2 2 深度學習環境配置分部詳解

os: linux: ubuntu 14.04

安裝：pip (python 2.7.9或以上自帶pip）： sudo apt-get install pyton-pip

嘗試安裝scikit-neuralnetwork: 需要 numpy scipy theano

sudo pip install scikit-neuralnetwork

錯誤：systemerror: cannot compile 「python.h」. perhaps you need to install python-dev|python-devel

解決方法：

sudo apt-get update

sudo apt-get upgrade gcc

sudo apt-get install python2.7-dev

安裝numpy, scipy, theano：

pip install numpy scipy theano

sudo pip install numpy scipy theano (1:03:32)

錯誤：numpy.distutils.system_info.notfounderror: no lapack/blas resources found

解決方法：sudo apt-get install libblas-dev liblapack-dev libatlas-base-dev gfortran

sudo pip install scipy

sudo pip install theano

安裝pylearn2

sudo pip install -e git+

需要git

sudo apt-get install git

安裝scikit-neuralnetwork

git clone

cd scikit-neuralnetwork; python setup.py develop

sudo pip install nose

nosetests -v sknn.tests

錯誤：the following package could not be built: freetype, png

解決方法：sudo apt-get install libpng-dev

sudo apt-get install libjpeg8-dev

sudo apt-get install libfreetype6-dev

視覺化顯示：

python examples/plot_mlp.py –params activation

在mnist上測試

python examples/bench_mnist.py (sknn|lasagne)

深度學習環境配置

ubuntu 16.04 cuda 8.0 cudnn 6.0 matlab r2017a tensorflow 1.4 anaconda3 本文用於記錄深度學習的各種環境配置，中間踩了不少的坑，各版本需要一一對應，故寫下本文以備不妨之需。cuda 8 最好對應 cudnn 6，tensorflow...

深度學習環境配置

參考 tensorrt7.0的安裝配置 匯入路徑export ld library path ld library path home tensorrt 7.0.x lib 更新 source bashrc 可以選擇在anaconda下新建tensorrt虛擬環境，本次選擇新建python3.5的t...

深度學習主機環境配置

1.安裝ubuntu16.04 2.更新軟體 1 輸入命令sudo apt update 2 輸入命令sudo apt upgrade 3.安裝1080ti顯示卡驅動 1 系統設定 軟體更新 附加驅動 選擇nvidia384 2 輸入命令 nvidia smi 可以看到具體的驅動資訊，如圖所示 4....