搭建一个基于python的深度学习环境

最近就要学习深度学习了,怎么能没有一个合适的开发环境呢?

那么,开始吧

系统方面我选择了Ubuntu GNOME 16.04版本,因为在Ubuntu中进行配置相对于红帽系要方便一些。毕竟谁也不想正在愉快的敲代码时,突然蹦出一堆兼容性问题吧。况且,Ubuntu还可以用网易云音乐_..当然,在红帽系的系统中的配置过此应该也比较相似。

安装系统很简单,在图形界面下一路顺风,装好之后就进入酷炫的Gnome界面了


Ubuntu

安装python科学计算环境(Anaconda)

我个人选择软件就一个标准:省心~ 而帮用户解决了不少依赖问题的Anaconda自然是我的菜。我选用的是2.7版本,3.5版本的当然也是可用的。进入https://www.continuum.io/downloads 下载最新版本的Anaconda即可。
下载好Anaconda2-4.1.1-Linux-x86_64.sh之后(由于时间问题,文件名可能会有变化),Ctrl+Alt+T打开命令行,并输入

sudo bash Anaconda2-4.1.1-Linux-x86_64.sh

然后输入密码、一路回车,安装就完成了。不过这时的IDE,也就是spyder只能通过命令行启动,而不在软件列表中。不妨再将这个模块安装一遍:

sudo apt-get install spyder
Spyder

安装深度学习框架Theano + Keras

这两个包的安装过程没有什么特别的,直接用pip安装就好了:

sudo pip install theano
sudo pip install keras

安装结束后不妨进入python,试一试这两个包能否成功import进来。

安装深度学习框架TensorFlow

说到深度学习,怎么能不谈现在红得发紫的TensorFlow呢?
Anaconda下安装TensorFlow也相对简单,按照官方文档一路前进即可:

conda create -n tensorflow python=2.7
source activate tensorflow
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.10.0rc0-cp27-none-linux_x86_64.whl
pip install --ignore-installed --upgrade $TF_BINARY_URL
source deactivate

以上步骤安装的所仅使用CPU的TensorFlow,如果要安装GPU加速版本的,则需要提前安装好Cuda Toolkit 7.5 和 cuDNN v4.

陈政/arc001 原创作品转载请注明出处

你可能感兴趣的:(搭建一个基于python的深度学习环境)