深度学习100问-1：深度学习环境配置有哪些坑？

深度学习100问

Author：louwill

Machine Learning Lab

     从今天起，开辟一个新的专栏，名字就叫深度学习100问。选取深度学习中典型的100个重大问题并给出详细的解读和笔记。希望以这样一种形式进行个人实践和知识积累，也能给后来的同学以帮助。100问预计今年年底更新完。需要说明的是，这100问并不是入门笔记，想要入门的同学可以参考去年的深度学习60讲系列：

     深度学习第一问是关于环境配置的。之前笔者也在深度学习60讲系列中讲到如何配置深度学习开发环境的问题：深度学习笔记15：ubuntu16.04 下深度学习开发环境搭建与配置。但环境配置并不是一路顺利的，总有些奇奇怪怪的问题让人头疼，所以，在第一问中笔者选取了几个典型的环境配置的错误供大家参考。

1. 特别注意cuda、cudnn、cuda driver和cudatoolkit的版本

     cuda是nvidia推出的用于自家GPU的并行计算框架，也就是说cuda只能在nvidia的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥cuda的作用。

     cudnn是nvidia打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，cudnn不是必须的，但是一般会采用这个加速库。

     cuda driver即cuda驱动器，是用来支持cuda运行的必备程序。而cudatoolkit则是cuda相关的工具包。

     以上四者之间必须有个版本对应和匹配的问题。有时候安装keras GPU版本的时候会默认安装cudatoolikit 10.0，这时候如果你cuda是9.0的版本的话，一般会报个CUDA driver version is insufficient for CUDA的错误。如下所示：

     这时候你可能需要降低cudatoolkit的版本：

conda install cudatoolkit==9.0

     还有一种常见的错误是cuda driver的驱动器跟cuda不匹配。执行nvidia-smi命令会出现如下图错误：

Failed to initialize NVML: Driver/library version mismatch

     nvidia官方给出了cuda和cuda driver之间版本对应关系：

     在版本不匹配时，适当降低或者更新驱动器版本即可。另外驱动器版本更新之后可能需要重启系统，当然通过如下方法不用重启也可以更新版本。首先尝试删除nvidia相关的kernel mod。

sudo rmmod nvidia

     当然这里一般会报个Module nvidia is in use by的错误。不碍事，我们先查看下kernel mod 的依赖情况：

ls mod | grep nvidia

     根据根据结果逐一rmmod即可。

sudo rmmod nvidia_uvm
sudo rmmod nvidia_modeset

     最后再rmmod nvidia即可达到驱动器更新效果。

sudo rmmod nvidia
nvidia-smi

     还有一种报错是cudnn版本不匹配的问题：

此时直接更新cudnn版本即可。

2. 使用Python虚拟环境时要注意的坑

     一般来说，大家在共用实验室GPU服务器的时候为了避免环境污染都会各自建好虚拟环境，在虚拟环境下进行各自的深度学习实验。有些同学喜欢使用jupyter进行交互式实验，或者是使用ipython，这时候你要注意虚拟环境下的ipython和jupyter版本是跟系统全局环境是一致的，跟你当前虚拟环境的python版本不一定一致。举个例子，假设你的系统全局环境的tensorflow是1.13.1版本，当你在虚拟环境下安装的是tensorflow1.14版本，你虚拟环境下的jupyter tensorflow版本不是1.14，而是1.13.1。这一点大家需要注意。

     想要在虚拟环境下使用当前环境的jupyter或者ipython会比较麻烦，首先需要卸载系统全局环境下的jupyter和ipython，卸载起来会比较麻烦，具体过程可参考stackoverflow：

https://stackoverflow.com/questions/37061089/trouble-with-tensorflow-in-jupyter-notebook?rq=1

3. 验证TensorFlow/Keras/Torch版本是否支持GPU

     虽说按部就班的配环境好像也没啥大问题，但要想让你的TensorFlow和Torch顺利用上GPU跑起来并不是一件那么顺利的事。此时，直接使用nvidia-smi命令并不能表明TensorFlow就能顺利用上GPU。

     比如说我们用Keras跑模型时指定了GPU，有时候会报如下错误：

     一方面，你的机器可能确实没有那么多GPU，另外一种可能就是你没有安装支持GPU的TensorFlow或者Keras版本。这时候我们可以先来验证下当前的TensorFlow或Keras是否支持GPU。

先来看TensorFlow：

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

     如果输出结果有类似上述包含GPU的信息，那说明你的tensorflow是支持GPU的。再看keras：

from keras import backend as K
print(K.tensorflow_backend._get_available_gpus())

     如果能输出下述包含GPU的信息的话那说明当前的keras版本也是支持GPU的。

     Torch的话安装到时候一般都会根据官网的配置要求来：

一般安装后输入下列命令即可：

import torch
torch.cuda.is_available()

如果输出为True的话则表明当前的torch是支持GPU加速的。

     如果你没有得到上述的输出结果，那么需要重新安装带gpu版本的tensorfow或者keras：

pip install tensorflow-gpu
conda install keras-gpu

      按照上述过程下来一般就会顺利配置好各深度学习框架版本。

4. 免费的GPU资源

     最后，如果大家没有GPU资源又或者嫌配置太糟心，我们还是有免费的GPU可以褥的。一个是谷歌的colab，自动支持GPU，大家可以直接去褥。另外一个是kaggle竞赛平台的kernel，里面也是提供GPU算力的。

     colab目前提供的GPU已经由之前K80升级到了Tesla T4：

kaggle提供的则是Tesla P100：

大家可以自行去褥。当然前提可能是大家需要一点点科学上网的方法。

colab地址：

https://colab.research.google.com/notebooks/

kaggle地址：

https://www.kaggle.com/

nvidia官方文档地址：

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

有学术和技术问题的同学可以在后台加我微信进入机器学习实验室读者交流群。

参考资料：

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/

往期精彩：

---

一个算法工程师的成长之路

长按二维码.关注机器学习实验室