手把手教你搭建自己的深度學習機器

2021-02-14 大數據文摘

深度學習是一門用來解決複雜問題的技術，例如自然語言處理和圖像處理。目前，我們已經可以很快的處理超大計算量的問題——這多虧了GPU，GPU最初就是用於快速生成高解析度計算機圖像，由於它的計算效率使得其非常適合用於深度學習算法。原先需要用好幾周才能分析出來的結果，現在幾天時間就能完成。

雖然現在的計算機都有GPU，但是並不是所有的GPU都適合用來進行深度學習。對於那些不能深度學習功能的GPU，本文將會一步一步的教大家如何構建一個自己的深度學習機器。


深度學習系統本質上是在另一臺電腦上安裝一個具有深度學習的GPU。GPU是普通計算機和深度學習機器的主要區別。

首先，檢測下你的GPU型號是否有在這個網站中列出（網站連結：https://developer.nvidia.com/cuda-gpus    ）。如果有，就意味著你的GPU可以用來深度學習，那你就可以進行下一步的安裝軟體了。如果你的計算機的GPU不能不支持深度學習，那麼繼續閱讀下文，你就會知道如何用小於$1.5k的花費來裝備你的機器.


購買硬體

這個部分，我們來列出構建深度學習機器需要用到的主要設備。如果你對電腦硬體知識不了解或者你覺得這樣太費時間。你可以去實體店裡購買這些，或者讓店裡的人給你配。以下列出來的價格是2016年3月，在美國的價格。總共花費$1285，這也是我們參加比賽得到的資助。


主板

主板是結合其他組件，使他們之間的溝通協調。這是一個印刷電路板。


中央處理器（CPU）

執行計算能力，就像人的大腦，安裝在主板上。

$410 (bundle) – Asus B150i Pro Gaming ITX (Motherboard) + Intel i5 6600k (CPU)


隨機存取存儲器（RAM）

快速檢索信息，安裝在另一個主板上

$115 – 16GB (2x8GB), Corair Vengeance DDR4 DRAM 2400MHz

 

圖像處理器(GPU)

為深度學習提供一個密集的計算能力。我們選擇的GPU是GTX970，我們買了個小型的，這樣方便攜帶。另外一個老一點的GPU，GTX770，可以構建一個深度學習模型在33分鐘內完成20次迭代。這樣的話，我們的機器比預期的更快了些。

$415 – 4GB, Gigabyte GTX970 ITX GDDR5


電源供應設備（PSU）

電源，不解釋

$75 – 550W, Cooler Master G550M


硬碟（HDD）

提供永久，大容量存儲

$160 – 4TB, Western Digital Blue 5400 RPM

 


CPU 冷卻器

就是CPU風扇啦

$35 – Cooler Master GeminII M4  

Case

帶USB接口的其他的一些配件

$50 – Cooler Master Elite 110

Assembly

$25 – 店內服務安全,連接組件。

組裝完後，連接上顯示器，滑鼠和鍵盤就能用了。

軟體安裝

第一步：安裝ubuntu

Ubuntu是一個開源系統，我們的深度學習機器就是運行在上面的。比較簡單的安裝方法是用另一臺電腦下載好系統，放在U盤中。然後在深度學習機器中插入該U盤進行系統的安裝。

具體的安裝過程就不講了，大家可以上網查下。

第二步：安裝深度學習相關軟體

 

Nvidia 是一家生產GPU的公司，他們一家有一套用於深度學習的框架Digits。在安裝Digits之前，我們需要先安裝一些依賴的軟體。

首先我們需要安裝驅動，該驅動深度學習軟體訪問GPU資源。在按Ctrl+Alt+T調出終端。 


在Ubuntu 14.04中，Nvidia驅動是官方庫中自帶的。雖然在官方庫中的版本可能較NVIDIA網站上的老些，但是他們通常都更穩定些，而且是由社區進行測試的。我們建議直接使用Ubuntu庫自帶的就好。

搜索最新版本nvidia進行安裝：

apt-cache search nvidia

得到的結果可能是像」nvidia-xxx」這樣的，其中的xxx就是響應的版本號，選擇一個最新的就行，例如，我們選的是 nvidia-352 。 

然後，運行一下命令安裝：

sudo apt-get install nvidia-352 nvidia-352-uvm 

sudo apt-get install nvidia-modprobe nvidia-settings

其中，額外安裝的包nvidia-modprobe和nvidia-settings會讓以後的升級安裝更容易些。

第三步：安裝CUDA和Digits

CUDA是一個可以讓GPU執行任務的平臺，可以提高它的運行效率。Digits是深度學習的界面展示。你可以用這個界面上傳數據，建立模型並且預測趨勢。運行一下命令安裝：

CUDA_REPO_PKG=cuda-repo-ubuntu1404_7.5-18_amd64.deb &&

 

    wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/$CUDA_REPO_PKG &&

    sudo dpkg -i $CUDA_REPO_PKG

 

ML_REPO_PKG=nvidia-machine-learning-repo_4.0-2_amd64.deb && wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1404/x86_64/$ML_REPO_PKG && sudo dpkg -i $ML_REPO_PKG

apt-get update

apt-get install digits

當安裝成功，打開您的瀏覽器並訪問http://localhost。您應該看到如下所示的一個網頁:


如果遇到錯誤，請參考故障排除部分官方安裝指南：https://github.com/NVIDIA/DIGITS/blob/master/docs/UbuntuInstall.md

運行分析

Nvidia的Digits是一個友好的平臺，允許你使用深度學習技術訓練預測模型。下面的視頻提供了一個從上傳數據到做出預測的綜合演示的整個過程：大傢伙兒自己翻牆看，嘿嘿嘿https://youtu.be/dgxe15vCR7s

結論

就是這樣。你就建立起了一個深度學習機器。如果你是剛開始學習深度學習技術，你也可以現在雲平臺上先學習，用google的機器學習平臺https://cloud.google.com/products/machine-learning/，真不好意思，又要翻牆。不過，如果你有自己的GPU來運行分析，就可以更快速更靈活的調整你的運行參數。

來源：Freebuf（www.freebuf.com）

原文：annalyzin.wordpress

FB小編東二門陳冠希編譯

相關焦點

  • 教你搭建你自己的「深度學習」機器
    對於那些不能深度學習功能的GPU，本文將會一步一步的教大家如何構建一個自己的深度學習機器。深度學習系統本質上是在另一臺電腦上安裝一個具有深度學習的GPU。GPU是普通計算機和深度學習機器的主要區別。如果你的計算機的GPU不能    不支持深度學習，那麼繼續閱讀下文，你就會知道如何用小於$1.5k的花費來裝備你的機器 購買硬體這個部分，我們來列出構建深度學習機器需要用到的主要設備。如果你對電腦硬體知識不了解或者你覺得這樣太費時間。你可以去實體店裡購買這些，或者讓店裡的人給你配。以下列出來的價格是2016年3月，在美國的價格。
  • 如何搭建你自己的「深度學習」機器?
    對於那些不能深度學習功能的GPU，本文將會一步一步的教大家如何構建一個自己的深度學習機器。深度學習系統本質上是在另一臺電腦上安裝一個具有深度學習的GPU。GPU是普通計算機和深度學習機器的主要區別。首先，檢測下你的GPU型號是否有在這個網站中列出，繼續閱讀下文，你就會知道如何用小於$1.5k的花費來裝備你的機器。
  • 手把手教你——深度學習環境搭建
    但是，只要你打破思維上的自我設限，去學習，去實踐，還是能夠學到一些東西，並且跑一些demo和應用出來的。你要是懶得去扒資料、扒網站，也可以報一家靠譜的培訓機構系統（比如我們雷課），來進行系統的學習。好了，廣告打完了，接下來是大家最喜歡的乾貨環節1. 學習的提前準備（1）部分數學內容的複習，高中數學、概率、線性代數等部分內容。
  • 自建GPU伺服器:搭建自己的深度學習PC
    搭建自己的GPU伺服器並不困難，這樣做還可以輕鬆地降低在雲中訓練深度學習模型的成本。 很多深度學習的實踐者們渴望在有生之年搭建自己的深度學習機器，擺脫雲的魔掌，這樣的時代就到來了。雲計算是開展深度學習的理想選擇，它往往是訓練大規模深度學習模型的最佳答案。
  • 想學深度學習?電腦跑不動還玩卵,從硬體到軟體手把手教你搭建配置!
    於是後臺有胖友反映 電腦帶不動……好吧  那今天就來手把手教教大家如何搭建能跑得動深度學習的裝備我們都知道深度學習是一種用於解決複雜問題的技術，如自然語言處理和圖像識別等。而能快速解決這些問題的一個核心組件即圖形處理單元（GPU）,然而並不是所有GPU都可以用於深度學習相關的編程。
  • 必須收藏 | 手把手教你幾分鐘內搭建自己強大的深度學習環境
    深度學習的缺點是什麼？從頭建立你自己的深度學習環境可能是一項非常艱巨的任務，特別是你迫切需要開始寫代碼實現你的深度學習模型時。 這應該使你能夠在Google Colab上嘗試運行你自己的深度學習模型。當準備好了你自己的雲端配置，有時候你就想要建立你自己個性化的雲端或者預置深度學習環境。在這個章節，我們會介紹如何在雲端利用廣為使用的雲平臺建立一個強大的深度學習環境。
  • 入門深度學習不會搭建環境?手把手教你在Amazon EC2上安裝Keras
    我們的個人電腦一般很難勝任這樣大的網絡，但是你可以相對輕鬆地在Amazon EC2服務中租到一臺強勁的電腦，並按小時支付租金。我用的是Keras，一個神經網絡的開源python庫。由於用法十分簡單，它很適合入門深度學習。它基於Tensorflow，一個數值計算的開源庫，但是也可以使用Theano。
  • 深度學習 Python 入門與實戰
    課程簡介：如今，深度學習發展迅速，其影響力也越來越大，在機器視覺、語音識別、機器翻譯等領域都取得了前所未有的發展
  • Python機器學習(微課視頻版)——手把手教你掌握150個精彩案例|文末贈書
    （4）微課視頻（共420分鐘）為了提高學習效果，本書為所有案例提供了完整的視頻講解，讀者可跟隨視頻中演示的步驟進行學習。《Python機器學習（微課視頻版）——手把手教你掌握150個精彩案例》由淺入深、圖文並茂地介紹了Python機器學習方面的相關內容，並通過150多個實際案例，手把手地教會讀者掌握用Python語言進行機器學習相關項目開發的方法與技巧。
  • 手把手教你學Python之手寫數字識別
    多層感知機的層數、隱藏層的大小、激活函數都是超參數，可以自己設定。簡單的多層感知機示意圖如下，包含輸入層、隱藏層（可以有多個隱藏層）、輸出層。輸入層和隱藏層之間、隱藏層與輸出層之間都是全連接，每個連接都有相應的權重。
  • 手把手教你從零搭建深度學習項目(附連結)
    本文由六大部分組成，涵蓋深度學習 ( DL ) 項目的整個過程。我們將使用一個自動漫畫著色項目來說明深度學習的設計、程序調試和參數調整過程。本文主題為"如何啟動一個深度學習項目？"TensorFlow 的 API 很冗長，Debug 也不一樣，它大概有十幾種建立深度網絡的 API 模型。截止到 2018 年 2 月，TensorFlow 依然獨佔鰲頭。開發者社區依然是是最大的。這是非常重要的因素。如果你想要用多個機器訓練模型，或者把推理引擎部署到移動手機上，TensorFlow 是唯一的選擇。
  • 機器喵大作戰 | 解剖人工智慧、機器學習和深度學習
    而機器學習，又細分了很多種學習「方法」：有監督學習、無監督學習、強化學習、深度學習等等。先來簡單扒一扒各種學習方法——▌有監督學習深度學習採用了「深度神經網絡」，這個「深度」其實是指神經網絡的層數。與同類書籍相比，本書以「模型描述+基礎數學理論+Python語言實現模型+實際商業案例」的方式闡釋人工智慧技術，可以幫助你深刻體會機器學習，尤其是強化學習和深度神經網絡為什麼如此重要，以及如何將相關技術應用到物流、能源、自動駕駛，甚至遊戲領域。從湯普森採樣模型，到Q學習模型，再到深度Q學習模型、深度卷積Q學習模型，本書一步步教你學會更複雜的機器學習理論與編程知識，並將人工智慧融入自己的應用中。
  • 寫給純小白的深度學習環境搭建寶典:pytorch+tensorflow
    每天給小編五分鐘，小編用自己的代碼，讓你輕鬆學習人工智慧。本文將手把手帶你快速搭建你自己的深度學習環境，然後實現自己的第一個深度學習程序。野蠻智能，小白也能看懂的人工智慧。精講深度學習RNN三大核心點，三分鐘掌握循環神經網絡進行簡單了解。下面進入實戰環節。
  • 實踐入門NLP:基於深度學習的自然語言處理
    三、深度學習技術卷積神經網絡詳解遞歸神經網絡詳解深度學習常用工具包解析 第三模塊 NLP與深度學習應用一、文本檢索什麼是文本檢索？機器翻譯的統計學上的數學定義機器翻譯(seq2seq)模型PyTorch實踐: 搭建並訓練基於RNN的encoder-decoder中英翻譯模型PyTorch實踐: 拓展練習之--股票預測。
  • 我的世界聖誕雪人圖文教程 手把手教你打造屬於自己的聖誕雪人
    我的世界聖誕雪人圖文教程 手把手教你打造屬於自己的聖誕雪人時間：2019-12-18 16:22   來源：小皮手遊網   責任編輯：沫朵 川北在線核心提示：原標題：我的世界聖誕雪人圖文教程 手把手教你打造屬於自己的聖誕雪人 聖誕節還有7天就到了，那麼為了迎接聖誕節的到來，想在你的庭院中建造一個可愛的小雪人該怎麼做呢
  • 我的世界鄉村小屋圖文教程 手把手教你打造屬於自己的鄉村小屋
    我的世界鄉村小屋圖文教程 手把手教你打造屬於自己的鄉村小屋時間：2019-12-23 15:41   來源：小皮手遊網   責任編輯：沫朵 川北在線核心提示：原標題：我的世界鄉村小屋圖文教程 手把手教你打造屬於自己的鄉村小屋 嚮往鄉村生活的你，是否想在我的世界中建造一個鄉村小屋呢。
  • 迷你世界樹屋製作步驟 手把手教你如何搭建樹屋
    迷你世界樹屋製作步驟 手把手教你如何搭建樹屋 迷你世界樹屋製作步驟，這在迷你世界這個遊戲中可以實現
  • 深度學習筆記15:ubuntu16.04 下深度學習開發環境搭建與配置
    作者：魯偉一個數據科學踐行者的學習日記。
  • 手把手教你用TensorFlow搭建圖像識別系統(一)|...
    如果你覺得這是一篇簡單介紹人工智慧、機器學習和深度學習的文章，那就錯啦。你可以在網上搜羅到一大堆相關話題的文章，而這篇文章也並不是討論人工智慧是否會奴役人類或搶走人們飯碗之類的話題，畢竟相關的各種推論和謠言已經滿天飛了。
  • 機器學習(Machine Learning)&深度學習(Deep Learning)資料(之一)
    《How to Layout and Manage Your Machine Learning Project》 介紹:這一篇介紹如果設計和管理屬於你自己的機器學習項目的文章，裡面提供了管理模版、數據管理與實踐方法.5．《Machine Learning is Fun!》 介紹:如果你還不知道什麼是機器學習，或則是剛剛學習感覺到很枯燥乏味。那麼推薦一讀。