安装低版本CUDA问题解决以及其他

解决方案
解决cuda8.0 安装不了的问题：

1. unpack .run file ./cuda*.run –tar mxvf

    执行： ./cuda_8.0*.run --tar mxvf；

2.copy InstallUtils.pm to /usr/lib/x86_64-linux-gnu/perl-base

    执行： sudo cp InstallUtils.pm /usr/lib/x86_64-linux-gnu/perl-base

3.export $PERL5LIB
4.再次运行sudo ./cuda_8.0*.run --override
# 这里的override 可以防止GCC版本问题出现。

复制CUDNN：

sudo cp cuda/include/cudnn.h /usr/local/cuda-8.0/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-8.0/lib64/
sudo chmod a+r /usr/local/cuda-8.0/include/cudnn.h
sudo chmod a+r /usr/local/cuda-8.0/lib64/libcudnn*

tensorflow 安装：

Could not find a version that satisfies the requirement tensorflow-gpu==1.21 (from 
versions: 0.12.0rc0, 0.12.0, 0.12.1, 1.0.0, 1.0.1, 1.1.0, 1.2.0, 1.2.1, 1.3.0, 1.4.0, 
1.4.1, 1.5.0, 1.5.1, 1.6.0, 1.7.0, 1.7.1, 1.8.0, 1.9.0, 1.10.0, 1.10.1, 1.11.0, 1.12.0,
 1.12.2, 1.12.3, 1.13.1, 1.13.2, 1.14.0, 1.15.0rc0, 1.15.0rc1, 1.15.0rc2, 1.15.0rc3, 
 1.15.0, 2.0.0a0, 2.0.0b0, 2.0.0b1, 2.0.0rc0, 2.0.0rc1, 2.0.0rc2, 2.0.0, 2.1.0rc0, 
 2.1.0rc1, 2.1.0rc2, 2.1.0)
 
ERROR: No matching distribution found for tensorflow-gpu==1.21

推荐pip 加上边的指定版本以及相应的 -i 源 来进行安装。
源：

   清华(常用)：https://pypi.tuna.tsinghua.edu.cn/simple

    中科大(据说好用)： https://pypi.mirrors.ustc.edu.cn/simple/

    阿里云(据说好用)：https://mirrors.aliyun.com/pypi/simple/

    豆瓣：https://pypi.douban.com/simple/

conda 原：

channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
show_channel_urls: true
ssl_verify: false

pycharm的一些问题：
快捷方式问题：

[Desktop Entry]
Type=Application
Name=Pycharm
GenericName=Pycharm3
Comment=Pycharm3:The Python IDE
Exec=sh /home/cxiansheng/下载/pycharm-community-2018.1.2/bin/pycharm.sh
Icon=/home/cxiansheng/下载/pycharm-community-2018.1.2/bin/pycharm.png
Terminal=pycharm
Categories=Pycharm;

不能输入中文问题：
在pycharm中的python文件中输入中文会报错SyntaxError:

问题解决方法在文件开头添加 ：

# -*- coding:utf-8 -*-

每次添加都很麻烦，一劳永逸解决此问题的方法：
file-->setting-->editor-->File and Code Templates-->Python Script   添加：

#coding = utf-8
# -*- coding:utf-8 -*-

将配置的环境不同平台进行迁移：

软件包名称：
	conda env export > environment.yml
	然后重现环境：
	conda env create -f environment.yml

conda pack:直接将环境打包

	conda install -c conda-forge conda-pack
或者
	pip install conda-pack
打包一个环境：

# Pack environment my_env into my_env.tar.gz
conda pack -n my_env

# Pack environment my_env into out_name.tar.gz
conda pack -n my_env -o out_name.tar.gz

# Pack environment located at an explicit path into my_env.tar.gz
conda pack -p /explicit/path/to/my_env

重现环境：

# Unpack environment into directory `my_env`
mkdir -p my_env
tar -xzf my_env.tar.gz -C my_env

# Use Python without activating or fixing the prefixes. Most Python
# libraries will work fine, but things that require prefix cleanups
# will fail.
./my_env/bin/python

# Activate the environment. This adds `my_env/bin` to your path
source my_env/bin/activate

# Run Python from in the environment
(my_env) $ python

# Cleanup prefixes from in the active environment.
# Note that this command can also be run without activating the environment
# as long as some version of Python is already installed on the machine.
(my_env) $ conda-unpack

conda导出已有环境：

conda env export > environment.yaml

环境会被保存在 environment.yaml文件中。当我们想再次创建该环境，或根据别人提供的.yaml文件复现环境时，可以：

conda env create -f environment.yaml

就可以复现安装环境。移植过来的环境只是安装了你原来环境里用conda install等命令直接安装的包，你用pip之类装的东西没有移植过来，需要你重新安装。

 

pip导出安装的库到requirements.txt

pip freeze > requirements.txt

pip导入requirements.txt中列出的库到系统

pip install -r requirements.txt

软连接方式

ubutu的数据及可以通过软连接的方式来进行，这样就不需要对数据进行复制迁移了：（好方便）
	软连接和硬连接的区别：
	ln -s old.file sotft.link   （老文件空间不足，我可以通过连接，将其连接到新的文件中，那么相应的内容就会放到新文件中。）
	ln -s old.dir soft.link.dir

例如：
    cd mmdetection
    mkdir data	
    ln -s $COCO_ROOT data （其中 $COCO_ROOT 真实的数据根目录。）
	结构如：
		mmdetection
				├── mmdet
				├── tools
				├── configs
				├── data😛️
				│   ├── coco
				│   │   ├── annotations
				│   │   ├── train2017
				│   │   ├── val2017
				│   │   ├── test2017