Praktische Einführung in Deep Learning für Computer VisionHPI-Student Team für neuronale Netze
Dieses Video gehört zum openHPI-Kurs Praktische Einführung in Deep Learning für Computer Vision. Möchten Sie mehr sehen? Schreiben Sie sich kostenlos ein!

Exkurs: Linux Installation

Zeitaufwand: etwa 9 Minuten

Über dieses Video


Die folgenden Befehle wurden von uns in diesem Video verwendet. Wir wollen euch diese bereitstellen, damit ihr sie nur noch mit kleinen Änderungen (beschreiben wir im Video) in euer Terminal kopieren könnt.

Schritte:
  1. Download des Installationsskriptes unter Anaconda. Als Download sollte unter dem Reiter Linux die Version für Python 3.7 und 64-Bit (x86) (außer es handelt sich um einen Computer mit Power8/9 Architektur) gewählt werden.
  2. Ausführen des Installationsskriptes im Terminal:

    bash ~/Downloads/Anaconda3-2019.10-Linux-x86_64.sh

    Bestätigen der Installation mit ENTER. Anschließend Akzeptieren der Lizenzbedingungen mit yes. Der Installationsort kann beliebig gewählt werden. Am Ende noch einmal die Bestätigung von conda init ebenfalls mit yes.

  3. Terminal schließen und neu öffnen, damit die änderungen aktiv werden.

  4. Überprüfen der Installation mit conda list.

  5. Erstellen eines neuen conda environment mit conda create -n deeplearning2020 python=3.7 tensorflow keras nb_conda numpy matplotlib notebook Die Frage, ob die Transaktion durchgeführt werden soll mit yes bestätigen.

  6. Aktivieren des conda environments mit conda activate deeplearning2020

  7. Starten eines lokalen Jupyter Notebook server mit jupyter notebook Dies sollte automatisch einen neuen Browser Tab mit dem notebook dashboard öffnen. Falls das nicht passiert findet ihr eine URL mit einem Token in der Ausgabe auf der Kommandozeile.

  8. Erstellen eines neuen jupyter notebook in einem beliebigen Ordner durch Klick auf New im Dashboard oben rechts und dann auf [conda env:deeplearning2020].

  9. Testen ob alle Pakete fehlerfrei importiert und benutzt werden können, indem eine Codezelle des notebooks mit folgendem Code ausgeführt wird (Run):

import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt
print(tf.__version__)
  1. Speichern des notebooks durch Klick auf File>Save oder den Save Button links oben. Wenn das Speichern erfolgreich war sollte ein neuer Checkpoint erstellt worden sein.
  2. (Optional) Nach dem Speichern kann die Seite mit dem Logout Button oben rechts verlassen werden und der jupyter notebook Server mit Ctrl-C gestoppt werden. Zum erneuten Starten siehe Schritt 7.
  3. (Optional) Conda erlaubt es beliebig viele environments zu erstellen. Mit conda deactivate kann das deeplearning2020 environment deaktiviert werden und weitere environments erstellt und aktiviert werden falls gewünscht. Für die erneute Aktivierung des deeplearning2020 environments siehe Schritt 6.

Falls die neue Environment in Jupyter nach Klick auf "New" nicht angezeigt wird:

Bitte führt folgende Schritte durch und gebt Rückmeldung, ob euch etwas davon weitergeholfen hat:

1 . Schließt alle Terminals und Anaconda Prompts, startet den Rechner neu.

2 . Öffnet eine neue Anaconda Prompt

conda activate deeplearning2020
jupyter notebook

Steht dort:

[nb_conda_kernels] enabled, 1 kernels found
[nb_conda] enabled

Falls ja sollte die Environment korrekt angezeigt werden. Andernfalls hilft meist ein De- und Reaktivieren der Environment oder aber ein Update von Anaconda:

conda update -n base -c defaults conda

conda deactivate
conda activate deeplearning2020
jupyter notebook

3 . Falls das Problem immer noch besteht: Überprüfung der Installation:

conda list

Sind in der Liste die folgenden Programme zu finden?: nb_conda, ipykernel, nb_conda_kernels Falls nicht bitte mit conda install <name> installieren.

4 . Versucht die Environment manuall zu setzen:

conda install nb_conda_kernels
ipython kernel install --user --name deeplearning2020 --display-name "Python [conda env:tensorflow]"

Unter folgendem Befehl sollte nun auch die neue Environment zu finden sein:

jupyter kernelspec list

jupyter notebook