anaconda支持不同的cuda和cudnn

Anaconda 与深度学习环境

16 October 2018

    <section class="post-content typo">
        <p>8102 年 10 月了，Anaconda 已经成为 Python 最广为熟知的包管理软件之一。一方面是由于数据科学行业的从业人员大量增加，另一方面则是 Anaconda 自身变得越来越好用了，本文是一篇安利帖子，用于介绍如何使用 Anaconda 来构建和管理深度学习环境（也可以用于正常的 Python 包管理）。</p>

Anaconda 下载

首先，访问下载地址进入下载页面，下载与你电脑相应的平台安装包。本将文以 Ubuntu 18.04 为例
Windows 平台安装后，使用 Anaconda Prompt 软件可以达到相似效果。

深度学习环境

在最新的 Anaconda 工具中，不单单只支持 Python 包的管理了，也开始支持多个版本的 CUDA 和 cuDNN 的管理了。即不同的虚拟环境可以安装不同的 CUDA 版本，同时，也可以使用 conda 命令自动化的安装。

但是系统的驱动程序还是需要提前安装，使用 apt 安装即可，不推荐使用 nvidia 官网下载（大概率黑屏、卡登录界面）。

# 常规方法
sudo apt install nvidia-driver-410

# Ubuntu 16.04 以上可以使用系统的设备管理来安装
# 查看所有的设备及可安装驱动版本
sudo ubuntu-drivers devices
# 自动安装推荐(Recommend)的驱动
sudo ubuntu-drivers autoinstall

TensorFlow

TensorFlow 官方的预编译安装包，最高只支持到 Python 3.6 和 CUDA 9.0 。而在 Anaconda 包中，有已经编译好的 CUDA 9.2 版本的 TensorFlow 包。
安装步骤：

# 创建一个名字为 tensorflow-env 的虚拟环境，制定 python 版本为 3.6。tensorflow 最
# 高只支持到 3.6，如果使用 3.7 版本安装会提示找不到可用软件包。
conda create -n tensorflow-env python=3.6
# 激活环境
source activate tensorflow-env
# 你会发现命令行前面带了 (tensorflow-env) 这表明是在这个虚拟环境下了
# 安装 tensorflow
# cpu 版本：conda install tensorflow
conda install tensorflow-gpu
# 需要安装的软件包中你可以发现 cudatoolkit 和 cudnn 字样，表明会自动地安装
# 选择 y 安装即可

PyTorch

PyTorch 可能由于 "Python First" 的理念，因此和 Anaconda 的集成度很高。在 PyTorch 有安装的命令。

# PyTorch 支持 Python 2.7, 3.5, 3.6, 3.7
conda create -n pytorch python=3.7
source activate pytorch
# 安装
conda install pytorch torchvision -c pytorch
# CUDA 9.2 版本需要指明
conda install pytorch torchvision cuda92 -c pytorch

第三方 Python 包安装

有了 Anaconda 后，可以使用 conda 命令来替代原来的 pip 命令，避免混淆而不知道将包安在哪里了。整个步骤有两个：

• source activate env-name 激活需要安装包的虚拟环境；
• conda install package-name 安装软件包

如果不激活环境，会默认地安装在一个叫做 base 的环境，任何不激活环境的 conda 指令都是对 base 环境进行操作。

    </section>

</article>