ubuntu16.04上安装Anaconda3并搭建Tensorflow-gpu和spyder

ubuntu16.04上安装Anaconda3并搭建Tensorflow-gpu和spyder

由于学习深度学习的需要，在这里做一个笔记为了方便以后配置环境。在这里我给自己的笔记本电脑上搭建一个GPU环境。电脑配置的显卡为GTX960M，cuda_9.0和cuda对应的cudnn版本。

（一）安装Anaconda3

（1）Anaconda3下载

由于官网下载速度实在是慢到不行，所以这里使用清华的镜像源进行下载：Anaconda下载
在这里选择需要的版本，不同版本的Anaconda对应不同的Python版本，这里我对应事先配置好的Python3.6,选择的版本为Anaconda3-5.0.0-Linux-x86_64.sh。
Anaconda版本和Python版本的对应关系可参考博客：https://blog.csdn.net/yuejisuo1948/article/details/81043823

（2）Anaconda3安装

下载结束后，进入下载目录，打开终端输入命令：

bash Anaconda3-5.0.0-Linux-x86_64.sh

得到显示对应的内容，按enter继续安装。

一直回车，最后输入yes添加路径。

打开终端输入命令：

sudo gedit ~/.bashrc

查看路径中有没有对应的路径，

如果没有需要添加：

export PATH="/home/lb/anaconda3/bin:$PATH"
//其中lb时我自己的用户名，请根据需要修改自己的用户名

然后更新一下bashrc文件。

sudo source  ~/.bashrc

（3）检测Anaconda3的安装

在终端中输入命令：

python3

我们可以得到下图：

可以看到我们已经安装成功，Anaconda已经和我们的python版本匹配。

（二）更换下载源

（1）更换conda命令的下载源

我们在下载时如果不更换下载源，不仅下载速度过慢而且很有可能会下载失败，出现runtime××类型的错误，所以我们可以更换下载源。
打开终端输入命令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

如果下载速度依然很慢，可以尝试其重启系统，也可以重新添加下载源，删除defaults源。
在终端中输入命令：

conda config --show

显示现在的源，这里我已经把最后的defaules删除，重新添加的源。

删除源命令：

conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --remove channels defaults

重新执行添加源命令。这样使用conda命令，下载速度很有很大的提升。

（2）跟换pip的下载源

修改pip.conf文件，如果没有就创建一个

mkdir ~/.pip
cd ~/pip
touch pip.conf
sudo gedit ~/.pip/pip.conf

在打开的文件中输入以下命令：

[global]
index-url=http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com

保存并退出

（三）安装Tensorflow-gpu

根据网上很多资料，我们在这里选择创建虚拟环境进行安装。

（1）搭建Tensorflow的虚拟环境

使用conda命令进行创建：

conda create --name tensorflow python=3.6

在创建虚拟环境时一定要注意虚拟环境中的python版本，这个版本与你的需要的环境版本是相关的，比如我在这里使用的Tensorflow1.9.0需要的版本是python3.6。
输入命令过后，我们会得到下图，

表示我们创建虚拟环境成功。
输入命令激活虚拟环境

source activita tensorflow

我们可以得到下图，表示我们已经成功的进入了虚拟环境中。

要退出虚拟环境可使用命令：

source deactivita tensorflow

（2）下载Tensorflow

在下载Tensorfow的gpu版本的时候，一定要注意tensorflow是有对应的cuda版本和cudnn版本的，可以参考博客：Tensorflow的安装条件

1）. 使用conda命令下载

conda install tensorflow-gpu==1.9.0

输入y，等待下载结束便可，如果下载失败，出现runtime类型的错误，重新下载就行，已经下载好的文件不会重新下载。一点都无法下载的话可以更换下载源，也可以使用pip3进行下载。

2）. 使用pip3命令进行下载

为防止版本过低不能下载的情况，可以先更新pip3在下载：

sudo pip3 install -U pip
sudo pip3 install tensorflow==1.9.0

下载失败重新下载即可。等待下载结束。
测试下安装情况，在虚拟环境中输入命令

python3

得到结果

再输入内容

import tensorflow as tf
tf.__version__

得到输出

1.9.0

在这里可能出现警告，警告原因可能是由于numpy版本过高造成的。
如果没有警告接着输入内容

tf.test.is_gpu_available()

如果输出结果为Ture则表示安装成功，False表示失败，如果你的ubuntu使用的是集成显卡驱动的，那还是使用cpu版本较好。

解决刚刚版本的警告我们可以使用命令

python -c "import numpy as np; print(np.__version__)"

查看现在numpy版本，然后下载比这个版本低的版本即可。我的输出为

1.17.0

使用下载命令

conda install numpy==1.16.0

将版本换低就没有警告了。

（四）安装spyder

（1）软件下载

输入命令

conda install spyder

等待下载安装结束。

（2）测试软件

注意：
由于我们是在虚拟环境中安装的spyder所以我们每次调用时都需要进入虚拟环境中，否则在调用tensorflow时可能会出现cannot find tensorflow import 的情况。

在终端中输入命令

spyder

打开spder软件，输入测试代码。

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')  #初始化一个TensorFlow的常量
sess = tf.Session()  #启动一个会话
print(sess.run(hello))

点击绿色的三角形运行，我们就可以在右下角看到我们的输出结果，如图：

执行到这里我们就已经安装结束了。

参考文献：
https://blog.csdn.net/zbr794866300/article/details/97770752
https://blog.csdn.net/davidhopper/article/details/81206673