GPU服务器傻瓜式安装Anaconda，pytorch，tensorflow

1.下载Anaconda安装包，官网地址，清华源地址。

在官网下载到本地之后，可以通过文件传输上传安装包到服务器，使用清华源地址可以直接使用wget下载所需版本，例如：

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2022.05-Linux-x86_64.sh

2.安装Anaconda

bash Anaconda3-2022.05-Linux-x86_64.sh

然后，Enter

接受许可证条款，yes，则将呈现Anaconda3的安装位置相关信息。




按照提示命令激活conda的基础环境

eval "$(/home/xxx/anaconda3/bin/conda shell.bash hook)"
conda init

conda info	# 查看conda相关信息

3.conda换源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes	# 设置搜索时显示通道地址

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

注意：还原原始通道命令

conda config --remove-key channels	# 还原通道

4.安装pytorch

• 查询cuda版本

nvidia-smi

• 安装对应的pytorch版本，官网查看cuda对应的pytorch版本，也可以使用conda search pytorch查询可以安装的pytorch版本（向下兼容）
  
  
  
• conda创建激活虚拟环境

conda create -n envpytorch python==3.10	# 创建envpytorch虚拟环境，并配置python3.10
source activate envpytorch	# 激活虚拟环境
conda activate envpytorch	# 进入虚拟环境
conda deactivate	# 退出虚拟环境

• 在已创建的虚拟环境中安装pytorch，torchvision，torchaudio，cudatoolkit
  
• 查看是否安装成功
  
• 安装matplotlib、pandas、numba、seaborn等库

conda install matplotlib
conda install pandas
conda install numba
conda install seaborn

安装TensorFlow

• 同样创建激活虚拟环境trf

conda create -n trf python==3.8.16
source activate trf
conda activate trf
conda deactivate trf
conda env list	# 查看所有虚拟环境

• 查看对应的tensorflow-gpu版本，或使用conda search tensorflow-gpu
  
  
• 安装tensorflow-gpu2.4.1
  
• 安装完成之后，测试tensorflow是否安装成功

python

import tensorflow as tf

print(tf.__version__)
print(tf.test.gpu_device_name())
print(tf.config.experimental.set_visible_devices)
print('GPU:',tf.config.list_physical_devices('GPU'))
print('CPU:',tf.config.list_physical_devices(device_type='CPU'))
print(tf.config.list_physical_devices('GPU'))
print(tf.test.is_gpu_available())
#输出可用的GPU数量
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

可以看出本次安装出现错误


错误原因是numpy没有object属性，查阅材料发现numpy版本过高，选择降低版本

conda install numpy==1.23.4

再次测试是否安装成功

安装成功！！！！！！！！！！！！！！