Linux深度学习环境配置(tensorflow-gpu/远程jupyter)

这里讲解了python环境安装一直到无GPU的环境和有GPU环境的配置，其中第一部分是python环境搭建的内容，第三部分是jupyter配置的教程，如果你需要查看tensorflow-gpu的配置的话，可以直接到第四部分

 

python环境安装

一般的Linux系统是早已经安装好了python的，但是不否认有的默认是python2的版本，所以我们从头安装一遍

# ubuntu
sudo apt-get install python3 
sudo apt-get install python3-pip 
# 如果报错提示pip不存在，在安装pip前运行如下命令
sudo apt-get install software-properties-common
sudo apt-add-repository universe
sudo apt-get update

当然如果你选择直接安装conda也是可以的，安装步骤如下(记得加入环境变量选yes)

# centos和ubuntu通用
wget https://repo.continuum.io/archive/Anaconda2-2019.07-Linux-x86_64.sh
bash Anaconda2-2019.07-Linux-x86_64.sh
source ~/.bashrc

接下来就可以用conda的方式来管理你的python环境了

如果是直接下载的python3的话，可以考虑使用virtualenv来创建虚拟环境

pip3 install -U virtualenv
# 在当前目录创建虚拟环境
virtualenv --system-site-packages -p python3 ./your_name
#启用
source your_name/bin/activate

如果多任务的环境要求是一样的，推荐还是使用conda的方式，以下步骤的前提是你进入了你的虚拟环境

 

Tensorflow安装(无GPU)

无GPU的tensorflow安装很简单

# 此时你已经进入了你的虚拟环境，所以不是pip3
pip install tensorflow

记得检查是否安装成功

import tensorflow as tf
print(tf.__version__)

 

远程jupyter_notebook的配置

首先我们来安装jupyter

pip install jupyter
# 如果要使用lab，请继续运行下面命令
pip install jupyterlab

接下来启动jupyter