深度煉丹最麻煩的就是環境配置了,下面過程記錄了本人進行深度煉丹環境的配置。
首先是安裝圖形顯示卡驅動,按如下指令進行即可
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get upgrade
sudo apt-get install nvidia-396
這樣便可以安裝完圖形顯示卡驅動。
sudo apt install nvidia-cuda-toolkit
檢視cuda 的版本號,輸入如下指令即可:
nvcc -v
編譯cuda samples。找到你安裝cuda的過程中,選擇的samples儲存位置,進入後執行make命令,然後可以在samples裡面找到bin/x86_64/linux/release/目錄,並切換到該目錄 執行devicequery程式,sudo ./devicequery pass即通過。
最後一步最煩人,目前親自試過的比較正確的方式是如下
tar -zxvf cudnn-9.0-linux-x64-v7.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
深度學習 ubuntu環境配置
這兩天花了點時間在配置新電腦 os ubuntu 的環境上面,其實就是很簡單的配置了可以簡單跑cnn的環境。其實這些自己之前都幹過,但是現在做起來還是有點笨手笨腳的,感覺忘得差不多了,所以想以後如果學了點新東西還是記錄一下,省得以後忘了的話可以回來看看,少走很多歪路。也不想記得很詳細,大概總的思路記...
深度煉丹術
神經網路模型的設計和訓練十分複雜,initialization,activation,normalization,優化器,學習率 等等無不是四兩撥千斤,這篇文章主要是總結一些煉丹技巧,討論下關於如何初始化 選擇啟用函式 正則化的方式和優化器的選擇等。乙個框架看懂優化演算法之異同 sgd adagra...
深度學習煉丹手冊
對於畫素級別的影象預處理,如 將3通道的rgb彩色標籤圖對映為標籤連續的單通道8bit掩碼圖,在同樣呼叫opencv並且採用相同演算法時,c 的處理速度可能是python opencv python 的近百倍。目前不清楚具體原因,但是根據觀察,實際python執行時只呼叫了單個cpu,而c 版本則將...