服务器虚拟环境的搭建

1. pip+清华镜像

pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple

2. cuda

# 查看cuda 版本
cat /usr/local/cuda/version.txt

4. conda

# 查看 conda 版本
 conda --version
# 查看虚拟环境
conda info --envs
# 查看虚拟环境下的环境配置（激活虚拟环境后执行）
conda list
# 离开虚拟环境
conda deactivate

3. 创建/删除虚拟环境

# 创建虚拟环境名为 nlp ,对应 python 版本 3.6（可自行指定版本号）
conda create -n nlp python=3.6
# 在指定目录下搭建虚拟环境
conda create --prefix=/mnt/external/cjm/envs/pytorch_04 python=3.6
# 删除指定目录下搭建的虚拟环境（需退出该虚拟环境后执行）
conda env remove -p /mnt/external/cjm/envs/pytorch_04/

4. 虚拟环境的激活

# 激活默认目录下的虚拟环境
conda activate nlp 
# 激活指定目录下的虚拟环境
conda activate /mnt/external/cjm/envs/pytorch_04

激活虚拟环境时报错：
报错原因，可能是上次关闭服务器时没有关闭虚拟环境，此时执行：

source activate # 切换到 base 目录下
conda deactivate # 退出虚拟环境

5. GPU使用情况

nvidia-smi

可以通过下面语句来指定程序运行时使用的显存号

# 使用python的 os 模块
import os
os.environ['CUDA_VISIBLE_DEVICES'] = '1,2'
# 直接设置环境变量(linux 系统）
export CUDA_VISIBLE_DEVICES = 2,3
# 跑代码的时候指定
CUDA_VISIBLE_DEVICES = 2,3 python setup.py

6. 查看 pytorch 版本

# 在 python 编辑环境下输入
import torch
torch.__version__

7. 在当前的虚拟环境中安装 tensorflow

conda install tensorflow-gpu
# 若需要指定版本 （conda 会检测要安装的tf版本是否与当前版本相容）
conda install tensorflow-gpu = xxx
# 验证tf是否成功安装（在python编辑环境下输入）
import tensorflow as tf
tf.version

8. 安装指定版本的 numpy

conda install numpy=1.11.3

9. 安装指定版本的opencv（import cv2 报错）

 pip install opencv-python==3.2.0.6

5. 安装指定版本的pydicom

pip install pydicom==1.4.2

6. 报错：ModuleNotFoundError: No module named ‘PIL’

conda install pillow

7. 报错：ModuleNotFoundError: No module named ‘torchnet‘

# 安装 git
conda install git 
# 或者 
pip install git
# 确保 torch 已经安装
 pip install git+https://github.com/pytorch/tnt.git@master

8. 报错：ModuleNotFoundError: No module named ‘torch’

# 安装指定版本的 pytorch
conda install pytorch=0.4 -c pytorch