深度学习准备之安装双系统

本文分享了作者在安装Ubuntu 16.04及配置深度学习环境的经验,包括GPU驱动安装、Caffe与TensorFlow等框架的搭建过程。
部署运行你感兴趣的模型镜像

去年下半年看了相关目标检测的论文,一些传统的算法,一些CVPR,TPAMI,ECCV,ICCV,,NIPS,比较前沿的进展,主要都是基于深度学习卷积神经网络方面的,包括RCNN,SPP-NET,Fast-RCNN,Faster-RCNN,以及YOLO,SSD,然后明天准备正式开始搞学术了,争取早点把论文发出来。

趁着放假回家的时间,做点前期准备工作,深度学习方面的框架有caffe,torch,mxnet,kerse,还有最近比较大热的TensorFlow,感觉tf会持续popular,所以准备搭建一个玩玩,但是相关比较新的目标检测框架都是首先基于caffe开发的,caffe对于图像方面的库比较多,稳定,所以搭建一个caffe也是必不可少,好像tf也是可以调用caffe框架模型的(没用过)。

装双系统之step one:http://blog.youkuaiyun.com/jasonzhangoo/article/details/54865974

装显卡驱动之step two(很多同学都是因为这步而放弃深度学习的):http://blog.youkuaiyun.com/jasonzhangoo/article/details/54866049

Ubuntu16.04下安装caffe和TensorFlow的cpu版本之step three:http://blog.youkuaiyun.com/jasonzhangoo/article/details/54866074

Win10下安装caffe的GPU版本之step four:http://blog.youkuaiyun.com/jasonzhangoo/article/details/54866120

windows安装配置faster-rcnn之step five:http://blog.youkuaiyun.com/jasonzhangoo/article/details/54866174

 

经过这一个礼拜的折腾,下面我把我自己的相关配置经验记录下来与大家分享。最初是在VMware中安装了Ubuntu和Centos,但是发现虚拟机中是不可以用本机GPU的,后期深度学习需要借助GPU,只用CPU会十分缓慢。正好这段时间先在虚拟机上折腾学习了Linux,然后这段时间安装双系统就会得心应手。

装双系统之step one:

Available:ubuntu-16.04-desktop-amd64.iso系统镜像,u盘一个,刻录系统到u盘工具UltraISO,设置引导工具easyBCD

我原装是win10系统在c盘的ssd,另外开辟一个100g左右的空间给Ubuntu,使用u盘安装,刚开始装的Ubuntu14.04,但是可能是我的ios镜像的问题,装完之后进去没有无线驱动,没有wlan0,又要更新,然后很坑的是学校的有线网需要登录的客户端,装wine又有问题,索性直接找同学的最新的Ubuntu16.04安装,最后安装成功,没有问题。


1.当然在安装过程中这一步可以看情况,一般没有连接到网络,不用选安装第三方软件,直接点继续。

 

2.这一步非常重要,记住点其他选项,很多人把原来的Windows系统搞没了就是选的第一个吧?

3.分配盘符时,选定空闲磁盘,点击+

先设置swap交换分区新分区的类型:逻辑分区

新分区的位置:空间起始位置,

用于:交换空间,网上认为是物理内存的2倍,其实2g就已经够用,我分配了8g

 

设置boot分区,这里是用来设置启动引导的,大小:200MB(笔者暂时设置为200MB)

新分区的类型:逻辑分区

新分区的位置:空间起始位置

用于:EXT4日志文件系统

 

设置”/”根分区,很多默认的系统应用后面会安装到这里

大小:尽量大些

新分区的类型:主分区

新分区的位置:空间起始位置

用于:EXT4日志文件系统

 

设置/home分区,这里相当于存储自己的东西,有点类似win下的d,e,f盘

大小:(剩余全部空间,剩下显示多少,就多少)

新分区的类型:逻辑分区

新分区的位置:空间起始位置

用于:EXT4日志文件系统

 

很重要的一点记住选择/boot对应的盘符作为安装启动引导器的设备,务必保证一致:

 

4.安装过程一头一尾要注意,一个是记住是进入高级启动中关闭安全启动(secure boot),我才开始直接重启电脑进入bios中关闭,是有问题的(反正我是这样);在安装结束之后记得设置引导,不然每次开机还是直接进入win10系统。Tip:easybcd和UltraISO最好选比较新的版本,网上直接搜的可能有些是比较旧的版本,有些会出问题的

 

整个安装过程可以参考http://www.jianshu.com/p/2eebd6ad284d

安装完成后,连接wifi的时候切记不要像我一样连着网线,windows可以连着网线连接wifi,但是ubuntu中会默认一直连接有线网

连接网络之后一些功能需要完善,比如看视频安装adobe flash player 可以参考这个http://jingyan.baidu.com/article/2fb0ba40a7832600f2ec5f80.html

一开始进去没有回到桌面图标,每次开很多东西要回到桌面总是要把所有打开的页面最小化再到桌面,而且用win+a进入dash也没有,添加回到桌面图标参考http://wenda.so.com/q/1461239608720620

原来16.04自带vi,但是光标移动不适应,还是需要vim,安装升级vim参考http://www.linuxdiyf.com/linux/22322.html

安装pycharm需要jdk环境,参考http://www.linuxdiyf.com/linux/27851.html

ubuntu中自带python2.7.11,安装pycharm参考http://blog.youkuaiyun.com/qq_33880788/article/details/51479564


您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

### 虚拟机双系统环境下深度学习环境的配置 #### 配置虚拟机中的深度学习环境 对于希望在同一台机器上同时利用Windows和Linux系统的优点而不改变现有操作系统结构的人来说,使用虚拟机是一个不错的选择。通过虚拟化技术可以在宿主机(如Windows)之上运行客户机(如Ubuntu)。为了在虚拟机中高效地设置深度学习环境: - **选择合适的虚拟化平台**:推荐使用VMware Workstation Pro或Oracle VirtualBox这样的工具来创建并管理虚拟机实例[^1]。 - **分配足够的硬件资源给虚拟机**:由于深度学习任务通常计算密集型较高,因此应确保为虚拟机分配充足的CPU核心数、内存大小以及存储空间;如果可能的话,还应该开启VT-x/AMD-V支持以便更好地模拟物理处理器特性,并尝试启用GPU直通功能让虚拟机能访问到实际图形处理单元的能力[^4]。 - **安装目标操作系统及其依赖项**:按照常规流程完成Ubuntu操作系统的部署之后,接着依照特定框架的要求准备必要的库文件和其他前置条件——例如Python解释器、pip包管理器等[^3]。 - **构建适合于训练模型的工作区**:借助Anaconda发行版简化科学计算类软件栈的维护工作,建立专门用于承载项目代码的新建Conda Environment,并在此基础上集成诸如TensorFlow、Keras或是PyTorch之类的主流AI开发套件[^2]。 #### 设置双系统下的深度学习环境 当用户倾向于获得接近原生性能表现的同时又不想放弃原有桌面体验时,则可以考虑采用双重引导方案,在一台计算机里分别安装两个不同的OS版本供日常切换使用。针对这种情况而言, - **规划磁盘布局**:提前做好硬盘分区计划,预留出足够容量的空间用来容纳第二个操作系统连同后续可能会扩展的数据卷表单;注意保护好EFI System Partition以免影响启动过程正常运作。 - **执行清洁安装程序**:遵循官方文档指示逐步落实新加入成员的具体实施细节,期间务必小心谨慎以防误操作造成已有资料丢失风险;特别是涉及到BIOS设定调整部分更需格外留意。 - **同步优化两方资源配置**:鉴于某些情况下仅依靠单一侧难以满足全部需求的情况存在,故而有必要兼顾双方特点做出相应改进措施,比如统一网络代理服务器地址参数设定、共享打印机连接方式等等。 - **保持驱动程序最新状态**:定期检查是否有新的固件更新可用,尤其是关于显示适配器方面的改动尤为关键,因为这直接影响到了能否顺利加载所需的CUDA Toolkit组件从而发挥出最佳效能水平。 ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update && sudo apt upgrade nvidia-driver-xxx ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值