【机器学习】深度学习开发环境搭建

工欲善其事，必先利其器。首先我们需要花费一些时间来搭建开发环境。

1.安装python。python是人工智能开发首选语言。

2.安装virtualenv。virtualenv可以为一个python应用创建一套隔离的运行环境，避免不同版本的python或第三方库互相影响。类似的虚拟环境还有anaconda，anaconda自带常用库，因此安装包有几百兆，与anaconda相比，virtualenv更轻量化，只有十几兆的大小，可定制化高，推荐virtualenv。使用virtualenv这种虚拟环境的好处是安全，如果某个版本库装坏了，直接删除这个虚拟环境的文件夹即可，不必重装系统的python。

3.安装常用的第三方库。常用的有numpy（科学计算）、scipy（科学计算）、matplotlib（作图）、sciket-learn（机器学习）、keras（tensorflow的高层封装）、tensorflow（深度学习）。使用pip速度慢的问题点这里查看解决方法。

4.安装CUDA和cuDNN（GPU版tensorflow）

Mac OS基于Unix，相比Windows做开发更方便，但是最大的缺点就是非常封闭，各种沙盒安全机制，可能正是由于这个原因，Google在后期的Tensorflow GPU版本中放弃了对Mac的支持。本文介绍Mac OS和Windows两种系统中的环境搭建。Mac OS中，使用仅cpu版本的tensorflow（当然也可以安装旧版本的支持gpu的版本，前提是你的显卡是Nvidia的卡）；Windows中，使用支持gpu版本的tensorflow。笔者目前是使用双系统，跑普通机器学习算法和不是很深的神经网络时使用Mac OS，跑深一些的神经网络使用Windows，毕竟gpu比cpu快的多。（英伟达官方说计算能力3.0或更高的NVIDIA显卡才支持gpu版tensorflow，所以安装之前到这里查询一下你的显卡的算力，如果小于3，还是老老实实安装cpu版的吧。）

Mac OS

1.安装python

Mac OS自带python2.7，我们需要自己安装python3。目前tensorflow在Mac中支持的python版本为2.7、3.4、3.5、3.6。我们使用3.6版本。下载地址：点这里。安装也很简单，一直next就好了。打开终端输入

python3

出现下面提示说明已经安装成功：

Python 3.6.7 (v3.6.7:6ec5cf24b7, Oct 20 2018, 03:02:14)

[GCC 4.2.1 Compatible Apple LLVM 6.0 (clang-600.0.57)] on darwin

Type "help", "copyright", "credits" or "license" for more information.

2.安装virtualenv

在终端输入：

sudo pip install --upgrade virtualenv

安装完成，建立一个全新的 virtualenv 环境，例如我们想建立一个叫AI的开发环境，路径为~，那么我们输入：

virtualenv --no-site-packages ~/AI

–no-site-packages是不复制系统python中的库，安装的就是一个不带任何第三方库的很干净的环境。如果想拷贝系统python中的库，需要使用--system-site-packages。

如果系统中有多个python，比如同时有python2和python3，想创建一个python2.7的环境，可以输入：

virtualenv -p /usr/bin/python2 --no-site-packages ~/

进入这个环境：

source ~/AI/bin/activate

此时终端前缀变成

(AI) ~ $:

这时候就可以在这个环境安装第三方库了，系统Python环境不受任何影响。安装时直接用pip，不需要使用sudo。例如安装numpy：

(AI) ~ $: pip install numpy

退出环境：

(AI) ~ $: deactivate

就回到正常环境了，终端变回：

~ $:

3.安装常用的第三方库

进入虚拟环境：

source ~/AI/bin/activate

安装numpy：

(AI) ~ $: pip install numpy

安装scipy：

(AI) ~ $: pip install scipy

安装matplotlib：

(AI) ~ $: pip install matplotlib

安装sciket-learn：

(AI) ~ $: pip install sklearn

安装keras：

(AI) ~ $: pip install keras

安装tensorflow：

(AI) ~ $: pip install https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.12.0-py3-none-any.whl

其它版本点这里

4.测试运行

import tensorflow as tf

import numpy as np

hello=tf.constant('hhh')

sess=tf.Session()

print (sess.run(hello))

如果没有报错说明安装成功了。

Windows

1.安装python

Windows不自带python，目前tensorflow在Win中支持的python版本为3.5、3.6。我们使用3.6版本。直接下载python3.6安装就好了。下载地址：点这里。安装也很简单，一直next就好了。

添加python的环境变量：

“我的电脑”-“属性”-“高级系统设置”-“环境变量”，在“系统变量”中选中“Path”,点“编辑”，加上python的路径，例如“C:Python36”。这样就可以在命令提示符中使用python了。打开命令提示符输入

python

出现下面提示说明已经安装成功：

Python 3.6.7 (v3.6.7:6ec5cf24b7, Oct 20 2018, 03:02:14)

[GCC 4.2.1 Compatible Apple LLVM 6.0 (clang-600.0.57)] on darwin

Type "help", "copyright", "credits" or "license" for more information.

2.安装virtualenv

添加pip的环境变量：

环境变量“Path”中加上pythonScript的路径，例如“C:Python36Script”。这样就可以在命令提示符中使用pip了。

在命令提示符输入：

pip install --upgrade virtualenv

安装完成，建立一个全新的 virtualenv 环境，例如我们想建立一个叫AI的开发环境，路径为C:Usersxxx，那么我们输入：

virtualenv --no-site-packages C:UsersxxxAI

安装完成。使用和上文Mac中类似，不再赘述。

3.安装常用的第三方库

和上文Mac中类似，不再赘述。只需注意tensorflow选择win版支持gpu的版本。

pip install https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl

4.安装CUDA和cuDNN

因为在Windows中我们安装的是支持gpu的tensorflow，因此比Mac中多两个安装步骤。CUDA是由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。cuDNN是NVIDIA专门针对深度神经网络（Deep Neural Networks）中的基础操作而设计基于GPU的加速库。下面我们来安装它们。

首先确保电脑安装好了Nvidia显卡驱动，打开控制面板---NVIDIA控制面板---帮助---系统信息---组件，如果支持CUDA会有NVCUDA.DLL 以及支持的CUDA版本。

根据查询到的支持的CUDA版本到这里查询匹配的tensorflow和cuDNN版本。

注意一定要版本匹配！

注意一定要版本匹配！

注意一定要版本匹配！

根据查询好的版本下载正确的CUDA（下载地址：点这里）和cuDNN（下载地址：点这里）。

CUDA下载好是exe文件，直接双击安装。安装好路径像下面这样"C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0"。

cuDNN下载好是一个压缩包，里面有3个文件夹。一个include，一个lib64，还有一个bin。把它们复制到上面CUDA的安装文件夹（"C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0"）中。

配置环境变量，在环境变量“Path”中加上这三个路径：

a."C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0libx64

b."C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0bin

c."C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0

安装完成。

5.测试运行

import tensorflow as tf

import numpy as np

hello=tf.constant('hhh')

sess=tf.Session()

print (sess.run(hello))

如果没有报错说明安装成功了，如果报错请仔细检查版本，python版本+tensorflow版本+CUDA版本+cuDNN版本。

最后预祝大家安装顺利！

最后

以上就是洁净西装为你收集整理的【机器学习】深度学习开发环境搭建的全部内容，希望文章能够帮你解决【机器学习】深度学习开发环境搭建所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。