Linux普通用户安装Anaconda、cuda、cudnn、tensorflow和keras（训练YOLOV3）

Anaconda安装

本步参考链接: [link]https://blog.csdn.net/six_water/article/details/88995509
需注意下方链接只是目前最新版本，尽量按照我说的方法找最新链接。

第一步：进入anaconda官网找到下载的链接

（链接: [link]https://www.anaconda.com/products/individual）

找到图中所示位置，右键提取下载链接
（链接: [link]https://repo.anaconda.com/archive/Anaconda3-2020.07-Linux-x86_64.sh）

第二步：wget + 复制的链接

第三步：bash + 下载的anaconda文件，并且不停的enter

第四步：yes，接受他们的license，按下ENTER确定安装路径

第五步：静静地等待安装

第六步：是否希望安装程序初始化Anaconda在你的路径中

第七步：是否安装VScode，我选择了no

第八步：source .bashrc

Anacnda安装完成

cuda和cudnn安装

本步参考链接: [link]https://blog.csdn.net/u012422446/article/details/104882357

cuda安装

这里先放两张图，Linux的CUP，以及GPU和CUDA、CUDNN的匹配版本。
Linux CPU：

Linux GPU：

确认下自己需要安装的cuda版本
假如需要安装cuda10.0，那么在nvidia官网下载需要的cuda版本
（网址：https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal）

可以复制下载网址，然后在本地执行wget url 进行下载。
安装：在自己的目录下新建cuda10.0 目录；然后执行如下命令，并指定–toolkitpath=$HOME/cuda10.0：

sh cuda_10.0.130_410.48_linux.run --silent --toolkit --toolkitpath=$HOME/cuda10.0

下载cuDNN，并解压

这个稍微麻烦一些，因为nvidia官网禁用了国内的IP，所以需要翻墙才可以下载，我建议先用自己的电脑翻墙下载然后上传到服务器，如果是远程访问服务器，建议使用Finalshell软件，这个上传下载都很方便，而且不限速，好像也不限大小。

需要下载与cuda版本对应的cuDNN，比如与cuda10对应的cuDNN版本为：cuDNN V7.4.1（其实和cuda对应的cudnn官网都有标注的）
下载地址：https://developer.nvidia.com/rdp/cudnn-download，（在下载前需要注册为Nvidia 开发用户）
尽量下载我下图标注的这个，这是个压缩包，上传到服务器的时候比较好安装。

在window上下载好之后的样子

将这个文件上传到服务器，因为这个后缀名是.solitairetheme8，需要先转换成.tgz格式，然后才能解压。

$ cp  10.0-linux-x64-v7.4.1.5.solitairetheme8 cudnn-10.0-linux-x64-v7.4.1.5.tgz
$ tar -xvf cudnn-10.0-linux-x64-v7.4.1.5.tgz

解压后会在当前目录下得到cuda文件夹，其中的内容就是cuDNN的内容

拷贝cuDNN头文件与相关库文件到第一步安装的cuda文件夹中（$HOME/cuda10.0)

cp cuda/include/cudnn.h $HOME/cuda10.0/include/
cp cuda/lib64/libcudnn* $HOME/cuda10.0/lib64/
chmod a+r $HOME/cuda10.0/include/cudnn.h $HOME/cuda10.0/lib64/libcudnn*

修改 ~/.bashrc 文件，配置cuda与cuDNN相关库文件的路径

执行vim ~/.bashrc在文件的最后加上下面三行命令（这种方法也可以解决同一个服务器下不同用户使用不同版本的cuda）

export CUDA_HOME="$HOME/cuda10.0"
export PATH="$PATH:$CUDA_HOME/bin"
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:$CUDA_HOME/lib64"

可以通过env指令查看现在的环境变量

到此cuda和cudnn都安装好了

tensorflow和keras安装

为了使用库时有独立的环境空间比较整洁，我通过Anaconda创建的一个环境，然后在这个环境下安装的tensorflow和keras。
创建一个tensorflow-gpu（名字可随意取）的环境

 conda create -n tensorflow-gpu python=3.6

中间需要点yes确认
在这里需要注意的时，这里会下载好几个插件，如果有没下载成功的项（进度条没有到达100%）重复上一步命令即可，它会重新检测，继续下载那些没有成功的项。

然后激活环境

source activate tensorflow-gpu

安装tensorflow

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.13.2

安装keras，这个比安装tensorflow稍微麻烦一些，因为安装tensorflow是通过url，而keras是直接pip install，容易下载速度特别慢，最后导致下载失败。

这里需要升级 pip 到最新的版本 (>=10.0.0) 后进行配置（用的清华镜像源）：
参考链接: [link]https://mirrors.tuna.tsinghua.edu.cn/help/pypi/

pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

然后在执行（我安装的是keras2.1.5，需要安装什么版本可以直接将最后的版本数字改了）

pip install keras==2.1.5

最后可以验证一下是否安装成功：

python
import tensorflow

python
import keras

到这里所有的都安装完毕了，这里感谢CSDN上的其他博主的资料！