从零开始在ubuntu上配置深度学习开发环境

从零开始在ubuntu上配置深度学习开发环境

　　昨天一不小心把原来配置好的台式机的开发环境破坏了，调了半天没有调回来，索性就重装一次ubuntu系统。这篇文章主要记录一个简单的、‘傻瓜式’教程。

一、Ubuntu系统重装

　　可以参照以下链接的教程来准备启动盘，然后安装系统，地址为在这里。

二、安装Firefox浏览器

　　在国内的官网上面下载安装火狐浏览器。首先下载tar文件，如下图：

　　将压缩包内的文件解压到某一路径之内，博主选择的是解压到：/usr/share/路径下，因为这是ubuntu安装软件的默认路径。然后在路径：/usr/share/applications路径下创建火狐浏览器的快捷方式，创建方式如下：

　　（1）打开一个终端，并且确定当前路径为：/usr/share/applications；

　　（2）建立一个桌面图标文件，指令为：sudo touch firefox.desktop；

　　（3）使用nano编辑器编辑图标文件，指令为：sudo nano firefox.desktop；

　　（4）往图标文件中输入：

[Desktop Entry]
Name=Firefox
Comment=this is firefox
Exec=/usr/share/firefox/firefox
Icon=/usr/share/firefox/browser/chrome/icons/default/default128.png
Terminal=false
Type=Application
Categories=Application;Network;

　　其中“Exec”为软件启动程序的目录，Icon为图标文件所在目录，这两个属性可以根据自己的情况来修改。

3、安装anaconda

　　直接在官网上下载anaconda，我现在的文件如下：

　　打开一个终端转到该文件所在的路径下，在终端中输入：sh Anaconda3-2019.10-Linux-x86_64.sh，之后按照所安装程序所提供的信息来安装anaconda，基本上是一路“yes”到底。

4、使用anaconda安装tensorflow-gpu

　　在终端中输入指令：conda install tensorflow-gpu即可，anaconda会自动安装tensorflow-gpu的一些依赖，包括：numpy，cuda，cudnn等，因此通过anaconda安装不需要我们再手动安装cuda和cudnn了。

5、安装显卡驱动

　　博主所使用的电脑配有英伟达的gtx 1060 6G显卡，目前电脑所使用的显卡驱动是默认的Nouveau驱动，这个驱动无法和tensorflow一起使用，因此需要修改为其它的驱动来使用。我们可以在系统自带“软件与更新”中找到“附加驱动”一栏，如下图所示：

　　其中列出了显卡可以使用的很多驱动，直接从中选择一个，系统会自动下载安装所选择的驱动。一定重启一下电脑，再在终端中输入“nvidia-smi”就可以在终端中显示显卡的状态信息了，这也标志着显卡驱动安装成功了。

6、检测tensorflow环境是否配置成功

　　可以在终端中使用python来运行下面的python代码：

import tensorflow as tf
a=tf.constant([1,2,3,4,5,6],shape=[2,3],name='a')
b=tf.constant([1,2,3,4,5,6],shape=[3,2],name='b')
c=tf.matmul(a,b)
with tf.Session() as sess:
    print(sess.run(c))

　　如果成功运行的话，出现的结果如下：

　　值得注意的一点是，由于在更新一些的tensorflow中已经不能够使用“tf.Session()”了，会报出“tensroflow中不包含Session模块”的错误。这是因为在tensorflow 2.0中已经该语句已经被替换为“tf.compat.v1.Session”。如果用着不习惯，可以将之前安装的tensorflow降级为2.0版本以下，可以使用如下命令：conda install tensorflow-gpu==1.14。