|
|
《动手学深度学习》，一起动手，学习深度学习。
目录
第一章 介绍
第二章 基础
1.1 动手学深度学习(Hands-on Deep Learning)
很多同学们都看过李沐老师等人的《动手学深度学习》[1]，从中学习了深度学习的常识。
在这里为什么还要写动手学深度学习的教程？李沐老师的《动手学深度学习》英文名为《Dive into Deep Learning》，含义是钻研深度学习，可能对部门没有太多计算机基础的同学，学习起来还是很吃力。
我们再进一步简化，《Hands-on Deep Learning》，动手写代码，学习深度学习。取名《动手学深度学习》(《Hands-on Deep Learning》)，是致敬《动手学深度学习》(《Dive into Deep Learning》)，也是但愿大师真正动手起来，边写代码，边学习深度学习。
1.2 筹备环境
在这里，我们只提供基于Tensorflow的实例。致以为什么是Tensorflow？没有太多的意思，作者认为Tensorflow也好，Pytorch也好，还是Jax也好，他们只是一个实现框架，熟悉了一种，其他也应该没太多问题。
以下示例，在Ubuntu Desktop上运行。
1.1.1 安装CUDA
如果您的电脑或者处事器没有安装CUDA，从网址英伟达的网站(https://developer.nvidia.com/CUDA-toolkit-archive)下载显卡所匹配的CUDA Toolkit（以CUDA Toolkit 11.2.1为例），选择您的操作系统匹配的版本(以Ubuntu 20.04为例)，
# Ubuntu
wget https://developer.download.nvidia.com/compute/cuda/11.2.1/local_installers/cuda_11.2.1_460.32.03_linux.run
sudo sh cuda_11.2.1_460.32.03_linux.run
# Windows
https://developer.download.nvidia.com/compute/cuda/11.2.1/local_installers/cuda_11.2.1_461.09_win10.exe
点击下载后的cuda_11.2.1_461.09_win10.exe，按照指示安装。1.1.2 安装cudnn
如果您的电脑或者处事器没有安装cudnn，从网址英伟达的网站(https://developer.nvidia.com/rdp/cudnn-archive)下载对应的cudnn，下载cudnn需要账号，按要求注册后可以下载，例如下载了libcudnn8_8.1.0.77-1+cuda11.2_amd64.deb。
# Ubuntu
sudo dpkg -i libcudnn8_8.1.0.77-1+cuda11.2_amd64.deb
# Windows
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.1.0.77/11.2_20210127/cudnn-11.2-windows-x64-v8.1.0.77.zip
# 解压后，拷贝到CUDA安装的位置上。1.1.3 安装anaconda
Anaconda是一个用于科学计算的Python发行版，撑持Linux, Mac, Windows, 包含了众多风行的科学计算、数据分析的Python包。
Anaconda下载，建议在清华大学的镜像网站下载(https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/)，
# Ubuntu
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.1-Linux-x86.sh
sudo sh Anaconda3-5.3.1-Linux-x86.sh
# Windows
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.1-Windows-x86.exe
#下载后点击安装1.1.4 创建环境
conda create -n deep_learning python=3.81.1.5 安装Tensorflow
# Ubuntu
source activate deep_learning
# Windows
activate deep_learning
# 更新pip
python -m pip install --upgrade pip
# 安装Tensorflow
conda install tensorflow=2.4
# 如果有GPU，安装Tensorflow GPU版本
pip install tensorflow-gpu==2.4.1 -i https://pypi.tuna.tsinghua.edu.cn/simple增加 -i https://pypi.tuna.tsinghua.edu.cn/simple 主要是加快下载速度。
1.1.6 安装PyCharm
我们选择PyCharm作为开发东西，便利开发和调试。下载的网址是(https://www.jetbrains.com/pycharm/download/#section=linux), 选择Community版本。
1.1.7 测试第一份代码
安装Tensorflow后，就可以进行简单的测试，看看环境是否配好。在PyCharm新建一个项目，项目名称为”Hands_on_Deep_Learning”。在菜单File->Settings->Project->Python Interpreter增加一个新的Interpreter指向刚才安装的conda环境地址的目录，新建一个文件1.1_Introduction.py。
import tensorflow as tf
print(”Tensorflow: ”, tf.__version__)
执行run '1.1_Introduction.py'
Tensorflow: 2.4.1测试成功！
参考文献
## 联系我们 ##
如果您有任何定见和建议，请随时联系我们。
公众号： AI-for-Sci |
|
发表于 2023-6-21 14:03:08
变色卡