搭建深度学习环境（pytorch+tensorflow）

给远程服务器搭建深度学习环境（pytorch+tensorflow）

pytorch篇

之前在我的博文里面已经说了如何在远程服务器上安装anaconda（点我查看）这里我们要配置好我们深度学习需要的环境。

踩过的坑

我首先想到的是把我电脑上的环境直接配置到服务器端，所以参考了这篇博文，但是事情如果这么简单就解决了我也不至于非要写一篇博客来记录一下是吧 （手动微笑再见）
我的问题就是提示我 ResolvePackageNotFound 然后列了一大堆包，我尝试着先把这些包都更新到了最新也没能成功，网上提示说可能是因为MACOS与Linux之间有区别，所以mac上的包不能正确的迁移到linux上，所以我就打算重新安装一下一些必备的包，首先就是pytorch

安装pytorch

首先我们需要使用清华镜像 ，这会让我们下载包的速度飞起

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/

使用conda info命令可以看到

这样我们就配置成功啦~
然后我们需要看一下我们的cuda是什么版本，使用cat /usr/local/cuda/version.txt命令可以看到

说明我的cuda版本是10.1，然后我们现在需要创建我们的环境，使用命令conda create -n 环境名称 python=你需要的版本，然后使用conda env list可以查看我们现在已经有的环境，我创建的环境名称是pytorch

然后我们使用source activate pytorch就可以进入我们新建的环境中，现在进入正题，我们要下载我们需要的pytorch啦，首先进入pytorch官网

在上图中找到你需要的pytorch版本，图上是我的选择，然后把command命令拷贝下来，注意！！！在终端输入的时候要删掉最后的 -c pytorch，因为如果加上了这一点我们的清华镜像就无法发挥作用那么最后的结果极有可能就是你下载失败了，所以我们在终端中输入的命令应该是conda install pytorch torchvision cudatoolkit=10.1
安装过程中应该注意一下是否是对应gpu的pytorch（我曾经用该命令安装的cpu版本，不清楚怎么回事，还是注意看一下吧）

等待安装成功测试一下：

import torch
>>> torch.cuda.is_available()

返回True就说明我们的gpu版本的pytorch就安装成功啦~

tensorflow篇

由于我只是实验室服务器的一个使用用户，所以不存在什么安装cuda和驱动这种事情，在这里我就直接讲一下如何直接使用anaconda安装tensorflow。
选择anaconda是因为服务器上要同时管理不同版本的pytorch和tensorflow，所以方便管理，话不多说，我们直接开始（PS：在我安装的过程中没出现什么乱七八糟的问题）
1.为Tensorflow建立一个新的环境

conda create -n tensorflow python=3.6  #conda create -n 环境名 python=版本

这里我为我的tensorflow建立了一个名为tensorflow，python版本为3.6的环境。
2.激活刚建立的环境

source activate tensorflow

3.安装gpu版本的tensorflow

conda install tensorflow-gpu

终端中显示：

然后等待安装完成。
4.测试是否安装成功
在终端中输入python，然后依次输入如下代码：

import tensorflow as tf
hello = tf.constant('test tensorflow！')
sess = tf.Session()
print(sess.run(hello))

当结果成功出现test tensorflow！时说明我们已经成功！