教你從頭到尾利用DL學梵高作畫

作者：七月線上開發/市場團隊中的三人，驍哲、李偉、July。本教程主要由驍哲撰寫，李偉負責Linux命令部分。
時間：二零一六年九月二十五日
配置：GTX 1070 cuda 8.0 Ubuntu 14.04 cudnn 5.1 tensorflow gpu
交流：TensorFlow實戰交流Q群 472899334，有問題可以加此群共同交流。另探究實驗背後原理，請參看我們的深度學習線上課程：深度學習線上班。

一、前言

    12年本部落格推出SVM三層境界，14年July團隊開始做機器學習線下班，也因此寫了一系列ML部落格。15年，July團隊正式創業，開始做七月線上 —— 國內領先的人工智慧教育平臺，最初涵蓋演算法、機器學習、深度學習三大重心。16年，七月線上從上半年的5個課程擴充套件到下半年的30個課程，講師團隊也從上半年的5人擴大至現有的19人（且到18年上半年，講師團隊已超過60人）。

    與此同時，機器學習越來越火，且隨著計算機計算能力的提高深度學習則更趨火熱。公司在做深度學習的課程時，開發/市場同事也會順帶著學習學習，但從始至終都尚未跟著課程上的實驗實際動手做過。

    直到最近，我們團隊人手漸漸齊了之後，發現可以動手做一些實驗了。為何呢？學一個東西，懂它理論之後，最重要的是付諸實踐，動手實驗一把，不然永遠只是紙上談兵。我們三雖然都不講課（一市場一PHP一打雜），但可以輔助講師團隊帶動更多學員一起做實驗、一起搞。

    激情澎湃，心血來潮。

• 21號下午5點，同事李、許開始搞DL：用DL學梵高作畫。恩，是搞DL 不是搞ML。
• 接近6點的時候，開始卷積計算，等待的過程就像生孩子一樣。
• 晚上8點，CPU搞了一個半小時搞出來了，然後開始裝cuda，好用GPU搞幾副梵高筆下的畫。
• 0點，同事還在裝，因為GTX 1070下裝cuda8.0實在是費勁吶（1070+8.0之所以難裝，一個是網上教程很少，一個是1070 8.0都是剛出來的，特別是1070目前只能用cuda 8.0。可能960/970/980搭cuda 7.5會輕鬆太多）。
• 接下來，兩同事在黑暗中前行了一夜，趟遍無數坑。
• 22號早上6點半，cuda、TensorFlow終於編譯好，我..
• 22號早上8點，用DL學梵高作畫，GTX 1070 cuda 8.0 Ubuntu 14.04 cudnn 5.1 tensorflow gpu，折騰一整夜，趟遍無數坑，兩位同事一PHP一市場終於搞定。（恩，有人說，PHP是世界上最好的語言）。
  

    我們搭建好之後，興高采烈的在微博上釋出（因為兩同事此前從未搞過DL，可以想象我們心情之興奮），發現咱5月DL班裡一學員之前也搭過這個配置，說：“裝cuda 和驅動花了幾天，經常出現黑屏”。也有朋友反饋：“配置這玩意確實很麻煩。”、以及“是真的很麻煩，我自己嘗試搭建就一直沒成功”。所以，很多朋友求教程。

    事實上，GPU搭好後，最後跑下demo就幾分鐘的事，主要是整個搭建過程 很折騰。不信？你可以先不看本教程，然後自個從頭到尾搭一把1070+8.0，沒搭過1070+8.0之前就不要來輕易下結論了。真心話。

    綜上，特此推出本份教程，是網上極少有的1070+8.0教程裡面最詳盡的一份（部分圖都是由驍哲用手機對著電腦拍下），希望讓更多人少走彎路。此外，我們更會在深度學習課程上帶領更多人跟我們一塊做DL實驗，一起玩。

二、配置

我們的配置為

• 硬體配置：酷睿i7-6700+GTX1070+500G固態硬碟+8G記憶體+主機板
• 軟體配置：Ubuntu14.04 +GTX1070顯示卡驅動+CUDA8.0+cudnn5.1+Tensorflow

三、下載

考慮到有些同學Linux操作不是很熟練，以下步驟儘量詳細，以讓每一個人都能玩一把。另，作業系統為全新安裝的Ubuntu14.04英文桌面版，如果已安裝其它版本或非全新安裝，步驟可相應調整。

3.1、 Ubuntu14.04

說明：

1. 我們自己下載的時候是在官方英文版頁面下載，中文版網頁面似乎沒有Ubuntu14.04的下載頁。
2. Ubuntu14.04版本選擇上建議使用英文原版，Kylin（麒麟：給中國使用者特別定製）版本不建議使用。原因：呵呵，外來和尚會念經
3. Ubuntu16.04版本我們測試後發現進入桌面會螢幕閃動，分析原因似乎跟我們的顯示卡是1070版本有關（其實只要把GTX1070顯示卡驅動裝上就行），而Ubuntu14.04未出現以上狀況。所以考慮為廣大人民群眾減少麻煩，當您的顯示卡與我們類似（GTX1070\GTX1080），請參考本條建議。

UltraISO軟碟通：

說明：

3.2、 GTX1070顯示卡驅動

說明：

（1）選項圖解

（2）大家可以根據自己電腦配置進行選擇。

3.3、 CUDA

說明：

（1）在NVIDIA的CUDA下載頁面下，選擇要使用的CUDA版本進行下載。

（2）我們這裡使用CUDA8.0（頁面有提示GTX1070、GTX1080支援8.0版本），學員如果沒有使用以上兩個版本的GPU，可以下載CUDA7.5。DOWNLOAD（下載）。

（3）下載需要註冊。

（4）圖解選擇

3.4、 Cudnn

說明：

（1）下載需要填寫一個調查問卷，就三個選項，建議認真填寫，畢竟人家免費給咱使用。

（2）填寫完畢點選I Agree To前面的小方框，出現如下：

    點選下載後出現很多個選擇，勾選3個選項：Images、Image Classification、Tensorflow。

3.5、 Tensorflow

tensorflow github上面提到 4 種安裝方式，本教程使用 第四種 原始碼安裝

1. Virtualenv installation
2. Anaconda installation
3. Docker installation
4. Installing from sources

說明：

（1）開啟下載頁面，往下翻，直到下圖這個位置：

（2） 點選Python 2開始下載。

最後，將所有下載檔案全部存放至自己的行動硬碟/U盤內，等待安裝時候使用。

四、 安裝

4.1、 安裝Ubuntu14.04

安裝Ubuntu14.04：

說明：

（1）我們直接安裝的英文原版系統，語言也是選擇英文的。

（2）上述連結在--第三步：安裝型別上選擇的是--自定義。我們選擇的是--清除整個磁碟並且安裝，如果你有Windows系統，還會提示安裝Ubuntu14.04與Windows並存模式。這個自行選擇，切記！這個地方謹慎選擇。

（3）感謝百度經驗上傳者！

4.2、 安裝GTX1070顯示卡驅動及CUDA8.0

步驟：

（1）進入Ubuntu介面

（2）插入U盤，將內容拷貝至Desktop檔案下。熟悉Ubuntu的同學，這步可以按照自己習慣放置在其他資料夾下。

（3）如圖搜尋Terminal

（4） 將命令框圖示拖動到左邊欄裡或者桌面，以便使用。

（5） 開啟命令框，輸入 sudo  –i

輸入開機密碼

輸入  sudo apt-get install vim

           sudo  vi   /etc/default/grub

（6） 此時系統會進入一個文字頁面。在第20行前後會出現GRUB_CMDLINE_LINUX_DEFAULT="quiet"。將游標移動到這個命令最前端，然後鍵盤點選Esc鍵，再點選y鍵兩次，點一下p鍵。就會將本條指令複製一個放到下一行。然後點選i鍵，就能進行編輯了，在本行命令前面新增#號，然後移動到複製出來的那條，修改quiet為text，按Esc鍵。Shift+：輸入wq。

此時會調回命令框介面，輸入sudo update-grub2

輸入shutdown  –r  now重啟

（7） 重啟後進入字元介面，按照提示輸入你的使用者名稱及密碼

輸入sudo  -i

輸入密碼

輸入cd  /home/***(這個按Tab鍵自動匹配)/Desktop

輸入 ./NVIDIA-LIN…(這個按Tab鍵自動匹配) 或  /bin/bash 檔名

不懂的看圖如下

按回車鍵後出現

…………………………………………………………………………………………………………………………………………………………………………………………………………………………….

說明開始安裝

然後選擇Accept等等同意字樣

期間遇到協議的時候一直按空格鍵就行

協議完成後提示如圖

輸入accept

然後一路同意就行

（8） 安裝NVIDIA結束後，同樣操作安裝CUDA8.0，這裡需要注意其中一個地方需要填寫N才行，不能寫Y。如圖

其餘操作如圖

然後回車等待就行

（9） 類似剛剛第（5）步的執行

輸入sudo  vi   /etc/default/grub此時系統會進入一個文字頁面。在第20行前後會出現GRUB_CMDLINE_LINUX_DEFAULT="quiet"。將游標移動到這個命令最前端，然後鍵盤點選Esc鍵，再點選y鍵兩次，點一下p鍵。就會將本條指令複製一個放到下一行。然後點選i鍵，就能進行編輯了，在本行命令前面刪除#號，然後移動到複製出來的那條，命令前面新增#號，按Esc鍵。Shift+：輸入wq。

此時會調回命令框介面，輸入sudo update-grub

輸入shutdown  –r  now重啟

4.3、 Cudnn安裝

cd  /home/***(自己的使用者名稱)/Desktop/###(這個命令意思是找到剛剛我們用U盤傳過來的檔案)

tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgz###（解壓這個檔案）

sudo cp cuda/include/cudnn.h /usr/local/cuda/include###（複製）

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64###（複製）

sudochmoda+r/usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*

4.4、 其他依賴安裝：

我們是在github的Tensorflow官方網頁上，根據提示安裝，地址如上。

按步驟截圖如下

sudo apt-get install python-pip python-dev （這個不完整，完整版如下）

sudo apt-get install python-pip python-dev Python-scipy Pythoy-numpy git

4.5、 Bazel安裝

由於本教程使用tensorflow原始碼編譯/安裝，所以需要使用 bazel build。

自動跳轉

4.6、 numpy安裝

git clone git://github.com/numpy/numpy.git numpy

4.7、 Tensorflow安裝

還是剛剛的網址

./configure

bazel build -c opt //tensorflow/tools/pip_package:build_pip_package

bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package

bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

sudo pip install /home/***（你自己的使用者名稱）/Desktop/tensorflow-0.10.0-cp2-none-any.whl

bazel build -c opt //tensorflow/tools/pip_package:build_pip_package

# To build with GPU support:

bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package

mkdir _python_build

cd _python_build

ln -s ../bazel-bin/tensorflow/tools/pip_package/build_pip_package.runfiles/org_tensorflow/*.

ln -s ../tensorflow/tools/pip_package/*.

python setup.py develop

五、 測試Tensorflow

六、 實驗：模仿梵高繪畫

接下來，下載vgg19：
http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat

然後，把vgg放到neural-style的資料夾根目錄下

現在，在命令視窗cd  /home/***(你自己的使用者名稱)/Desktop/

   git clone  https://github.com/anishathalye/neural-style.git 

接著 你就能在桌面開啟這個檔案夾了

把你想修改的照片放入example資料夾內，然後在剛才的視窗命令接著輸入：

python   neural_style.py   --content  ./example/***.jpg(此括號內不要複製：***代表你想要使用的圖片名稱)   --styles  ./example/ 1-style.jpg(此括號內不要複製：1-style.jpg是梵高星空圖片在資料夾內名稱，你也可以換其他的風格，改名稱就行了) --output  ./example/$$$.jpg(此括號內不要複製：$$$代表你想要生成的圖片名稱)

例如我的輸入如下python neural_style.py –content ./example/1-content.jpg --styles./example/1-style.jpg--output ./example/1-output.jpg

接下來，就是見證奇蹟的時刻。

在計算機學到梵高作品星空的風格之後，讓計算機對指定圖片進行梵高式處理，如下圖所示

之前用CPU得一個半小時才能出來結果的，現在用GPU幾分鐘即可出結果。不枉費勁心思折騰GPU。

後記

    兩位同事此前從未做過任何DL實驗，僅拼著一腔熱情、興趣、熱愛做這個實驗，剛做完時覺得很麻煩，因為很多坑網上都沒提過、全憑在黑暗中摸石頭過河，且前行整整一夜。但相信有此教程後，1070+8.0則不再麻煩，可能一兩個小時便能搞定（因為後來我們一下午連搞三遍，一遍比一遍快）。動嘴容易、動手方知沒那麼容易，但真正推動社會前行的永遠是實幹家，而非評論家。

    這個實驗只是開始，我們開發/市場團隊還會輔助講師團隊帶動更多學員朋友做一系列更多實驗，比如char-rnn、WaveNet（用卷積神經網路模擬人的聲音）等等，哪怕實驗再簡單我們也會去做，因為：學計算機/ML/DL，第一要領就是動手、就是實驗，否則說再多都是紙上談兵。

    創造價值、幫助眾人。貼兩張圖，是為念。最後探究實驗背後原理，請參看此課程：深度學習班。

    七月線上開發/市場團隊驍哲、李偉、July，二零一六年九月二十五日。