aws+Anaconda+ tensorflow + keras +opencv搭建深度学习网络环境(下--软件篇)

上篇我们已经在aws上搭建了自己的深度学习主机，本文我们将在这台深度学习主机上安装必要的软件工具包，我们开始吧~

软件篇：

深度学习中，我们需要调用各种已开发好的库，这里推荐使用anaconda，简单方便，至少不会为了各种依赖项而头疼。

一、安装anaconda

1、下载

wget https://repo.anaconda.com/archive/Anaconda2-5.2.0-Linux-x86_64.sh

注意：这个地方下载anaconda2 对应python2.7，之后可以在独立环境中创建python=3.5

2、安装anaconda

bash Anaconda2-5.2.0-Linux-x86_64.sh

一路回车+yes即可，最后确认将路径加入用户的.bashrc中

(最后一步如果忘记点yes ，需要手动在~/bashrc 中手动添加 export PATH=/home/ubuntu/anaconda2/bin:$PATH)

3、生效.bashrc

source .bashrc

二、创建独立环境

conda create -n cv python=3.5

source activate cv

三、 conda安装tensorflow

这里我们安装tensorflow-gpu版本

anaconda show anaconda/tensorflow-gpu

conda install --channel https://conda.anaconda.org/anaconda tensorflow-gpu

四、 安装keras

这里我们直接源码安装

git clone https://github.com/fchollet/keras.git

cd keras/

python setup.py install

五.conda安装opencv

conda install opencv

六、安装项目需要库

conda install numpy pandas jupyter notebook matplotlib cython

pip install pillow

pip install pydot

sudo apt-get install graphviz

七、设置Jupyter notebook

cd ~

jupyter notebook --generate-config

jupyter notebook password（记住此密码，用浏览器访问连接时会用到）

vim ~/.jupyter/jupyter_notebook_config.py（修改下面的地方）

> c.NotebookApp.ip='*'

好的，到这里深度学习的环境算是搭建完成了，可以启动jupyter notebook啦。

tips：为避免训练网络过程中，因网络波动导致启动jupyter notebook的终端断开链接，从而致使我们白白浪费时间（时间就是金钱一点都不假），建议 nohup jupyter notebook xxxxx.ipynb >> log.txt 2>&1 & 启动。nohup（no hang up）命令，即使退出账户或断开终端的情况下相关的jupyter notebook进程依然运行。

本地pc浏览器上，访问aws主机8888端口（复制公有dns（ipv4），然后再浏览器中输入 ipv4：8888），我们就可以尽情搭建、训练自己的网络模型啦。

如果有小伙伴也想在udacity上学习课程，可以输入优惠码：48FF665E 减免300元学费红包。也可以在这里领取优惠码并选择你感兴趣的课程: