Ubuntu16.04下，通过pyenv安装anaconda，并安装tensorflow-gpu和opencv等库的简单方法

本文介绍两种安装tensorflow gpu版本的方法。第一种来自tensorflow官网推荐的方法，通过virtualenv建立纯净虚拟环境，在虚拟环境里安装。
第二种使用pyenv和anaconda。刚接触Ubuntu和python不久，写代码时摆脱不了IDE，比如anaconda的spyder，并且anaconda自带了很多库，非常方便。
第一种方法的缺点是太纯净，所以在第一种方法安装完之后，尝试了第二种方法。将anaconda安装在pyenv里，避免和系统自带python版本冲突。
然后在anoconda里直接用conda安装tensorflow-gpu和opencv等，安装过程很简单，而且可以在spyder里导入。
我的显卡是刚入门的GeForce GT 730M，刚好能达到装cuda的分数线。之前一直觉得这张卡不堪用，没必要装gpu版。跑CPU-only caffe版faster-Rcnn的demo时，
一张图片需要二十几秒钟。后来装了cuda, 使用GPU caffe运行demo发现一张图只需要两秒多，速度提升近十倍，第一次感受到GPU的强大。如果显卡能装cuda那就装吧。

第一种方法来自tensorflow官方推荐的virtualenv方法，大致如下

1.安装cuda	
在Nvidia官网http://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html下载.deb文件，按照3.Package manager installation
方式安装，中间没有碰到问题。
接下是Post-installation action,也就是添加环境变量：$ export PATH=/usr/local/cuda-8.0.61/bin${PATH:+:${PATH}}，不过要注意这里的版本号
cuda-8.0.61，我的文件夹下是cuda-8.0，改过来就好。
这里有点疑惑，官网的意思是直接在terminal上用export命令，这样效力仅限本次登录。网上有很多教程是在.bashrc文件里添加，这样以后会一直有效。
我采用了官网的方法。	
安装sample时报过错，在网上能找到解决方案。
2.安装cudnn        
cudnn的安装很容易，解压之后做两次复制。
3.利用virtualenv建立干净的虚拟环境，激活虚拟环境，并安装pip或pip3安装tensorflow gpu版。

第二种安装利用pyenv和conda

1.      pyenv的安装和介绍可以参考 https://segmentfault.com/a/1190000004020387
2.	$pyenv install –list，查看可以安装的python版本，包括了anaconda;
3.	$pyenv install anaconda-x，安装anaconda-x，（-x是第1步列出的某个版本号）安装路径.pyenv/version/下，不会对系统环境产生影响；
4.	$pyenv global anaconda-x,全局切换到anaconda环境；
5.	$conda install tensorflow-gpu，这时conda会自动安装需要的cuda和cudnn；
6.	$conda install opencv，没有碰到问题。
7.	$pyenv global system,安装完需要的库之后 切换回系统自带python版本。需要使用anaconda和tensorflow时用上面的命令3切换到anaconda环境，
可以直接在terminal下输入$python进入python，也可以$spyder，在spyder中编辑代码。

验证安装


安装完成后$python,然后依次输入下面命令，最后输出”Hello, TensorFlow!“，说明安装完成。
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
需要说明的是，我是在没有卸载第一种方式的情况下尝试的第二种。如果直接用第二种方式应该也不会有问题。