人工智能开发：从GPU配置到人工神经网络构建

### 人工智能开发：从GPU配置到人工神经网络构建 #### 1. 安装GPU库和驱动 要构建AI应用程序，需要先为计算机进行相应设置。若在本地计算机操作，建议安装Windows或Linux系统，因为大多数macOS不支持GPU，所以这里不涉及macOS。 - **检查NVIDIA GPU**：若不确定计算机是否有NVIDIA GPU，可在终端运行命令 `lspci -nnk | grep -i nvidia` 进行检查。 ##### 1.1 Linux（Ubuntu）系统安装步骤 - **安装GPU驱动**： ```bash wget http://us.download.nvidia.com/XFree86/Linuxx86_64/367.44/NVIDIA-Linux-x86_64-367.44.run sudo chmod +x NVIDIA-Linux-x86_64-367.35.run ./NVIDIA-Linux-x86_64-367.35.run --silent ``` 安装完成后，使用 `nvidia-smi` 命令检查是否安装正确。 - **安装NVIDIA CUDA**： ```bash wget "http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_8.0.44-1_amd64.deb" sudo chmod +x cuda_7.5.18_linux.run ./cuda_7.5.18_linux.run --driver --silent ./cuda_7.5.18_linux.run --toolkit --silent ./cuda_7.5.18_linux.run --samples --silent ``` - **添加库到系统路径**： ```bash echo ‘export LD_LIBRARY_PATH=”$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"’ >> ~/.bashrc ``` - **安装cuNN**： ```bash sudo scp cudnn-7.0-linux-x64-v4.0-prod.tgz tar -xzvf cudnn-7.0-linux-x64-v4.0-prod.tgz cp cuda/lib64/* /usr/local/cuda/lib64/ cp cuda/include/cudnn.h /usr/local/cuda/include/ ``` - **安装支持GPU的TensorFlow**： ```bash pip3 install tensorflow-gpu ``` ##### 1.2 Windows系统安装步骤 - **检查系统和GPU**：需运行Windows 7或更高版本，通过Windows设备管理器的显示适配器部分验证是否有支持CUDA的GPU。在命令行运行 `control /name Microsoft.DeviceManager` 查看GPU类型。 - **安装或更新驱动**：若未安装NVIDIA GPU驱动或需更新，可在 [NVIDIA官网](http://www.nvidia.com/Download/index.aspx?lang=en-us) 找到正确的驱动。 - **下载并安装CUDA工具包**：从 [NVIDIA官网](https://developer.nvidia.com/cuda-downloads) 下载CUDA 8.0版本，选择对应的操作系统（如Windows x86_64 10）进行下载和安装。安装过程中屏幕闪烁属正常现象。 - **安装cuNN**： 1. 依次点击下载 `cuDNN v6.0 (April 27, 2017), for CUDA 8.0` 和 `cuDNN v6.0 library for Windows 10`。 2. 解压文件，打开CUDA文件夹，将 `bin`、`include`、`lib` 三个文件夹复制到 `C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0`。 - **安装支持GPU的TensorFlow**： ```bash pip install tensorflow-gpu ``` #### 2. 基本GPU操作 在TensorFlow中，GPU以字符串形式表示： - `/cpu:0`：计算机的CPU - `/device:GPU:0`：计算机的第一个GPU - `/device:GPU:1`：计算机的第二个GPU，依此类推 分布式训练是在多个GPU上训练网络的实践，在AI领域越来越常见，TensorFlow、Keras和PyTorch都支持该功能。通过日志记录操作，可将特定命令分配到特定的GPU或CPU，并实现操作并行化，以下是示例代码： ```python import tensorflow as tf my_list = [] # 遍历可用的GPU for device in ['/gpu:0', '/gpu:1']: # 使用TensorFlow设备管理器 with tf.device(device): x = tf.constant([1, 2, 3], shape=[1, 3]) y = tf.constant([1, 2, 3], shape=[3, 1]) my_list.append(tf.matmul(x, y)) wit ```