网站如何建立,360浏览器免费看视频,企业如何制定网络营销策略,网站建设策划书网页设计根据的代码是https://github.com/hvy/chainer-visualization
注意#xff1a;遇到问题一定要仔细看问题的描述#xff0c;从最基本的描述入手#xff0c;而不要按照网上的方法断章取义式的解决问题。
遇到的问题是#xff1a;
1. 无法载入cupy库
解决办法#xff1a; …根据的代码是https://github.com/hvy/chainer-visualization
注意遇到问题一定要仔细看问题的描述从最基本的描述入手而不要按照网上的方法断章取义式的解决问题。
遇到的问题是
1. 无法载入cupy库
解决办法
安装Chainer步骤见http://docs.chainer.org/en/stable/install.html Before installing Chainer We recommend these platforms. Ubuntu 14.04 LTS 64bitCentOS 7 64bit Chainer is supported on Python 2.7.6, 3.4.3, 3.5.1. Chainer uses C compiler such as g. You need to install it before installing Chainer. This is typical installation method for each platform: # Ubuntu 14.04
$ apt-get install g# CentOS 7
$ yum install gcc-cIf you use old setuptools, upgrade it: $ pip install -U setuptoolsInstall Chainer Chainer depends on these Python packages: NumPy 1.9, 1.10, 1.11Six 1.9 CUDA support CUDA 6.5, 7.0, 7.5, 8.0filelock cuDNN support cuDNN v2, v3, v4, v5, v5.1 Caffe model support Protocol Buffersprotobuf3.0.0 is required for Py3 All these libraries are automatically installed with pip or setup.py. Image dataset is optional Pillow HDF5 serialization is optional h5py 2.5.0 Install Chainer via pip We recommend to install Chainer via pip: $ pip install chainerInstall Chainer from source You can use setup.py to install Chainer from source: $ tar zxf chainer-x.x.x.tar.gz
$ cd chainer-x.x.x
$ python setup.py installWhen an error occurs... Use -vvvv option with pip command. That shows all logs of installation. It may helps you: $ pip install chainer -vvvvInstall Chainer with CUDA You need to install CUDA Toolkit before installing Chainer. If you have CUDA in a default directory or set CUDA_PATH correctly, Chainer installer finds CUDA automatically: $ pip install chainerNote Chainer installer looks up CUDA_PATH environment variable first. If it is empty, the installer looks for nvcc command from PATH environment variable and use its parent directory as the root directory of CUDA installation. If nvcc command is also not found, the installer tries to use the default directory for Ubuntu /usr/local/cuda. If you installed CUDA into a non-default directory, you need to specify the directory with CUDA_PATHenvironment variable: $ CUDA_PATH/opt/nvidia/cuda pip install chainerWarning If you want to use sudo to install Chainer, note that sudo command initializes all environment variables. Please specify CUDA_PATH environment variable inside sudo like this: $ sudo CUDA_PATH/opt/nvidia/cuda pip install chainerInstall Chainer with CUDA and cuDNN cuDNN is a library for Deep Neural Networks that NVIDIA provides. Chainer can use cuDNN. If you want to enable cuDNN, install cuDNN and CUDA before installing Chainer. We recommend you to install cuDNN to CUDA directory. For example if you uses Ubuntu Linux, copy .h files to includedirectory and .so files to lib64 directory: $ cp /path/to/cudnn.h $CUDA_PATH/include
$ cp /path/to/libcudnn.so* $CUDA_PATH/lib64The destination directories depend on your environment. If you want to use cuDNN installed in other directory, please use CFLAGS, LDFLAGS andLD_LIBRARY_PATH environment variables before installing Chainer: export CFLAGS-I/path/to/cudnn/include
export LDFLAGS-L/path/to/cudnn/lib
export LD_LIBRARY_PATH/path/to/cudnn/lib:$LD_LIBRARY_PATHInstall Chainer for developers Chainer uses Cython (0.24). Developers need to use Cython to regenerate C sources from pyxfiles. We recommend to use pip with -e option for editable mode: $ pip install -U cython
$ cd /path/to/chainer/source
$ pip install -e .Users need not to install Cython as a distribution package of Chainer only contains generated sources. Support image dataset Install Pillow manually to activate image dataset. This feature is optional: $ pip install pillowSupport HDF5 serialization Install h5py manually to activate HDF5 serialization. This feature is optional: $ pip install h5pyBefore installing h5py, you need to install libhdf5. It depends on your environment: # Ubuntu 14.04
$ apt-get install libhdf5-dev# CentOS 7
$ yum -y install epel-release
$ yum install hdf5-develUninstall Chainer Use pip to uninstall Chainer: $ pip uninstall chainerNote When you upgrade Chainer, pip sometimes installed various version of Chainer insite-packages. Please uninstall it repeatedly until pip returns an error. Upgrade Chainer Just use pip with -U option: $ pip install -U chainerReinstall Chainer If you want to reinstall Chainer, please uninstall Chainer and then install it. We recommend to use--no-cache-dir option as pip sometimes uses cache: $ pip uninstall chainer
$ pip install chainer --no-cache-dirWhen you install Chainer without CUDA, and after that you want to use CUDA, please reinstall Chainer. You need to reinstall Chainer when you want to upgrade CUDA. Run Chainer with Docker We provide the official Docker image. Use nvidia-docker command to run Chainer image with GPU. You can login to the environment with bash, and run the Python interpreter: $ nvidia-docker run -it chainer/chainer /bin/bashOr, run the interpreter directly: $ nvidia-docker run -it chainer/chainer /usr/bin/pythonWhat “recommend” means? We tests Chainer automatically with Jenkins. All supported environments are tested in this environment. We cannot guarantee that Chainer works on other environments. FAQ The installer says “hdf5.h is not found” You don’t have libhdf5. Please install hdf5. See Before installing Chainer. MemoryError happens You maybe failed to install Cython. Please install it manually. See When an error occurs.... Examples says “cuDNN is not enabled” You failed to build Chainer with cuDNN. If you don’t need cuDNN, ignore this message. Otherwise, retry to install Chainer with cuDNN. -vvvv option helps you. See Install Chainer with CUDA and cuDNN. 尝试看看LD_LIBRARY_PATH是否包含/usr/local/cuda/lib64 2. 某些版本不兼容问题比如VGG()参数能否为空PIL库升级到枕头库。
需要在conda框架下切换不同版本的python程序见http://www.jianshu.com/p/d2e15200ee9b# conda测试指南 在开始这个conda测试之前你应该已经下载并安装好了Anaconda或者Miniconda 注意在安装之后你应该关闭并重新打开windows命令行。 一、Conda测试过程
使用conda。首先我们将要确认你已经安装好了conda配置环境。下一步我们将通过创建几个环境来展示conda的环境管理功能。使你更加轻松的了解关于环境的一切。我们将学习如何确认你在哪个环境中以及如何做复制一个环境作为备份。测试python。然后我们将检查哪一个版本的python可以被安装以及安装另一个版本的python还有在两个版本的python之间的切换。检查包。我们将1)罗列出安装在我们电脑上的包2)浏览可用的包3)使用conda install命令来来安装以及移除一些包。对于一些不能使用conda安装的包我们将4)在Anaconda.org网站上搜索。对于那些在其它位置的包我们将5)使用pip命令来实现安装。我们还会安装一个可以免费试用30天的商业包IOPro移除包、环境以及conda.我们将以学习删除你的包、环境以及conda来结束这次测试。 二、完整过程 提示在任何时候你可以通过在命令后边跟上--help来获得该命令的完整文档。例如你可以通过如下的命令来学习conda的update命令。
conda update --help 1. 管理conda Conda既是一个包管理器又是一个环境管理器。你肯定知道包管理器它可以帮你发现和查看包。但是如果当我们想要安装一个包但是这个包只支持跟我们目前使用的python不同的版本时。你只需要几行命令就可以搭建起一个可以运行另外python版本的环境。这就是conda环境管理器的强大功能。 提示无论你使用Linux、OS X或者Windows命令行工具在你的命令行终端conda指令都是一样的除非有特别说明。 检查conda已经被安装。 为了确保你已经在正确的位置安装好了conda让我们来检查你是否已经成功安装好了Anaconda。在你的命令行终端窗口输入如下代码
conda --version Conda会返回你安装Anaconda软件的版本。 提示如果你看到了错误信息检查你是否在安装过程中选择了仅为当前用户按安装并且是否以同样的账户来操作。确保用同样的账户登录安装了之后重新打开命令行终端窗口。 升级当前版本的conda 接下来让我们通过使用如下update命令来升级conda
conda update conda conda将会比较新旧版本并且告诉你哪一个版本的conda可以被安装。它也会通知你伴随这次升级其它包同时升级的情况。 如果新版本的conda可用它会提示你输入y进行升级.
proceed ([y]/n)? y conda更新到最新版后我们将进入下一个主题。 2. 管理环境。 现在我们通过创建一些环境来展示conda的环境操作然后移动它们。 创建并激活一个环境 使用conda create命令后边跟上你希望用来称呼它的任何名字
conda create --name snowflake biopython 这条命令将会给biopython包创建一个新的环境位置在/envs/snowflakes 小技巧很多跟在--后边常用的命令选项可以被略写为一个短线加命令首字母。所以--name选项和-n的作用是一样的。通过conda -h或conda –-help来看大量的缩写。 激活这个新环境
LinuxOS X: source activate snowflakes
Windowsactivate snowflake 小技巧新的开发环境会被默认安装在你conda目录下的envs文件目录下。你可以指定一个其他的路径去通过conda create -h了解更多信息吧。 小技巧如果我们没有指定安装python的版本donda会安装我们最初安装conda时所装的那个版本的python。 创建第二个环境 这次让我们来创建并命名一个新环境然后安装另一个版本的python以及两个包 Astroid 和 Babel。
conda create -n bunnies python3 Astroid Babel 这将创建第二个基于python3 包含Astroid 和 Babel 包称为bunnies的新环境在/envs/bunnies文件夹里。 小技巧在此同时安装你想在这个环境中运行的包 小提示在你创建环境的同时安装好所有你想要的包在后来依次安装可能会导致依赖性问题貌似是不太懂这个术语怎么翻。 小技巧你可以在conda create命令后边附加跟多的条件键入conda create –h 查看更多细节。 列出所有的环境 现在让我们来检查一下截至目前你所安装的环境使用conda environment info 命令来查看它:
conda info --envs 你将会看到如下的环境列表 conda environments: snowflakes * /home/username/miniconda/envs/snowflakesbunnies /home/username/miniconda/envs/bunniesroot /home/username/miniconda 确认当前环境 你现在处于哪个环境中呢snowflakes还是bunnies想要确定它输入下面的代码
conda info -envis conda将会显示所有环境的列表当前环境会显示在一个括号内。
(snowflakes) 注意conda有时也会在目前活动的环境前边加上*号。 切换到另一个环境(activate/deactivate) 为了切换到另一个环境键入下列命令以及所需环境的名字。
LinuxOS X: source activate snowflakes
Windowsactivate snowflakes 如果要从你当前工作环境的路径切换到系统根目录时键入
LinuxOS X: source deactivate
Windows: deactivate 当该环境不再活动时将不再被提前显示。 复制一个环境 通过克隆来复制一个环境。这儿将通过克隆snowfllakes来创建一个称为flowers的副本。
conda create -n flowers --clone snowflakes 通过conda info –-envs来检查环境 你现在应该可以看到一个环境列表flowers, bunnies, and snowflakes. 删除一个环境 如果你不想要这个名为flowers的环境就按照如下方法移除该环境
conda remove -n flowers --all 为了确定这个名为flowers的环境已经被移除输入以下命令
conda info -e flowers 已经不再在你的环境列表里了所以我们知道它被删除了。 学习更多关于环境的知识 如果你想学习更多关于conda的命令就在该命令后边跟上 -h
conda remove -h 3. 管理Python conda对Python的管理跟其他包的管理类似所以可以很轻松地管理和升级多个安装。 检查python版本 首先让我们检查那个版本的python可以被安装
conda search --full --name python 你可以使用conda search python来看到所有名字中含有“python”的包或者加上--full --name命令选项来列出完全与“python”匹配的包。 安装一个不同版本的python 现在我们假设你需要python3来编译程序但是你不想覆盖掉你的python2.7来升级你可以创建并激活一个名为snakes的环境并通过下面的命令来安装最新版本的python3
conda create -n snakes python
·LinuxOS Xsource activate snakes
·Windows activate snakes 小提示给环境取一个很形象的名字例如“Python3”是很明智的但是并不有趣。 确定环境添加成功 为了确保snakes环境已经被安装了键入如下命令
conda info -e conda会显示环境列表当前活动的环境会被括号括起来snakes 检查新的环境中的python版本 确保snakes环境中运行的是python3
python --version 使用不同版本的python 为了使用不同版本的python你可以切换环境通过简单的激活它就可以让我们看看如何返回默认2.7
·LinuxOS X: source activate snowflakes
·Windowsactivate snowflakes 检查python版本 确保snowflakes环境中仍然在运行你安装conda时安装的那个版本的python。
python --version 注销该环境 当你完成了在snowflakes环境中的工作室注销掉该环境并转换你的路径到先前的状态
·LinuxOS Xsource deactivate
·Windowsdeactivate 4. 管理包 现在让我们来演示包。我们已经安装了一些包AstroidBabel和一些特定版本的python当我们创建一个新环境时。我们检查我们已经安装了那些包检查哪些是可用的寻找特定的包并安装它。接下来我们在Anconda.org仓库中查找并安装一些指定的包用conda来完成更多pip可以实现的安装并安装一个商业包。 查看该环境中包和其版本的列表 使用这条命令来查看哪个版本的python或其他程序安装在了该环境中或者确保某些包已经被安装了或被删除了。在你的终端窗口中输入
conda list 使用conda命令查看可用包的列表 一个可用conda安装的包的列表按照Python版本分类可以从这个地址获得 http://docs.continuum.io/anaconda/pkg-docs.html 查找一个包 首先让我们来检查我们需要的这个包是否可以通过conda来安装
conda search beautifulsoup4 它展示了这个包所以我们知道它是可用的。 安装一个新包 我们将在当前环境中安装这个Beautiful Soup包使用conda命令如下 conda install --name bunnies beautifulsoup4 提示你必须告诉conda你要安装环境的名字-n bunies否则它将会被安装到当前环境中。 现在激活bunnies环境并且用conda list来显示哪些程序被安装了。
·LinuxOS Xsource activate bunnies
·Windowsactivate bunnies
所有的平台
conda list 从Anaconda.org安装一个包 如果一个包不能使用conda安装我们接下来将在Anaconda.org网站查找。Anaconda.org向公开和私有包仓库提供包管理服务。Anaconda.org是一个连续分析产品。 提示你在Anaconda.org下载东西的时候不强制要求注册。 为了从Anaconda.org下载到当前的环境中我们需要通过指定Anaconda.org为一个特定通道通过输入这个包的完整路径来实现。 在浏览器中去 http://anaconda.org 网站。我们查找一个叫“bottleneck”的包所以在左上角的叫“Search Anaconda Cloud”搜索框中输入“bottleneck”并点击search按钮。 Anaconda.org上会有超过一打的bottleneck包的版本可用但是我们想要那个被下载最频繁的版本。所以你可以通过下载量来排序通过点击Download栏。 点击包的名字来选择最常被下载的包。它会链接到Anaconda.org详情页显示下载的具体命令
conda install --channel https//conda .anaconda.ort/pandas bottleneck 检查被下载的包
conda list 通过pip命令来安装包 对于那些无法通过conda安装或者从Anaconda.org获得的包我们通常可以用pip“pip install packages”的简称来安装包。 提示 pip只是一个包管理器所以它不能为你管理环境。pip甚至不能升级python因为它不像conda一样把python当做包来处理。但是它可以安装一些conda安装不了的包和vice versa此处不会翻译。pip和conda都集成在Anaconda或miniconda里边。 我们激活我们想放置程序的环境然后通过pip安装一个叫“See”的程序。
·LinuxOS X source activate bunnies
·Windowsactivate bunnies
所有平台
pip install see 检查pip安装 检查See是否被安装
conda list 安装商业包 安装商业包与你安装其他的包的过程异常。举个例子让我们安装并删除一个更新的商业包的免费试用 IOPro可以加速你的python处理速度
conda install iopro 提示除了学术使用该版本在30天后试用期满 你现在可以安装以及检查你想用conda安装的任何包无论使用conda命令、从Anaconda.org下载或者使用pip安装无论开源软件还是商业包。 5. 移除包、环境、或者conda 如果你愿意的话。让我们通过移除一个或多个试验包、环境以及conda来结束这次测试指导。 移除包 假设你决定不再使用商业包IOPro。你可以在bunnies环境中移除它。
conda remove -n bunnies iopro 确认包已经被移除 使用conda list命令来确认IOPro已经被移除了
conda list 移除环境 我们不再需要snakes环境了所以输入以下命令 conda remove -n snakes --all 确认环境被移除 为了确认snakes环境已经被移除了输入以下命令 conda info --envis snakes不再显示在环境列表里了所以我们知道它已经被删除了 删除conda
LinuxOS X 移除Anaconda 或 Miniconda 安装文件夹
rm -rf ~/miniconda OR rm -rf ~/anaconda
Windows 去控制面板点击“添加或删除程序”选择“Python2.7Anaconda”或“Python2.7Miniconda”并点击删除程序。
总结其中的关键步骤
1. Install chainer
2. conda create -n snakes python3 matplotlib(或者其他报缺的lib)
3. $ CUDA_PATH/usr/local/cuda-7.0 pip install chainer
4.Following nvcc 如果还缺NVCC就尝试 Firstly, check your original path: echo $PATHIt should show something like this: /usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/gamesNow add your program to that path, ensuring your using the entire path all the way from / to your program. export PATH$PATH:/path/to/my/program (This is the source of NVCC)This sets your PATH variable to the existing PATH plus what you add to the end. Check that it has been added: echo $PATHhttp://askubuntu.com/questions/109381/how-to-add-path-of-a-program-to-path-environment-variable
