您的位置:时时app平台注册网站 > 时时app平台注册网站 > 纵深学习布署及安装时时app平台注册网站

纵深学习布署及安装时时app平台注册网站

2019-11-08 02:03

①利用现有图片合成新的桌面背景图片

以防遗失,转载过来的,仅供参考

/home/mars704/Desktop/sh.sh 即可开机自动加载脚本。 

 

软件的安装

安装 Ubuntu 16.04.3

略..

安装英伟达 GPU 驱动

略..

安装 CUDA 8.0

从英伟达网站,使用下列系统属性下载 CUDA 的 runfile(地址:

Linux -> x86_64 -> Ubuntu -> 16.04 -> .deb(network)

导航至.deb 文件的位置后,将该文件解压缩,更新软件包列表,使用下列命令安装 CUDA。

sudo dpkg-i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb

sudo apt-get update

sudo apt-get install cuda

将库添加至 bash path,这样就可以使用其他应用找到库了。

echo'export PATH=/usr/local/cuda-8.0/bin${PATH: :${PATH}}'>>~/.bashrc

echo'export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH: :${LD_LIBRARY_PATH}}'>>~/.bashrc

source~/.bashrc

验证时,使用 nvcc -V 确保 Nvidia C Compiler(nvcc)版本与 CUDA 的版本匹配。

重启电脑 sudo shutdown -r now,完成安装。

安装 cuDNN 6.0.21

在英伟达网站上注册开发者项目,同意条款。从下拉菜单中选择 cuDNN v6.0.21 (April 27, 2017), for CUDA 8.0,并下载:

cuDNN v6.0 Runtime Library for Ubuntu16.04 (Deb)

cuDNN v6.0 Developer Library for Ubuntu16.04 (Deb)

cuDNN v6.0 Code Samples and User Guide for Ubuntu16.04 (Deb)

.deb 优先于.tar,因为.deb 格式更适用于 Ubuntu,可以进行更纯净的安装。使用下列命令安装这三个包:sudo dpkg-i libcudnn6_6.0.21-1 cuda8.0_amd64.deb  /  sudo dpkg-i libcudnn6-dev_6.0.21-1 cuda8.0_amd64.deb  /  sudo dpkg-i libcudnn6-doc_6.0.21-1 cuda8.0_amd64.deb

测试 cuDNN

将已安装的示例复制到可读目录,然后编译并运行 mnistCNN。

cp-r/usr/src/cudnn_samples_v6/$HOME

cd $HOME/cudnn_samples_v6/mnistCUDNN

make clean&&make

./mnistCUDNN

如果一切顺利,脚本应该会返回一条 Test passed! 消息。

安装 pip 9.0.1

Pip 的升级非常频繁,几乎每两周一次,建议使用最新版本的 pip。

请使用以下命令安装和升级最新版本的 pip。

sudo apt-get install python-pip python-dev

sudo pip install--upgrade pip

验证:请确保键入 pip -V 后可以打印出版本号。

安装 Tensorflow 1.3.0

验证:启动$ python,确认是否以下脚本能够打印出 Hello, Tensorflow!

importtensorflowastf

hello=tf.constant('Hello, TensorFlow!')

sess=tf.Session()

print(sess.run(hello))

Reference:

安装 Theano 0.10

Theano 需要的系统环境:

sudo apt-get install libopenblas-dev cmake git

此外还要遵循 Python 的系统需求。

sudo pip install numpy scipy nose sphinx pydot-ng pycuda scikit-cuda cython

libgpuarray 可以让 Theano 使用 GPU,它必须从源编译。首先下载源代码

git clone

cd libgpuarray

将其编译为一个名为 Build 的文件夹。

mkdirBuild

cdBuild

cmake..-DCMAKE_BUILD_TYPE=Release

make

sudo make install

随后将其编译成一个 Python 包。

cd..

python setup.py build

sudo python setup.py install

将下面一行添加至 ~/.bashrc,这样 Python 就可以找到库了。

export LD_LIBRARY_PATH=/usr/local/lib/:$LD_LIBRARY_PATH

安装 Theano

sudo pip install git

验证:创建测试文件 test_theano.py,其中的内容复制自:

随后看看 THEANO_FLAGS=device=cuda0 python test_theano.py 在使用了 GPU 之后是否成功。

Reference: Theano 0.9.0 documentation(

安装 CNTK 2.2

sudo pip install

验证:输入 python -c "import cntk; print(cntk.__version__)",输出 2.2。

Reference: Setup CNTK on your machine(
**

安装 Keras 2.0.8

sudo pip install keras

验证:检查$ python 中的 import keras 是否成功。

Reference: Keras Installation(

安装 PyTorch 0.2.0

PyTorch 运行在两个库上: torchvision 和 torch,我们需要这样安装:

sudo pip install

0.2.0.post3-cp27-cp27mu-manylinux1_x86_64.whl

sudo pip install torchvision

验证:以下脚本能够打印出一个带有随机初始浮点数的张量。

from__future__importprint_function

importtorch

x=torch.Tensor(5,3)

print(x)

Reference:

仅供参考!

在Ubuntu终端输入 gedit /etc/init.d/rc.local编辑文件,在结尾出加入:

  • 时间:2018-07-16 记录:byzqy

来自公众号: 机器之心

如题,只需编辑/etc/init.d/rc.local文件,在最后加上你的脚本即可。

(需要邮件属性勾选为可运行程序才能正常被使用)

环境依赖

操作系统(Ubuntu)

种驱动和库(GPU 驱动、CUDA、cuDNN 和 pip)

种 Python 深度学习库(TensorFlow、Theano、CNTK、Keras 和 PyTorch)

这些软件之间的互相依赖关系如下图所示。其中,你只需要安装一种深度学习库,请自由选择。

时时app平台注册网站 1

依赖示意图

以下是各个软件的细节介绍:

Ubuntu(v16.04.3)——操作系统,各种任务处理。

Nvidia GPU 驱动(v375)——允许系统获得 GPU 带来的加速。

CUDA(v8.0)——GPU C 语言库。「计算同一设备架构」。

cuDNN(v6.0.21)——基于 CUDA 的深度学习基元库。「CUDA 深度学习库」。

pip(v9.0.1)——Python 安装包。「Pip 安装包」。

TensorFlow(v1.3)——谷歌开发的深度学习框架。

Theano(v0.9.0)——此前由 MILA 负责维护的深度学习框架。

CNTK(v2.2)——微软研究院开发的深度学习框架。

Keras(v2.0.8)——深度学习包装可互换后端。可与 TensorFlow、Theano 和 CNTK 共同使用。

PyTorch(v0.2.0)——可被 GPU 加速的动态图深度学习框架,主要由 Facebook 的研究人员负责开发。

比如:我已经编写了一个脚本shell.sh,存放在/home/mars704/Desktop/ 下面

文件:run_bgchange.sh

时时app平台注册网站 2

3、让run_bgchange.sh脚本开机自启动

  python库:Pillow-5.2.0-cp27-cp27mu-manylinux1_x86_64.whl

(需要邮件属性勾选为可执行才能正常使用)

  Pillow是Python里的图像处理库(PIL:Python Image Library),提供了了广泛的文件格式支持,强大的图像处理能力,主要包括图像储存、图像显示、格式转换以及基本的图像处理操作等。 

工具/原料:

②将新的桌面图片设置为当前桌面背景

1、创建Python脚本,脚本包含两个动作

  (操作系统:Ubuntu 16.04 ,编辑工具:gedit,开发语言:Python 2.7 )

2、创建用来执行Create_Image.py的sh脚本

文件:Create_Image.py

文件:AutoWallPaper.desktop

即开机自动运行我们上一步中制作的run_bgchange.sh文件。

介绍:

代码/逻辑:

#开机自动更换壁纸

/home/user/Desktop/run_bgchange.sh#开机自动更换壁纸

4、如果需要手动执行设置壁纸的动作,在上面第二步的基础上创建一个Desktop文件调用run_bgchange.sh就好了。

由此便可大功告成!

在文件中 exit 0 的上面添加如下内容:

打开终端(Terminal)输入:sudo gedit /etc/rc.local ,在文本编辑器中打开系统文件rc.local,

  在管理多台计算机时,将每台计算机的ID或者计算机名醒目的显示在电脑桌面,往往是一个不错的选择。下面记录一下在Ubuntu 16.04上使用Python2.7如何实现这一功能。

本文由时时app平台注册网站发布于时时app平台注册网站,转载请注明出处:纵深学习布署及安装时时app平台注册网站

关键词: