Ubuntu基本深度学习环境配置

Ubuntu基本深度学习环境配置

Step 1: 配置DNS地址

配置DNS：

（1）vim /etc/resolv.conf
（2）键盘在全英输入模型下，输入i
（3）加入以下的行
	nameserver 202.192.18.1
（4）按esc，在命令行最下面会显示":"，输入wq（意思为保存并退出）

Step 2: 下载并安装Anaconda

（1）下载Anaconda，并进行相关的基础环境配置
	1）wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2021.11-Linux-x86_64.sh
（2）安装Anaconda，并按照安装提示进行相关的操作
	1）bash Anaconda3-2021.11-Linux-x86_64.sh
（3）配置pip安装的清华源（提高下载的速度）
	备注：pip版本>=10.0.0，当前的环境基本都满足，若不满足就升级pip，命令为python -m pip install --upgrade pip
	1 ）pip install pip -U
	2 ）pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

Step 3: 配置个人Anaconda虚拟环境

备注：配置以下的虚拟环境，目的在于避免出现不同python library的兼容性问题。需要退出当前终端，重新连接才去执行以下的环境。

（1）python3.8 + pytorch 1.8 
	备注：切换到base虚拟环境下，conda activate base
	1）创建python3.8的虚拟环境
		conda create -n py38torch18 python=3.8
	2）激活python3.8的虚拟环境
		conda activate py38torch18
	3）依据当前CUDA 11.2的显卡驱动安装对应的torch环境
		pip install torch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0
	4）将python3.8的环境加载到jupyter Kernel中
		pip install --user ipykernel
		python -m ipykernel install --user --name=py38torch18

（2）Python3.6 + py36torch18 
	备注：切换到base虚拟环境下，conda activate base
	1）创建python3.6的虚拟环境
		conda create -n py36torch18 python=3.6
	2）激活python3.6的虚拟环境
		conda activate py36torch18
	3）依据当前CUDA 11.2的显卡驱动安装对应的torch环境
		pip install torch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0
	4）将python3.6的环境加载到jupyter Kernel中
		pip install --user ipykernel
		python -m ipykernel install --user --name=py36torch18

（3）Python 3.8 + tensorflow2.5.0
	备注1：切换到base虚拟环境下，conda activate base
	备注2：python3.8能安装的tensorflow版本为2.6.0/2.5.0/2.4.0/2.3.0/2.2.0，本环境所安装的为2.5.0
	1）创建python3.8的虚拟环境
		conda create -n py38tf25 python=3.8
	2）激活python3.8的虚拟环境
		conda activate py38tf25
	3）依据当前CUDA 11.2的显卡驱动安装对应的torch环境
		pip install tensorflow==2.5.0
	4）将python3.8的环境加载到jupyter Kernel中
		pip install --user ipykernel
		python -m ipykernel install --user --name=py38tf25

Step 4:（按需操作）安装基础Python library

备注：进入对应的anconda虚拟环境下，通过pip或conda进行安装

1) 单个安装方式
pip install scikit-learn
pip install matplotlib
pip install opencv-python
pip install keras==2.0.8 (备注：该library经常会出现版本不兼容的问题)

2）批量安装方式
pip install scikit-learn matplotlib opencv-python keras==2.0.8 

Step 5:小技巧

（1）定时刷新查看显卡运行情况
	watch -n 2 -d nvidia-smi
（2）插件推荐及安装
	1）jupyterlab-toc帮助我们在notebook界面利用markdown来创建目录，辅助我们更好地整合梳理数据分析工作流
		jupyter labextension install @jupyterlab/toc
	2）jupyter-matplotlib帮助我们在notebook界面配合matplotlib实现交互式的作图
		pip install ipympl
		jupyter labextension install @jupyter-widgets/jupyterlab-manager jupyter-matplotlib
	3）debugger
		conda install xeus-python=0.8.0 -c conda-forge
		jupyter labextension install @jupyterlab/debugger
	4）jupyterlab-spreadsheet帮助我们在jupyter lab中查看表格类文件
		jupyter labextension install jupyterlab-spreadsheet
	5）jupyterlab-system-monitor通过在jupyter lab界面中添加资源监视器部件，能帮助我们在工作过程中方便的看到CPU、内存的实时占用情况
		pip install nbresuse
		jupyter labextension install jupyterlab-topbar-extension jupyterlab-system-monitor