安装需要的文件:
anaconda/miniconda
cuda安装文件
cudnn安装文件
驱动文件(可选择自动下载)
安装anaconda/miniconda
首先进入如下 的地址下载安装包:
https://www.anaconda.com/products/individual#linux
如果觉得上面网站安装太慢,可以使用如下网站:
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
如果你想安装miniconda可以从下面这俩个网站下载:
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
https://docs.conda.io/en/latest/miniconda.html
下面就安装anaconda来介绍:
等安装完毕之后,看看安装在了哪个目录下:
正常情况下是在Downloads文件夹内,但是有的时候不是,比如我安装搜狗的时候就不在该文件夹内,如果你对安装搜狗不清楚,可以参考我这篇博客:
https://blog.csdn.net/weixin_43141320/article/details/106266340
下载anaconda完毕之后打开终端,输入cd ~/Downloads/
切换到该文件夹下,然后输入指令ls
可以查看当前目录下的文件:
然后安装包,输入:
bash Anaconda3-2020.02-Linux-x86_64.sh
安装的期间会偶尔让你输入,按照它给的信息一路回车或者输入yes即可:
但是我当时安装的时候打了一个岔,不知道是不是误触,在这里它认为我输入了no:
导致我安装完毕之后输入conda说不存在该指令,需要先激活conda(注意下面的conda激活并没有解决我这里的conda init 没有输入yes的问题,在后面的虚拟环境的激活会显现出来,如果你想马上解决这个问题,直接输入conda init,然后重新打开一个命令行即可,这些具体将在最后面的虚拟环境上提到)
conda的激活
这种情况下依次输入如下指令即可:
echo 'export PATH="/home/wxl/anaconda3/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc
注意第一条指令的wxl要依据自己的用户来修改
然后测试一下:
成功了!
pip 安装包提速:
先给出常用的镜像源:
豆瓣 http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
一劳永逸(永久置换pip镜像源)
首先输入:
cd ~/.pip
如果提示不存在,那么首先创建一个再进入:
mkdir ~/.pip
cd ~/.pip
在该目录下创建一个pip.conf文件:
touch pip.conf
文件创建好了之后编辑该文件,输入:
sudo gedit ~/.pip/pip.conf
然后打开了该文件
我使用的是清华镜像,
在这个文件内输入如下内容:
[global]
timeout = 60000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
use-mirrors = true
mirrors = https://pypi.tuna.tsinghua.edu.cn
保存即可,但是我的命令行里出现了如下警告:
这个警告没有影响,我尝试安装keras使用的是清华镜像,而且非常快:
暂时替换源:
在每一次安装包的时候在后面加上镜像源,比如我安装keras:
pip install keras -i https://pypi.tuna.tsinghua.edu.cn/simple
如果报错的话,在后面加上:
pip install keras -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn
conda安装包提速:
首先保证conda最新:
conda update conda
添加通道(清华源):
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/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
一般添加前两个即可。
如果不想使用该通道,将add改成remove即可。
设置搜索时显示通道地址:
conda config --set show_channel_urls yes
更多添加conda镜像源的方法参照:【https://blog.csdn.net/weixin_41466947/article/details/107377071】
然后在这里补充几条conda的常用指令:
#安装包
conda install xxxx
# 查看当前环境下已安装的包
conda list
# 查看某个指定环境的已安装包
conda list -n tf2.0
# 查找package信息
conda search numpy
# 安装package
conda install -n tf2.0 numpy # 如果不用-n指定环境名称,则被安装在当前活跃环境 也可以通过-c指定通过某个channel安装
# 更新package
conda update -n tf2.0 numpy
# 删除package
conda remove -n tf2.0 numpy
# 更新conda,保持conda最新
conda update conda
# 更新anaconda
conda update anaconda
# 更新python
conda update python
虚拟环境的创建
比如我想创建一个3.7.6python版本的名为tf2.0的虚拟环境:
conda create --name tf2.0 python==3.7.6
创建完了之后我激活虚拟环境却出现了问题:
说明前面的激活conda并没有解决我安装anaconda的时候在conda init这里没有输入yes的问题,对于新手来说其实有点慌的,其实这个好解决,直接输入conda init即可:
查看conda init --help发现如果直接输入conda init就会默认linux里的bash被初始化,我暂时就初始化一个shell,如果以后出了问题再初始化其他的shell.
初始化之后重新打开一个终端测试:
成功!
给出常用的虚拟环境操作指令(以我的tf2.0环境为例):
# 激活环境
conda activate tf2.0
# 退出虚拟环境
conda deactivate
# 显示安装过的所有虚拟环境
conda info --envs
或
conda info -e
或
conda env list
# 复制环境(复制tf2.0环境名为py3.7)
conda create --name py3.7 --clone tf2.0
# 删除环境
conda remove --name tf2.0 --all
# 查找包
# 精确查找
conda search --full-name 查找的包名
# 模糊查找
conda search 查找的内容
# 指定环境安装包
conda install --name 环境名 要安装的包名
# 在当前环境安装包
conda install 要安装的包名
tensorflow2.0gpu版本的安装:
anaconda安装->NVIDIA驱动安装->CUDA安装->CUDNN安装->tensorflow2.0安装
NVIDIA驱动安装:
版本型号:
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
驱动下载网站:
https://www.geforce.cn/drivers
tf2.0需要cuda10.0及其以上的版本
针对新手安装:
PPA源:最简便,但未必有最新驱动,或可能遇到问题。
sudo add-apt-repository ppa:xorg-edgers/ppa #添加ppa源
sudo add-apt-repository ppa:graphics-drivers/ppa #添加ppa源
sudo apt-get update #更新apt-get123
然后进入:系统设置->软件更新->附加驱动,选择更新的显卡驱动
针对老手安装:
https://blog.csdn.net/CosmosHua/article/details/76644029
cuda的安装:
cudnn的安装:
https://developer.nvidia.com/rdp/cudnn-download