deepin深度学习环境配置
deepin是一个精致优美的系统。最近因为工作需要在deepin上配置深度学习环境，话不多说，接下来记录下整个的配置过程。
×××本篇文章适合对深度学习环境配置有一定了解且对deepin系统感兴趣的同伴阅读。×××
1.安装显卡驱动。deepin自带的【显卡驱动管理器】即可图形化的完成NVIDIA的闭源显卡驱动。
2.安装anaconda。现今较为主流的深度学习框架（如tensorflow,pytorch,caffe等）均提供了python接口，使用anaconda可以较为便捷快速的配置深度学习所需的python环境。安装anaconda的教程很多，这里不在赘述。参考教程：https://www.jianshu.com/p/f7c341085746 建议安装anaconda。
3.创建虚拟环境: conda create -n test PYTHON=3.6，进入虚拟环境: conda activate test，安装自己需要的深度学习框架（conda install xxx）。使用anaconda不作为本篇重点，参考教程：https://www.cnblogs.com/szj666/p/11014929.html。使用anaconda安装深度学习框架的同时一般会自动安装上cuda和cudnn,这里需要注意cuda和前面安装的显卡驱动版本要匹配，否则无法正常使用GPU进行计算。显卡驱动和cuda版本对应要求具体关系如下：
4.按照上述配置后，正常情况下就已经完成了深度学习环境的配置，可以使用GPU进行计算了。但有时会出现如下问题：如torch.cuda.is_available()返回false，或显示Found no NVIDIA driver on your system. 在确认上述安装无误的情况下，可以尝试输入指令sudo apt-get install nvidia-cuda-toolkit(即安装nvcc)即可。
最新文章
- JavaScript中的类型转换
- 三列等高 css实现
- C#Abstract抽象类的语法
- MVVM 模式下iOS项目目录结构详细说明
- iOS 开发 NSLog调试小技巧
- vim下缩进及高亮设置
- windows下安装apache笔记
- Qt中用QSS切分图片
- 对面向对象程序设计（OOP）的认识
- R与数据分析旧笔记（一）基本数学函数的使用
- Java基础12 类型转换与多态
- leetcode第33题--Search for a Range
- JSON数据传递
- 深度学习框架： Keras官方中文版文档正式发布
- ZOJ-1203 Swordfish---最小生成树
- MT【305】丹德林双球
- 实战--使用lvs实现四层负载均衡，转发到后端nginx
- SpringBoot 使用validation数据校验
- Cracking The Coding Interview 1.8
- Java中多线程访问冲突的解决方式