深度学习环境配置

1、NVIDIA显卡驱动安装

• 在驱动安装之前，你的计算机搭载了一张GPU算力超过3.5的独立显卡，如果没有独立显卡，直接跳到步骤4
• GPU（Graphics Processing Unit，图像处理器）是显卡的核心组成部分，能够执行复杂的计算，所以成为进行深度学习的首选处理器。
• 深度学习的计算量非常大，以一张像素大小为200✖40的彩色图片为例，它的输入数据量为200✖40✖3=24000，其中3代表RGB通道数量。假如训练样本的数量为20000，那么计算量就是480000000（4.8亿）；
• GPU的计算能力称为算力，可以在NVIDIA官网查看NVIDIA GeForce系列部分产品的算力；
• 安装

# 将显卡驱动加入PPA源并且更新软件列表
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
# 查找NVIDIA显卡驱动的最新版本号
sudo apt-cache search nvidia
# 查看系统推荐的显卡驱动
ubuntu-drivers devices

• 打开系统中的软件和更新，选择版本号大于等于CUDA版本号对应的的显卡驱动，切换到”附加驱动“，修改对应驱动，重启计算机
• 重启计算机后，找到列表中的设置>详细信息>About>图形与计算机GPU信息一致，则安装成功

2、CUDA Toolkit的安装

• CUDA Toolkit 为创建高性能GPU加速应用程序提供了开发环境；
• 下载对应版本的CUDA Toolkit，然后输入命令：

# 运行安装文件
sudo sh cuda_10.2.89_440.33.01_linux.run
# 在环境变量配置CUDA，并添加配置内容
sudo nano ~/.bashrc
# 以下为文件需要添加的内容
export PATH=/usr/local/cuda/bin:$PATH  
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64:${LD_LIBRARY_PATH:${LD_LIBRARY_PATH}}
# 启用新的环境变量
source ~/.bashrc
# 输入命令查看显卡信息
nvidia-smi

3、cuDNN的安装

• cuDNN（深度神经网络）用于给深度神经网络的GPU加速，让深度学习研究人员和框架开发人员专注于训练和开发，而不是将时间花在GPU的性能调优上；
• 在下载cuDNN之前，需要在NVIDIA开发者平台进行注册，完成注册并登录后才能访问下载页面。
• 下载时必须根据CUDA Toolkit 版本下载cuDNN压缩包，选择cuDNN Library for linux即可
• 根据cuDNN安装说明进行安装

tar -xzvf cudnn-10.2-linux-x64-v7.6.5.32.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

• 验证安装：

nvcc -v

4、深度学习PyTorch库

• 点击安装PyTorch是使用GPU和CPU优化的深度学习张量库；
• linux安装PyTorch库

pip install torch==1.4.0+cpu torchvision==0.5.0+cpu -f https://download.pytorch.org/whl/torch_stable.html

• 使用Python代码验证PyTorch是否安装成功，输出结果是True或False仅代表GPU是否可用，如无报错，均说明PyTorch库已成功安装

import torch
torch.cuda.is_available()

5、深度学习框架Darknet

• Darknet是一个用C语言编写的开源神经网络框架，易于安装且运行速度非常快，同时支持CPU和GPU计算；
• linux安装如下；

git clone https://github.com/pjreddie/darknet.git

• 克隆完成后，进入Darknet项目目录darknet，并打开makefile文件，将第一行的GPU=0修改为GPU=1。这里更改GPU选项是为了让Darknet在训练时使用GPU进行加速计算。
  
• 接着使用make命令编译安装，如果没有报错，就代表顺利完成编译
  
• 验证安装：

./darknet

6、图片标注工具Labellmg

• Labellmg是一个用Python语言编写的图像标注工具，其图像和标注结果可以用于对目标检测模型进行训练，标注结果会以PASCAL VOC格式保存为XML文件
• linux下安装：

sudo apt-get install pyqt5-dev-tools
git clone https://github.com/tzutalin/labelImg.git
cd labelImg
pip install -r requirements/requirements-linux-python3.txt
make qt5y3

• 验证安装，如果终端输出如下内容，则安装成功：

pyrcc5 -0 resources.py resources.qrc

• 编译成功后，使用LabelImg

python labelImg.py