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)需要的計算量一般比較大，強烈建議找到一個有獨立顯卡的電腦來展開學(xué)習(xí)，當然沒有顯卡也能用，就是計算慢很多了。

如果你的電腦是Windows，那么可以安裝一個虛擬機來運行Linux，但是性能可能會折扣。我的電腦操作系統(tǒng)是Ubuntu16.04，所以我會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這個功能強大的包，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，進入第3步；沒有顯卡直接到第4步。

3. 顯卡驅(qū)動和CUDA

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

在Ubuntu16.04上可以采用以下方法安裝顯卡驅(qū)動，這種方式比較穩(wěn)定。打開“SystemSettings”——“Software&Updates” —— “AdditionalDrivers”，聯(lián)網(wǎng)狀態(tài)會自動搜索可用的顯卡驅(qū)動，選擇可用的版本，點擊“ApplyChanges”即可。可能重啟動后顯卡驅(qū)動才能生效。

接下來安裝CUDAToolkit。因為最新的CUDA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”，選擇對應(yīng)的參數(shù)，下方會有對應(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

驗證pytorch是否安裝成功，在終端輸入：

python

此時進入python環(huán)境。然后，繼續(xù)輸入

import torch

import torchvision

不報錯就表明安裝成功。

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

最新評論