回答1：
18.04深度学习
需要以下步骤： 1. 安装CUDA和cuDNN：CUDA是NVIDIA提供的用于GPU加速的并行计算平台，cuDNN是NVIDIA提供的用于深度学习的GPU加速库。可以从NVIDIA官网下载对应版本的CUDA和cuDNN，并按照官方文档进行安装。 2. 安装
是一个Python发行版，包含了许多常用的科学计算库和工具。可以从
官网下载对应版本的安装包，并按照官方文档进行安装。 3. 创建虚拟
：可以使用conda命令创建一个新的虚拟
，例如： conda create --name env_name python=3.6 这将创建一个名为env_name的虚拟
，并安装Python 3.6。 4. 安装深度学习框架：可以使用conda命令安装常用的深度学习框架，例如TensorFlow、
、Keras等，例如： conda install tensorflow-gpu 这将安装TensorFlow GPU版本。 5. 安装其他依赖库：根据需要安装其他依赖库，例如numpy、scipy、matplotlib等。 完成以上步骤后，就可以在虚拟
中进行深度学习开发了。 ### 回答2：
18.04是一种非常优秀的开源操作系统，尤其适用于深度学习的
。在本文中，我们将为大家详细介绍在
18.04上如何
深度学习
。 首先，我们需要安装
18.04操作系统。我们建议下载官方镜像进行安装。 安装完毕后，我们需要安装CUDA（NVIDIA计算统一设备架构）和cuDNN（NVIDIA深度神经网络）。以下是安装步骤： 1. 安装Cuda Toolkit 我们可以通过官网直接下载tar文件进行安装： $ wget https://developer.download.nvidia.com/compute/cuda/10.0/secure/Prod/local_installers/cuda_10.0.130_410.48_linux.run $ sudo sh cuda_10.0.130_410.48_linux.run 在安装过程中会有多项选择，我们建议选择默认选项并自定义CUDA的安装位置。 安装完成后，我们需要将CUDA添加到
变量中。打开终端，运行以下命令： $ sudo gedit ~/.bashrc 在打开的文件的末尾添加以下代码： export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH 保存文件，然后运行以下命令以使配置生效： $ source ~/.bashrc 2. 安装cuDNN cuDNN是用于加速深度学习的库，我们可以在NVIDIA的官网上下载。请注意，您需要注册才能下载库。 下载后将压缩包解压缩，并将文件复制到CUDA的安装目录中： $ tar -xzvf cudnn-10.0-linux-x64-v7.4.2.24.tgz $ cd cuda $ sudo cp include/cudnn.h /usr/local/cuda/include $ sudo cp lib64/libcudnn /usr/local/cuda/lib64 $ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn 3. 安装
是一个强大的Python包管理器，可以轻松管理Python和相关库的版本。我们可以通过官方网站下载并安装
。 安装完成后，打开终端，输入以下命令以检查是否安装成功： $ conda list 如果显示了安装包列表，则说明安装成功。 4. 创建虚拟
为了避免不同的Python库版本之间的冲突，我们建议使用虚拟
进行开发。使用以下命令创建一个名为env的虚拟
： $ conda create -n env python=3.7 此命令将创建一个名为env的虚拟
，并将Python版本设置为3.7。 5. 安装所需的Python库 安装深度学习需要的Python库非常重要，以下是必要库的清单： $ conda install -n env numpy matplotlib pandas jupyter scikit-learn tensorflow-gpu keras 请注意，虽然我们使用了tensorflow-gpu库，但这意味着你需要一张NVIDIA GPU显卡并正确设置CUDA和cuDNN。 如果您的电脑没有NVIDIA GPU显卡，则不需要安装tensorflow-gpu库。 6. 使用Jupyter Jupyter是一个非常好的交互式开发
，我们建议在虚拟
中安装jupyter。输入以下命令： $ conda install -n env jupyter 然后输入以下命令启动jupyter： $ jupyter notebook 最后，您将能够成功地在
18.04上
深度学习
并开始进行深度学习开发。 ### 回答3： 深度学习是当今热门的领域之一，如果要在
18.04上
深度学习
，需要以下几个步骤： 1. 安装 NVIDIA 显卡驱动 要在
上使用深度学习，必须安装视频和GPU驱动程序。相比于CPU，在GPU上训练深度学习模型要快很多，因此推荐使用Nvidia GPU。 首先你需要下载并安装NVIDIA的驱动程序，可以使用下面的命令查看可用的版本： </p>
<p>-drivers devices <code>选择最新版本的驱动程序（如果你的GPU是较旧的版本，可以考虑选择旧版本的驱动程序）并安装：</code> sudo apt install nvidia-driver-</p>
<p>是一个包含许多用于深度学习的科学计算库的平台，因此我们需要安装</p>
<p>。 首先从</p>
<p>官网下载适用于</p>
<p>安装包，然后运行以下命令来安装： bash
为了保持深度学习
的干净和整洁，我们将在
上创建虚拟
并在其中安装所有必要的包。 使用以下命令创建具有Python3的新虚拟
： conda create --name</p>
<p>： conda activate
中使用以下命令安装需要的深度学习框架，如Tensorflow、Keras、
等等： conda install tensorflow keras</p>
<p>torchvision -c</p>
<p> 最后，您已成功地在
18.04上
了深度学习
。现在您可以使用Python和相应的深度学习框架，从而开始探索深度学习的奇妙世界。
Original: https://blog.csdn.net/weixin_45638486/article/details/124115161
Author: 蔡瘦瘦子
Title: 在Ubuntu服务器上搭建深度学习环境（Ubuntu 18.04+Anaconda3+pytorch+PyCharm）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/627017/
转载文章受原作者版权保护。转载请注明原作者出处！