ubuntu18.04 深度学习环境配置（anaconda3，pycharm，python3.7，tensorflow2.0gpu）

主要包括Nvidia显卡安装，CUDN10.1安装，CUDNN7.6.5安装，pycharm20190204破解安装，anaconda3安装，tensorflow2.0gpu，pytorch安装

Nvidia显卡黑屏

倘若无黑屏问题，显卡驱动可以先不装，cuda里面有带安装显卡驱动的。
安装好Ubuntu18.04后什么都不要安装，包括显卡驱动，直接下载cuda10.0和对应版本的cudn

在用启动优盘安装后，由于机器为NVIDIA显卡出现黑屏问题 ，主要参考Ubuntu18下安装Nvidia驱动并解决黑屏和分辨率问题 安装nvidia

CUDN10.1 安装

1. 在官网 下载相应的包

2. 安装cuda

cd Downloads  #跳转到下载的安装包所在目录，若已在该目录，则无需跳转
sudo chmod 777 cuda_10.1.243_418.87.00_linux.run
sudo ./cuda_10.1.243_418.87.00_linux.run

# 方法二 直接官网下载
wget http://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run
sudo sh cuda_10.1.243_418.87.00_linux.run

由于我已经安装了显卡驱动，这里不安装driver，那么只需要移动到Driver，按enter键，将＂［］＂中的Ｘ去掉即是不选择．然后在Install.因为我们只是调用CUDA，不去写CUDA程序，所以Samples也可以选择不安装．
安装完成

3. 配置cuda

配置到环境变量

sudo gedit ~/.bashrc

打开文件后在文件末尾添加路径，也就是安装目录，命令如下：

 export PATH=/usr/local/cuda-10.1/bin:$PATH
 export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH

运行

source ~/.bashrc

c、 测试

cat /proc/driver/nvidia/version #查看nvidia版本
cat  /usr/local/cuda/version.txt # 查看cuda版本

CUDNN 安装

在官网进行注册下载

共两种方法 下载tgz压缩包或3个deb包进行安装

# method1  我采用的该方法
cd Downloads 
tar -zxvf cudnn-10.1-linux-x64-v7.6.5.32.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

# method 2
sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.1_amd64.deb
sudo dpkg -i libcudnn7-dev_7.6.5.32-1+cuda10.1_amd64.deb
sudo dpkg -i libcudnn7-doc_7.6.5.32-1+cuda10.1_amd64.deb

安装后进行测试

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

CUDA 卸载及升级

# 重新安装nvidia驱动先卸载：
sudo apt-get purge nvidia-*  # 慎用

sudo /usr/local/cuda-10.0/bin/uninstall_cuda_10.0.pl
sudo rm -rf /usr/local/cuda-10.0

anaconda 安装

1. 在官网或清华大学镜像站下载合适的版本

本次下载Anaconda3-2019.10-Linux-x86_64.sh

2. 安装

a 安装

bash Anaconda3-2019.10-Linux-x86_64.sh

按照提示多次按下回车后选择yes并自定义安装目录

b 添加环境变量

1 打开bashrc文件.

sudo gedit ~/.bashrc
export PATH=/home/XXX/anaconda3/bin:$PATH    XXX为自己的用户名

2. 环境变量生效

source ~/.bashrc

3. 启动图形化界面

conda install -c anaconda anaconda-navigator​
anaconda-navigator

4. 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/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ 
conda config --set show_channel_urls yes

5. 创建tensorflow2.0 GPU 虚拟环境

# 创建一个名为TF_2G GPU的虚拟环境
conda create -n TF_2G python=3.7
# 进入虚拟环境
conda activate TF_2G
# 查询适合的tensorflow版本
conda search tensorflow-gpu
#安装所需库
conda install tensorflow-gpu==2.0.0
conda install jupyter #jupyter notebook是个ipython调试器
# 更新
conda upgrade tensorflow-gpu
# 退出虚拟环境
conda deactivate

#查看当前存在的环境
conda info --envs
#删除环境
conda remove -n TF_2G --all
# 获取安装包信息
conda list
# 显示已创建的环境
conda env list

# 更新所有包
conda update --all
或
conda upgrade --all
# 更新指定包
conda update <package_name>
或
conda upgrade <package_name>

# 卸载指定环境中的包
conda remove --name <env_name> <package_name>
# 卸载当前环境中的包
conda remove <package_name>

测试

python
import tensorflow as tf
version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:",version,"\nuse GPU",gpu_ok)

显示
tf version: 2.0.0
use GPU True
，说明gpu版本已经安装成功
tensorflow 2.0 已集成keras，一般加载方式为tensorflow.keras,调用方式一般为 tf.keras

5. 创建pytorch GPU 虚拟环境

# 创建一个名为pytorch_G GPU的虚拟环境
conda create -n pytorch_G python=3.7
# 进入虚拟环境
conda activate pytorch_G
# 查询适合的tensorflow版本
conda search pytorch-gpu
#安装所需库
conda install pytorch torchvision cudatoolkit=10.1
conda install jupyter #jupyter notebook是个ipython调试器
# 更新
conda upgrade pytorch-gpu
# 退出虚拟环境
conda deactivate

测试

python
import torch
import torchvision
print(torch.cuda.is_available())

cuda.is_available() 输出为TRUE就对了，证明GPU可以被调用。

Pycharm 安装

1. 下载

下载Pycharm官方专业版
进行解压

cd Downloads
tar -zxvf pycharm-professional-2019.2.4.tar.gz
#  将解压后的文件移动到/opt文件
sudo mv pycharm-2019.2.4/ /opt

2. 破解

在我提供的[百度网盘](链接: https://pan.baidu.com/s/12s23PyvHk8g-P7KO0-catw )提取码: qmh6 ,下载jetbrains-agent-latest.zip进行解压，将 jetbrains-agent.jar放到pycharm-2019.2.4目录下

# 在jetbrains-agent.jar所在文件夹中打开终端
sudo mv jetbrains-agent.jar /opt/pycharm-2019.2.4
#切换到bin目录下
cd /opt/pycharm-2019.2.4/bin/     
./pycharm.sh 

在弹出的页面中选择免费评估


选择Configure里面的Edit Custom VM Options…，

然后在弹出的窗口添加 -javaagent:【jetbrains-agent.jar文件的存放路径】，保存，下图为例

重启软件。在首页中点击Configure，然后点击Manage License，选择Activation code。复制下载包中Activation Code，OK。成功激活了。

3. 配置使用conda虚拟环境

1. 新建工作空间

以存放项目库



点击确认后再打开即可见新建项目成功

其他文件及包的建立可参考【PyCharm】PyCharm 使用基础：新建 python 项目、包、目录、文件

4. Pycharm界面配置

File>>settings进行相应设置
如
设置字体

更改python代码配色

5. 创建桌面快捷键

# 打开pycharm
cd /opt/pycharm-2019.2.4/bin/     
./pycharm.sh 

新建一个工程，在 Tools 中选择Creat Desktop Entry…即可添加快捷方式