如何在Ubuntu上搭建人工智能开发环境

教程

人工智能 (AI) 是当今技术领域中最令人兴奋和快速发展的领域之一。借助 AI，机器能够执行曾经需要人类智能的任务，例如图像识别、自然语言处理和决策制定。

如果你是初学者并想深入了解 AI 开发，Linux 是一个优秀的操作系统选择，因为它强大、灵活，并且在 AI 社区中被广泛使用。

在本指南中，我们将带你了解在你的 Ubuntu 系统上设置 AI 开发环境的过程。

开始所需的条件

在开始之前，让我们了解一下在 Linux 上设置 AI 开发环境所需的基本条件：

  • 基本命令行知识：你应该对 Linux 终端和 基本命令 有一定的了解，因为你需要在其中运行命令。
  • Python：Python 是 AI 开发中最流行的语言，因为大多数 AI 库和框架都是用 Python 编写的，因此安装它至关重要。

一旦准备好这些，我们就可以开始设置你的环境。

第 1 步：更新你的系统

设置任何开发环境的第一步是确保您的系统是最新的，这将确保系统上的所有软件包都是最新版本，以免遇到任何兼容性问题。

要更新您的系统，请打开终端并运行以下命令：

sudo apt update && sudo apt upgrade -y

一旦此过程完成，您的系统就准备好安装AI工具了。

第2步：在Ubuntu中安装Python

Python是AI开发的首选语言，大多数AI框架如TensorFlow和PyTorch都是用Python构建的，因此在您的系统上安装它是必不可少的。

要检查Python是否已安装，请运行：

python3 --version

如果Python已安装，您应该看到一个版本号，如Python 3.x.x。如果未安装，可以运行以下命令进行安装：

sudo apt install python3 python3-pip -y

安装Python后，您可以通过运行以下命令验证安装：

python3 --version

应该看到Python版本号显示。

第3步：在Ubuntu中安装AI库

安装了Python后，我们现在需要安装AI库，以帮助您构建和训练机器学习模型。最流行的两个AI库是TensorFlow和PyTorch，但也有其他库。

如果您正在进行多个AI项目，建议使用虚拟环境，因为它可以让您隔离每个项目的依赖关系，以免彼此干扰。

sudo apt install python3-venv
python3 -m venv myenv
source myenv/bin/activate

1. 在Ubuntu中安装TensorFlow

TensorFlow是最广泛使用的人工智能框架之一，特别是在深度学习领域，提供了构建和训练机器学习模型的工具。

要安装TensorFlow，运行以下命令：

pip3 install tensorflow

2. 在Ubuntu中安装PyTorch

PyTorch是另一个流行的人工智能框架，尤其因其易用性和动态计算图而闻名，广泛用于研究和原型设计。

要安装PyTorch，运行：

pip3 install torch torchvision

3. 在Ubuntu中安装Keras

Keras是一个高层次的神经网络API，运行在TensorFlow之上，通过提供简单的接口，使构建和训练深度学习模型变得更容易。

要安装Keras，运行：

pip3 install keras

Keras默认包含在TensorFlow 2.x中，因此如果您已经安装了TensorFlow，则无需单独安装Keras。

4. 安装Scikit-learn

对于不需要深度学习的机器学习任务，Scikit-learn是一个很好的库，提供分类、回归、聚类等工具。

要安装它，运行：

pip3 install scikit-learn

5. 在Ubuntu中安装Pandas和NumPy

熊猫和NumPy是数据处理和分析的基本库，因为它们用于处理数据集和执行数学运算。

要安装它们，请运行：

pip3 install pandas numpy

步骤4：安装Jupyter Notebook（可选）

Jupyter Notebook是一个基于网页的工具，允许您在交互式环境中编写和执行Python代码，并且在AI开发中广泛用于实验代码、运行模型和可视化数据。

要安装Jupyter Notebook，请运行：

pip3 install notebook

安装完成后，您可以通过运行以下命令启动Jupyter Notebook：

jupyter notebook

这将会在您的网页浏览器中打开一个新标签页，您可以在其中创建新的笔记本，编写代码，并立即查看输出。

步骤5：安装GPU驱动程序（可选，以加速AI开发）

如果您的系统上有兼容的NVIDIA GPU，您可以利用它来加速AI模型的训练，特别是深度学习模型，需要大量的计算能力，使用GPU可以大幅减少训练时间。

要安装NVIDIA显卡所需的GPU驱动程序，请运行：

sudo apt install nvidia-driver-460

安装完成后，请重启系统以应用更改。

您还需要安装CUDA（计算统一设备架构）和cuDNN（CUDA深度神经网络库），以使TensorFlow和PyTorch能够使用GPU。

您可以在NVIDIA的网站上找到CUDA和cuDNN的安装说明。

第6步：测试您的设置

现在您已经安装了Python、必要的人工智能库，并且可选择地设置了虚拟环境和GPU驱动程序，现在是时候测试您的设置了。

要测试TensorFlow，请打开一个Python解释器，输入以下命令：

python3

然后，导入TensorFlow并检查其版本：

import tensorflow as tf
print(tf.__version__)

您应该在屏幕上看到TensorFlow的版本号。如果没有错误，则TensorFlow已正确安装。

接下来，测试PyTorch：

import torch
print(torch.__version__)

如果两个库都打印出其版本号而没有任何错误，您的设置就完成了。

第7步：开始构建AI模型

有了您的环境设置，现在您可以开始构建AI模型了。这里是一个使用TensorFlow和Keras创建基本神经网络的简单示例。

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

# Define a simple model
model = Sequential([
    Dense(64, activation='relu', input_shape=(784,)),
    Dense(10, activation='softmax')
])

# Compile the model
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

# Summary of the model
model.summary()

这段代码定义了一个具有一个隐藏层和一个用于分类的输出层的简单神经网络。您可以使用像MNIST（手写数字）或CIFAR-10（物体图像）这样的数据集来训练该模型。

结论

恭喜你！你已经成功在Ubuntu上设置了你的AI开发环境，安装了Python、TensorFlow、PyTorch、Keras和Jupyter Notebook，现在你拥有了开始构建和训练AI模型所需的所有工具。

随着你在AI领域的继续探索，你可以研究更高级的主题，如深度学习、强化学习和自然语言处理。网上有许多资源、教程和课程可以帮助你学习并提高技能。

请记住，AI开发是一个充满激动人心的领域，拥有无限的可能性。无论你想要构建自动驾驶汽车、创建智能聊天机器人，还是分析大数据，你在AI领域发展出来的技能在许多技术领域都会非常有价值。

祝你编码愉快，享受你的AI之旅！

Source:
https://www.tecmint.com/setup-ai-development-environment-on-ubuntu/