終端打開方式:Ctrl+Alt+T
一、進入ubuntu分辨率無法改變: 去軟體更新處更新驅動,是顯示卡驅動的問題(新裝系統要稍等一會才會出現) 重新開機後恢複
二、滑鼠右鍵進入終端 sudo apt-get install nautilus-open-terminal 登出後重進
三、安裝搜狗輸入法: 下載下傳 https://pinyin.sogou.com/linux/?r=pinyin
進入下載下傳目錄,在終端執行安裝
sudo dpkg -i sogoupinyin_2.2.0.0102_amd64.deb
sudo apt-get install -f
系統設定--語言支援--fctix
登出後重進 ctrl+空格切換輸入法
四、安裝python和tensorflow
sudo apt-get update
pip install python(會裝兩個版本2.7和3.4,預設2.7.如果切換到3.4,請用pip3安裝相應庫,防止切換成2.7庫丢失)
sudo pip install --upgrade pip
pip install tensorflow 若安裝了cuda則安裝GPU版本的tensorflow
本文安裝的是pip install tensorflow==1.2
如果想安裝最新版本的1.4 pip install tensorflow 1.4.1 則必須把cudnn配置到v6及以上版本方可正常使用
一般的解除安裝代碼大緻如:pip uninstall tensorflow
五、安裝keras(keras是高度封裝了TensorFlow\CNTK\Theano)
sudo pip install keras
官方API連結 https://keras.io/
六、安裝科學計算庫
①sudo pip install jupyter
安裝成功後,在終端上鍵入jupyter notebook
[I 16:13:13.793 NotebookApp] Writing notebook server cookie secret to /run/user/1000/jupyter/notebook_cookie_secret
[I 16:13:13.937 NotebookApp] Serving notebooks from local directory: /home/m
[I 16:13:13.937 NotebookApp] 0 active kernels
[I 16:13:13.937 NotebookApp] The Jupyter Notebook is running at:
[I 16:13:13.937 NotebookApp] http://localhost:8888/?token=6f46feec7a319f3b1e433d003122e065c235bf48004d5c7b
即打開jupyter網頁編輯器,進行修改程式标注程式代碼或運作程式
②pip install pandas
③pip install numpy
④pip install Matplotlib(繪圖庫)
⑤pip install scikit-learn
⑥pip install seaborn
⑦pip install scikit-image
也可以一起安裝,但各版本依賴之間記得相适應
七、安裝spyder
sudo pip install spyder
sudo apt-get install python-pyqt*
spyder
預設環境是2.7
如果用3.4 請參考網址 http://blog.csdn.net/wangrunhuan/article/details/78218564
八、安裝opencv3.4.0+opencv_contrib3.4.0(新版的3.4好多模型還不适用,建議先安裝3.3)
安裝步驟如下:
1、系統更新
sudo apt-get update
sudo apt-get upgrade
2、搭建C/C++編譯環境:
sudo apt-get install build-essential
3、安裝關聯庫
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
4、下載下傳opencv3.4.0(opencv_contrib3.4.0)
提供網址: 下載下傳opencv3.4.0在opencv官網下載下傳 https://opencv.org/releases.html
下載下傳opencv_contrib3.4.0在github中opencv中下載下傳記得選擇3.4版本(Tag中選版本) https://github.com/opencv/opencv_contrib
将下載下傳好的兩個壓縮包解壓目錄如下
主目錄:opencv3.4.0
子目錄: ------ opencv_contrib3.4.0
------ bulid(在第5步會建立這個檔案夾)
5、打開終端,cd ~/opencv3.4.0
mkdir build
6、 cd build
cmake .. (中間空格不要忘記)
備注:
第一種方式:
(①若配置opencv_contrib3.4.0則需配置環境:
cmake -DOPENCV_EXTRA_MODULES_PATH=/home/m/opencv3.4.0/opencv_contrib3.4.0/modules /home/m/opencv3.4.0
cmake -DOPENCV_EXTRA_MODULES_PATH=/home/m/opencv-3.3.1/opencv_contrib-3.3.1/modules /home/m/opencv-3.3.1
其中 CMAKE_BUILD_TYPE=Release / Debug,這裡選擇Release
‘/home/m/opencv3.4.0/opencv_contrib3.4.0/modules’為opencv_contrib3.4.0擴充子產品中modules的路徑
‘/home/m/opencv3.4.0’為opencv3.4.0的路徑 )
(還有一種配置cmake https://www.cnblogs.com/asmer-stone/p/5089764.html)
②若不配置擴充子產品opencv_contrib3.4.0,則隻在終端 cmake .. )
7、make -j4 0%-----100% 根據自己電腦的配置選擇jn(n=2/4/....),時間稍長
8、sudo make install 到此配置結束
9、驗證:
在此路徑/home/m/opencv/opencv/samples/python,即安裝的opencv中的samples中找到官方給的demo,進行python運作,如運作成功,則表示安裝成功
若想測試opencv_contrib3.4.0是否安裝成功,插入攝像頭電腦,在opencv_contrib的samples中運作即可。
參考連結
http://blog.csdn.net/linj_m/article/details/45048905
http://blog.csdn.net/u013831198/article/details/70215925
10、如需要更新版本或者配置擴充庫等,都需要先解除安裝原有的opencv
+-------------------------------------------------------------##解除安裝opencv##-----------------------------------------------------------------------------------------------+
①進入build檔案夾中
sudo make uninstall
cd ..
sudo rm -r build
rm -r /usr/local/include/opencv2 /usr/local/include/opencv /usr/include/opencv /usr/include/opencv2 /usr/local/share/opencv /usr/local/share/OpenCV /usr/share/opencv /usr/share/OpenCV /usr/local/bin/opencv* /usr/local/lib/libopencv* (如果此步出現錯誤請繼續即可)
②删除/usr中所有opencv相關項
cd /usr/
find . -name "*opencv*" | xargs sudo rm -rf
九、安裝cuda+cudnn
參考:http://www.cnblogs.com/xuanxufeng/p/6150593.html
下載下傳cuda和cudnn連結,需要登入
cuda https://developer.nvidia.com/cuda-toolkit-archive
cudnn https://developer.nvidia.com/rdp/cudnn-download
新版的cudnn格式都是.solitairetheme8的,官方給的解壓cudnn的方式:
cp cudnn-8.0-linux-x64-v5.1.solitairetheme8 cudnn-8.0-linux-x64-v5.1.tgz
先變成tgz格式的然後再按照後續步驟進行操作
1、安裝相關依賴項
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
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
## 安裝之後執行以下操作 ##
選擇ubuntu14.04系統,若是16請提前查好自己的适配版本
檢視顯示卡型号以及是否支援CUDA
輸入 :sudo nvidia-smi(也可用來檢視運作記憶體占用情況)
顯示如下内容:
Mon May 8 10:38:50 2017
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 375.39 Driver Version: 375.39 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce GTX 105... Off | 0000:01:00.0 On | N/A |
| 29% 37C P0 35W / 80W | 207MiB / 4037MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| 0 966 G /usr/lib/xorg/Xorg 150MiB |
| 0 1690 G compiz 53MiB |
| 0 1972 G /usr/lib/firefox/firefox 1MiB |
2/ 安裝CUDA
+---------------------------------------##安裝CUDA##-------------------------------------------+
|sudo chmod 777 cuda_8.0.61_375.26_linux.run (根據自己下載下傳的CUDA版本号更改)
|sudo ./cuda_8.0.61_375.26_linux.run
|
|注意:執行後會有一系列提示讓你确認,但是注意,有個讓你選擇是否安裝nvidia367驅動時,一定要選擇否: (型号不一定是367,看自己系統更新的)
|Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48?
|因為前面我們已經安裝了更加新的nvidia367,是以這裡不要選擇安裝。其餘的都直接預設或者選擇是即可。
|
|sudo gedit ~/.bashrc
|将以下内容寫入到~/.bashrc尾部:
|export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
|export LD_LIBRARY_PATH=/usr/local/cuda8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
|測試CUDA的samples
|cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
|make
|sudo ./deviceQuery
|如果顯示一些關于GPU的資訊,則說明安裝成功。
再次檢視安裝狀态:cat /proc/driver/nvidia/version
+-----------------------------------------##安裝CUDA##-----------------------------------------+
3/ 配置cuDNN
+-----------------------------------------##配置cuDNN##-----------------------------------------+
sudo tar -zxvf ./cudnn-7.5-linux-x64-v5.0-ga.tgz (根據自己的CUDNN版本号更改)
sudo tar -zxvf ./cudnn-8.0-linux-x64-v5.1.tgz
sudo cp cudnn.h /usr/local/cuda/include
cd ..
cd lib64
sudo cp lib* /usr/local/cuda/lib64/ #複制動态連結庫
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有動态檔案(最好去檔案夾下把有關cudnn的所有都删除,貌似是4個檔案,如果是第一次裝就無所謂了)
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成軟銜接(根據解壓後的檔案夾内的具體版本号做相應調整,該版本以cudnn5.1為例)
sudo ln -s libcudnn.so.5 libcudnn.so #生成軟連結
sudo ldconfig /usr/local/cuda/lib64
如果需要更新新的cudnn版本隻需要先删除/usr/local/cuda/lib64/中所有相關cudnn的檔案即可,然後重新配置
十、安裝mxnet
1、sudo apt-get update
sudo apt-get install -y build-essential git libblas-dev libopencv-dev
2、git clone --recursive https://github.com/dmlc/mxnet
3、将mxnet/目錄裡找到mxnet/make/子目錄,把該目錄下的config.mk複制到mxnet/目錄,用文本編輯器打開,找到并修改以下三行:
USE_CUDA = 1
USE_CUDA_PATH = /usr/local/cuda
USE_CUDNN = 1
4、mxnet/目錄下編譯
make -j4
5、mxnet下cd python;
sudo python setup.py install(是個坑,sudo用了會鎖上很多,需要解鎖)
6、cd mxnet/example/image-classification
python train_mnist.py(會下載下傳資料集)
或者python
import mxnet
十一、可視化操作:
一般運作程式時會在終端顯示每一步的準确率或者loss,如果想把終端上顯示出的資料統計繪圖,第一步先生成txt,方法是在運作程式代碼後 | tee 23.txt
eg1:運作darknet時可視化 ./darknet detector train cfg/tiny-yolo.cfg tiny-yolo_8000.conv.9 2>1 | tee person_train_log.txt
eg2: python train.py | tee loss.txt
運作完會在運作目錄下生成相應txt檔案
把txt中的資料提取成數組并繪制相應圖像,用到了Python中的正則化,具體方法自行百度
十二、檢視軟連結 sudo ldconfig -v
解鎖該目錄下所有檔案 sudo chmod 777 *
合并txt cat train.txt val.txt > trainval.txt
十三、錄屏軟體
在ubuntu軟體安裝下搜尋“recordmydesktop”,最高幀速50
十四、切換python3和python2
sudo update-alternatives --install /usr/bin/python python /usr/local/lib/python2.7 100
sudo update-alternatives --install /usr/bin/python python /usr/local/lib/python3.4 150
sudo update-alternatives --config python
切換的時候cudnn會出現錯誤,需要重新更新cudnn軟連結
十五:打開tensorboard
tensorboard --logdir=/模型路徑
十六、caffe安裝
首先安裝各種依賴包。
sudo apt-get update
sudo apt-get install -y build-essential cmake git pkg-config
sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install -y libatlas-base-dev
sudo apt-get install -y--no-install-recommends libboost-all-dev
sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install -y python-pip
sudo apt-get install -y python-dev
sudo apt-get install -y python-numpy python-scipy
從github上clone caffe
git clone https://github.com/BVLC/caffe.git //從github上git caffe
cd caffe
sudo cp Makefile.config.example Makefile.config
sudo gedit Makefile.config
打開之後修改如下内容:
根據需要去掉以下語句前的#
USE_CUDNN := 1 OPENCV_VERSION := 3WITH_PYTHON_LAYER := 1
修改以下語句:
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
修改makefile檔案
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
将上面的第一句改為第二句。
打開/usr/local/cuda/include/host_config.h,将其中的第115行注釋掉。系統盤會沒有改寫權限,用下邊的方法
sudo gedit /usr/local/cuda/include/host_config.h
#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
改為
//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
編譯
make all -j8
make runtest
make pycaffe
最後一個make如果出現錯誤的話,把Makefile.config裡的路徑改一下
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/local/lib/python2.7/dist-packages/numpy/core/include
如果沒有報錯那麼就安裝成功了。
打開~/.bashrc
sudo gedit ~/.bashrc
寫入以下語句
export PYTHONPATH=~/caffe/python
關閉檔案,執行如下語句
source ~/.bashrc
在成功編譯caffe的源碼之後,可以在python環境中使用caffe。
在Ubuntu環境下,打開python解釋程式,輸入import caffe檢驗是否安裝正确
十七 theano
1、keras可以依托于tensorflow和theano
通過sudo gedit ~/.keras/keras.json更改keras的後端
{
"epsilon": 1e-07,
"floatx": "float32",
"image_data_format": "channels_first",
"backend": "theano"
}
2、theano使用gpu進行加速時,需要配置
通過 sudo gedit ~/.theanorc
[global]
floatX=float32
device=cuda0
root=/usr/local/cuda-8.0
[nvcc]
fastmath = True
flags=--machine=64
[lib]
cnmem=100