美文网首页
机器学习环境搭建(一行代码)

机器学习环境搭建(一行代码)

作者: guanghuixu | 来源:发表于2017-10-20 14:59 被阅读0次

    硬件条件简介:2G独立显卡,12G内存,256G固态硬盘
    但入门级别的辣鸡显卡计算能力只有2.1,故只能放弃GPU,以下教程都默认CPU版。

    一、 Ubuntu安装

    自行谷歌双系统刻盘、安装教程
    需要注意的是,分两个就够了,一个交换分区(swap,逻辑分区,内存的1~2倍),一个根目录(/,主分区,剩余全部空间)
    UEFI模式安装指南:https://jingyan.baidu.com/article/e3c78d6460e6893c4c85f5b1.html

    二、anconda安装

    anaconda下载地址:https://www.anaconda.com/download/#linux
    sh文件安装方法

    bash Anaconda2-5.0.0.1-Linux-x86_64.sh
    

    三、tensorflow安装(CPU版)

    Simple is King

    pip install tensorflow
    

    用pip安装最为简单实用,官网的教程也足够详细
    但anconda安装的好处是可以利用anconda集成的科学计算库
    如果想在一个特定的容器内运行tensorflow,可以完全按照官网的做法安装。

    $ source activate root#对比一下,跟官网新建容器tensorflow不一样,直接装在root下
    #这样做的好处是能跟系统下的python/package兼容
    (root)$  # Your prompt should change
    
    # Ubuntu/Linux 64-bit, CPU only, Python 2.7
    $ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.0rc1-cp27-none-linux_x86_64.whl
    
    # Ubuntu/Linux 64-bit, GPU enabled, Python 2.7
    # Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see "Installing from sources" below.
    $ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.0rc1-cp27-none-linux_x86_64.whl
    

    Install TensorFlow:

    # Python 2
    (root)$ pip install --ignore-installed --upgrade $TF_BINARY_URL
    
    # Python 3
    (root)$ pip3 install --ignore-installed --upgrade $TF_BINARY_URL
    
    (root)$ source deactivate
    $  # Your prompt should change back
    

    四、opencv安装

    sudo apt-get install python-opencv
    #适用人群:仅调用cv2一小部分功能,而并非opencv的重度依赖患者
    

    但有个问题,用sudo apt-get install python-opencv对anaconda套件并不起作用,采用下面的代码代替

    conda install --channel https://conda.anaconda.org/menpo opencv3
    

    五、caffe安装(CPU版)

    主要参考这篇文章,Ubuntu 16.04上安装Caffe(CPU only)
    官网的安装教程也写得很详细,【Ubuntu | Installation】

    1. 安装依赖环境
    sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
    sudo apt-get install --no-install-recommends libboost-all-dev
    
    1. 下载caffe源码
    git clone https://github.com/BVLC/caffe
    
    1. 修改Makefile.config文件
      复制Makefile.config.example文件重命名为Makefile.config
      去掉CPU_ONLY := 1的注释
    ##修改
    INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
    LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
    ##变成
    INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
    LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial
    ##这里面可能会设计到路径问题,可以用whereis hdf5找到正确的位置填进去
    
    1. 安装caffe
    make pycaffe
    make all
    make test
    make runtest
    
    1. 添加环境变量
      去到CAFFE文件夹里面的python文件夹, 把当前路径记录下来(pwd). 然后输入以下命令(把记下的路径放在相应地方)
    export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH
    

    不幸的是,这种方法可能会导致anaconda下的Python失效
    解决方法:

    # 1. 添加两条环境变量
    export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH
    export DYLD_FALLBACK_LIBRARY_PATH=/home/guanghuixu/anaconda2/lib:/usr/local/lib
    # 2. 将Python文件夹下的caffe文件夹复制到anaconda下的lib/python2.7/site-packages文件夹下
    # 3. 将caffe./build/lib文件下的文件复制到anaconda下的lib文件夹下
    
    

    相关文章

      网友评论

          本文标题:机器学习环境搭建(一行代码)

          本文链接:https://www.haomeiwen.com/subject/qgtpuxtx.html