conda 安装opencv_服务器Ubuntu系统重新配置与环境安装

最近实验室服务器崩溃了，搞得我也很崩溃。对于SSD固态硬盘（几百G）与机械硬盘（2T）并存的双硬盘，两个K40 tesla系列的双显卡系统重装，确实不怎么好搞。基本上能遇到各种问题，踩了各种坑，都是血淋淋的实施。好记性不如烂笔头，就简单的记录一下，以避免下次踩同样的坑。一言不合我就拆开的服务器长这样：

两个k40 tesla系列显卡，两个静音风扇

1、系统重装时，注意设置U盘启动项及进入界面的各种优先启动顺序。

2、系统分区问题。一定要注意 / 的分区最好大一些，因为一般下载的软件等各种包都会默认安装在该路径中。这次重装就是因为之前系统没有合理的分区，导致这个路径下的空间满了。

3、系统引导盘问题。注意：对于双磁盘的情况，想清楚是把系统装在固态硬盘上还是装在机械硬盘上。这里一定要注意：如果装在固态硬盘上，则系统开机启动的快，但是在引导项中注意设置引导顺序；如果装在机械硬盘上，则系统开机启动的慢，甚至会启动不起来（如果本身显卡小的话，可能带不动这么大的机械硬盘）。后来，把固态硬盘直接拆掉，不用了，直接把系统装在机械硬盘上。

4、安装显卡驱动时，有一项就是要关闭当前界面。再重启时可能会启不动。

。。。。。。反正就是各种问题，拆了卸，卸了拆，拆中有卸，卸中有拆，真的太折磨人了。

各种环境的配置：

1、安装anaconda。

从官网下载anaconda，打开terminal，进入终端，打开下载的路径：

anaconda 安装目录：/home/用户名/anaconda

bash Anaconda.sh 文件

按照提示，安装成功。

然后还要环境配置一下：

如果是界面：sudo gedit ~/.bashrc

如果是命令行安装，则为 ：vim ~/.bashrc （采用此方式）

然后进入vim环境中，在最后一行加入下面一句话：

export PATH="/home/用户名/anaconda3/bin:$PATH"

然后：source ~/.bashrc

2、建立环境与安装各种包。

新建环境 ：conda create -n 环境名

激活环境：source activate 环境名

显示已有的环境：conda info -e

删除环境： conda remove -n 环境名 --all

在当前环境下安装各种包：conda install 包名

如果安装不成功，则可以用pip安装 ：pip install 包名

一般深度学习安装的各种包包括：pillow、jupyter、matplotlib、lxml、opencv、keras，jupyter notebook，pytorch等

如果安装指定包的版本，以tensorflow为例，则为：conda install tensorflow-gpu=1.12

这里一定要注意：cuda和cudnn以及Keras和TensorFlow的匹配问题，一定要注意各版本的兼容与匹配，还要注意安装顺序，有教程总结了各包的兼容版本与安装顺序！！！

具体可参考: https://blog.csdn.net/MahoneSun/article/details/80809042

安装pytorch：

在pytorch官网（https://pytorch.org/）上下载机器所对应的pytorch版本。

然后终端进入下载的目录，使用conda 命令安装：conda install 下载的pytorch版本。

安装torchvision：conda install torchvision

验证pytorch是否安装成功：

import torch

import torchvision

验证GPU是否可用：

print(torch.cuda.is_available()

出Bug了！这就是因为我安装pytorch版本时没有注意cuda的版本。查了一下我们服务器的cuda版本是9.0。

So，pytorch卸载重装吧。

卸载包：conda uninstall pytorch

conda uninstall torchvision

去pytorch 官网找到cuda对应版本的pytorch：

重新安装：conda install pytorch torchvision cudatoolkit=9.0 -c pytorch

这句话安装很慢。。。。慢慢等。

如果期间报错，就按照报错给出的网址重新下载再安装。

如果要查看现有的可利用的包的版本，可用 conda search 包名。

可以用conda list 查看一下已经安装的各种包。

世上本没有坑，踩得多了，便成了坑。