深度学习环境安装记录_安装keras后怎么查看examples-优快云博客

本文链接：https://blog.youkuaiyun.com/qq_43568109/article/details/122416626

首先安装了ubuntu16.04系统，然后依次安装CUDA8.0+cuDNN6.0+Anaconda3-4.2.0+TensorFlow1.4.0+ Keras2.0.8，其中Anaconda3-4.2.0对应python3.5.2

1. ubuntu16.04系统

1.1 在windows10系统下创建空白磁盘分区

预留了100G的空白磁盘分区，如果一个盘留不出较大的内存，可以将其它盘分一点过来，这部分的操作，使用DiskGenius软件非常方便，后面如果安装出现问题，要删除ubuntu系统，也要用到DiskGenius

1.2 制作系统启动U盘

首先要准备一个4G以上大小的U盘

1.镜像下载ubuntu16.04（地址http://releases.ubuntu.com/16.04），找到ubuntu-16.04.7-desktop-amd64.iso文件下载下来即可，大概有1.6G大小
2.下载rufus软件，用来将ubuntu系统写入U盘，不要使用软碟通进行刻录，刚开始使用软碟通刻录进U盘，一直安装不成功

1.3 利用U盘安装系统

大概流程是先进入电脑bios模式（百度），然后在面板里关掉secure boot（安全启动）的选项，将U盘启动的优先级调到最高，确认之后就会进入正式安装过程。
过程中，傻瓜式地一直下一步即可，到了安装类型的界面时，选择其它选项。然后将之前预留的空闲磁盘分为efi（200M）、swap（8G）、/（20G）、/home（剩余全分这个区）四个分区，swap为逻辑分区、其它均为物理分区。之后再一直下一步，最后会提示安装完成。
重启电脑之后，可以再进入bios模式，将ubuntu系统的efi启动模式优先级调到最高。可能会卡死在开机界面，这种情况选高级模式，修复一下，然后改下grub配置。

1.4 参考博文

很大程度上参考了https://www.cnblogs.com/masbay/p/10745170.html的内容，不过也有一些坑，最后在安装cuda的时候看到一篇文章说要降低内核版本，导致图形界面进不去，网络也没了，只好重装了一次。关于Ubuntu系统的卸载，可以参考https://blog.youkuaiyun.com/guikunchen/article/details/88077330

2. 安装cuda8.0

2.1 安装nvidia驱动

1.首先进官网（https://www.nvidia.com/Download/index.aspx）选择自己显卡对应的驱动，我的是NVIDIA-Linux-x86_64-470.94.run
2.卸载旧的驱动

 $ sudo apt-get remove --purge nvidia*
 #若安装失败也是这样卸载以及
 $ ./NVIDIA-Linux-x86_64-390.48.run --uninstall #确保卸载干净。

3.禁用noueau驱动

 $ sudo vi /etc/modprobe.d/blacklist-nouveau.conf 
 #在文件 blacklist-nouveau.conf 中加入如下内容：
  blacklist nouveau
  blacklist lbm-nouveau
  options nouveau modeset=0
  alias nouveau off
  alias lbm-nouveau off
  #保存   :wq

#禁用nouveau 内核模块
$ echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf
$ sudo update-initramfs -u
$ reboot #重启
$ lsmod |grep nouveau #无显示则成功 当然驱动没了你的桌面分辨率会比较大。

4.选择run文件安装

$ chmod a+x NVIDIA-Linux-x86_64-470.94.run #添加权限
$ sudo ./NVIDIA-Linux-x86_64-470.94.run --dkms --no-opengl-files

5.验证

$ nvidia-smi #若列出GPU的信息列表，表示驱动安装成功

2.2 安装cuda8.0

1.下载cuda

如果不能拉取到，可以直接到对应网站，选中cuda-repo-ubuntu1604_9.0.176-1_amd64.deb文件进行下载

$ wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/
  x86_64/cuda-repo-ubuntu1604_9.0.176-1_amd64.deb

2.安装cuda

安装之前选择系统设置，在其它选项里有个选择最合适的镜像源的地方，设置之后，通过apt-get下载软件的速度会快很多

$ sudo dpkg -i cuda-repo-ubuntu1604_9.0.176-1_amd64.deb
$ sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/
  cuda/repos/ubuntu1604/ x86_64/7fa2af80.pub
$ sudo apt-get update
$ sudo apt-get install cuda-8-0

2.3 参考博文

https://blog.youkuaiyun.com/u014561933/article/details/79958017

由于我的系统是双显卡配置，cuda安装完成之后，会出现图形界面进不去的情况，可以通过ctrl+alt+f1的方式，切换到命令行，执行以下命令即可：

$ sudo prime-select intel # 设置Intel显卡

$ sudo prime-select nvidia # 如果要使用cuda，再设置成NVIDIA显卡

3. 安装cuDNN6.0

1.注册一个免费的 NVIDIA 开发者账号，然后在 https://developer.NVIDIA.com/cudnn 下载 cuDNN。注册的时候可能会卡在一个验证界面，下载雷神加速器，搜索NVIDIA加速即可。
2.下载压缩包，官网选择Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0的版本下载
3.解压后，执行以下命令

$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
 
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
 
$ sudo chmod a+r /usr/local/cuda/include/cudnn.h
 
$ sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

4.配置环境变量

$ export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
$ source /etc/profile

5.验证

$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

出现版本信息，表示安装成功

5.参考博文

https://blog.youkuaiyun.com/wanzhen4330/article/details/81699769

4. 安装Anaconda3-4.2.0

4.1 下载清华镜像源

在https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/下在指定版本的.sh文件，我的是Anaconda3-4.2.0-Linux-x86_64.sh

4.2 安装anaconda

打开下在的可执行文件的位置，执行以下命令：

$ bash Anaconda3-4.2.0-Linux-x86_64.sh

然后一路点enter或者输入yes，最后有一条“Do you wish to proceed with the installation of Microsoft VSCode? [yes|no]”，输入no，其中有一个yes会直接将环境变量添加到对应的配置文件

5. 安装TensorFlow1.4.0

1.更新pip版本（一定要更新一下，否则后面肯定会报错）

$ sudo pip install --upgrade pip

2.安装tensorflow

$ sudo pip install tensorflow-gpu==1.4.0

6. 安装Keras2.0.8

1.从GitHub 安装 Keras，这么做的话，可以访问 keras/examples 文件夹，里面包含许多示例脚本，便于学习。

$ git clone --branch 2.4.0 https://github.com/fchollet/keras
$ cd keras
$ sudo python setup.py install

由于最新的版本已经没有了examples文件夹，所以需要在git代码中指定对应的版本

2.运行MNIST 示例

$ python examples/mnist_cnn.py

3.另一个 shell 窗口中监控 GPU 利用率，如果GPU利用率不为0，说明一切安装顺利完成。

$ watch -n 5 NVIDIA-smi -a --display=utilization