Ubuntu安装三大深度学习框架 TensorFlow PyTo

装好了Cuda,该拿它干活了. 如何安装,参见 Ubuntu16安装Cuda9
下面记录一下Ubuntu安装 tensorflow pytorch mxnet 的过程.

安装 Anaconda3

anaconda清华镜像
下载 Anaconda3-x.x.x-Linux-x86_64.sh 这样的安装文件
bash Anaconda3-x.x.x-Linux-x86_64.sh # 进行安装
注意,不要使用 sudo; 安装在个人目录下,比如 ~/bin/anaconda/anaconda3 这样的位置,这会为往后的安装操作带来方便,不需要每次装包都sudo,偶尔忘一次就装到个人目录下了.

配置 conda源,pip源

# 清华 Anaconda 主镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

# 清华 pytorch 镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

创建或修改 ~/.pip/pip.conf , 内容为

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

在base环境里安装DL框架

tensorflow

pip install tensorflow-gpu

验证安装

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
# 验证GPU安装
tf.test.is_gpu_available() # True

pytorch

conda install pytorch torchvision

注意,不要使用官方推荐的 -c pytorch, 这会到pytorch官方源去安装,慢的很.

验证安装

import torch
import torchvision
print(torch.cuda.is_available())

mxnet

pip install mxnet-cu90
sudo apt install graphviz
pip install graphviz

验证安装

import mxnet as mx
a = mx.nd.ones((2, 3), mx.gpu())
b = a * 2 + 1
b.asnumpy()