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
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-cache search nvidia
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:
sudo sh cuda_10.2.89_440.33.01_linux.run
sudo nano ~/.bashrc
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64:${LD_LIBRARY_PATH:${LD_LIBRARY_PATH}}
source ~/.bashrc
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*
nvcc -v
4、深度学习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
pyrcc5 -0 resources.py resources.qrc
python labelImg.py