breadcrumbs_delimiter هوش مصنوعی breadcrumbs_delimiter نحوه راه اندازی معماری یادگیری عمیق در اوبونتو 22.04
هوش مصنوعی

نحوه راه اندازی معماری یادگیری عمیق در اوبونتو 22.04

اسفند 1, 1401 1021

یادگیری عمیق یک فناوری پیشرفته است که ماشین‌ها را قادر می‌سازد تا خودشان یاد بگیرند و پیشرفت کنند. با این حال، راه‌اندازی یک محیط یادگیری عمیق در سیستم اوبونتو 22.04 می‌تواند یک کار دلهره‌آور برای کسانی باشد که تازه با این فناوری آشنا هستند. در این مقاله، شما را از طریق فرآیند راه‌اندازی یادگیری عمیق در اوبونتو 22.04، از جمله تنظیمات کلیدی برای اطمینان از نصب موفق، راهنمایی می‌کنیم.

سیستم را به روز کنید

قبل از شروع فرآیند نصب، توصیه می شود سیستم را با آخرین وصله ها و به روز رسانی نرم افزار به روز کنید. دستور زیر را برای به روز رسانی سیستم Ubuntu 22.04 خود اجرا کنید:

به‌روزرسانی sudo apt && ارتقا sudo apt

درایورهای NVIDIA را نصب کنید

یکی از مهمترین مراحل برای راه اندازی یادگیری عمیق در اوبونتو 22.04، نصب درایورهای NVIDIA مناسب برای کارت گرافیک شما است. برای انجام این کار، یک ترمینال را باز کنید و دستورات زیر را اجرا کنید:

sudo add-apt-repository ppa:graphics-drivers/ppa
به روز رسانی sudo apt
sudo apt install nvidia-driver-470

در مرحله بعد، باید CUDA Toolkit و cuDNN را نصب کنید، که برای اجرای چارچوب های یادگیری عمیق مانند TensorFlow و PyTorch ضروری هستند. می توانید آخرین نسخه CUDA Toolkit را از وب سایت NVIDIA و cuDNN را از وب سایت cuDNN دانلود کنید. پس از دانلود فایل های مناسب، می توانید با اجرای دستورات زیر آنها را نصب کنید:

نصب CUDA

wget https://developer.download.nvidia.com/compute/cuda/11.2.0/local_installers/cuda_11.2.0_460.27.04_linux.run
sudo sh cuda_11.2.0_460.27.04_linux.run

اکنون، متغیرهای محیط را به‌روزرسانی کنید و خطوط زیر را به ~/.bashrc

اضافه کنید

صادر کردن PATH=/usr/local/cuda-11.2/bin${PATH:+:${PATH}}
صادر کردن LD_LIBRARY_PATH=/usr/local/cuda-11.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
صادرات CUDA_HOME=/usr/local/cuda
صادر کردن LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

متغیرهای محیط را فعال کنید:

منبع $ ~/.bashrc

نصب CUDNN

tar -zvxf cudnn-11.2-linux-x64-v8.1.0.77.tgz
sudo cp -P cuda/include/cudnn.h /usr/local/cuda-11.2/include
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-11.2/lib64/
sudo chmod a+r /usr/local/cuda-11.2/lib64/libcudnn*

می توانید نصب CUDA و CUDNN را با استفاده از دستور زیر تأیید کنید:

nvcc -V

آناکوندا را نصب کنید

Anaconda یک توزیع محبوب پایتون است که با بسیاری از کتابخانه ها و ابزارهای از پیش نصب شده مورد استفاده در یادگیری عمیق ارائه می شود. برای نصب Anaconda، دستورات زیر را اجرا کنید:

wget https://repo.anaconda.com/archive/Anaconda3-2022.10-Linux-x86_64.sh
bash Anaconda3-2022.10-Linux-x86_64.sh

یک محیط جدید Conda ایجاد کنید

محیط Conda یک محیط مجازی است که به شما امکان نصب و مدیریت نسخه‌های مختلف بسته‌ها و کتابخانه‌ها را می‌دهد. برای ایجاد یک محیط جدید Conda، دستور زیر را اجرا کنید:

آموزش عمیق --name را ایجاد کنید

محیط کوندا را فعال کنید

پس از ایجاد یک محیط جدید Conda، باید آن را با اجرای دستور زیر فعال کنید:

آموزش عمیق را فعال می کند

نصب چارچوب های یادگیری عمیق

اکنون که درایورها و ابزارهای لازم را نصب کرده‌اید، می‌توانید فریمورک‌های یادگیری عمیق انتخابی خود مانند TensorFlow یا PyTorch را نصب کنید. می‌توانید این فریم‌ورک‌ها را با استفاده از pip، مدیر بسته پایتون، مانند شکل زیر نصب کنید:

pip3 tensorflow را نصب کنید
pip3 نصب کراس
مشعل نصب pip

نصب خود را تأیید کنید

برای آزمایش نصب، می‌توانید یک نمونه اسکریپت را اجرا کنید که از TensorFlow، Keras و PyTorch استفاده می‌کند. یک فایل پایتون جدید بسازید و کد زیر را قرار دهید:

sudo nano learning.py

کد زیر را جای‌گذاری کرده و فایل را ذخیره کنید.

tensorflow را به عنوان tf وارد کنید
واردات کراس
مشعل وارداتی
print ("نسخه TensorFlow:"، tf.version)
print("نسخه Keras:"، keras.version)
print("نسخه PyTorch:"، torch.version)

فایل را با استفاده از دستور زیر اجرا کنید:

python learning.py

اگر همه چیز به درستی نصب شده باشد، باید نسخه‌های TensorFlow، Keras، و PyTorch را روی صفحه مشاهده کنید.

بپیچید!

در پایان، راه اندازی یک محیط یادگیری عمیق در اوبونتو 22.04 می تواند یک کار چالش برانگیز باشد، اما با دنبال کردن مراحل ذکر شده در بالا، می توانید از نصب روان و موفقیت آمیز اطمینان حاصل کنید. با نصب درایورها و ابزارهای لازم و سپس نصب چارچوب های یادگیری عمیق دلخواه خود، به خوبی در مسیر توسعه و اجرای مدل های یادگیری عمیق خود خواهید بود.

به این نوشته امتیاز بدهید!

افراد نیوز

افراد نیوز

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

  • ×