1.下载anaconda3(5.2,python3.6)
在中科大镜像上找到对应版本:Anaconda3-5.2.0-Linux-x86_64.sh
上传到服务器(1. scp 本地目录文件 用户@服务器地址:需上传的目录
或 2. 输入rz命令,较慢
或3 直接通过
上传),然后在对应目录下 bash Anaconda3-5.2.0-Linux-x86_64.sh 即可(一直YES就好)
也可使用wget 命令,下载到本地文件夹中,再进行 bash
2.添加路径
由于本人服务器权限较低,服务器默认的是python路径,需要添加anaconda路径到系统变量才可以用
打开.bashrc,在最后一行添加
即可,验证的话输入:conda list ,可以出现一系列安装包就证明添加成功
3.配置TensorFlow-GPU环境
这个坑真的炒鸡多,因为TensorFlow需要与cuda以及cudnn版本匹配,具体怎么匹配不再赘余,我需要安装的版本是1.8.0 直接输入:
conda install tensorflow-gpu==1.8.0
接下来是激活,直接使用source activate tensorflow总是显示
这时候我试了很多方法,管用的是:
conda create -n tensorflow python=3.6
安装完之后再使用source activate tensorflow 就会成功:
前面显示(tensorflow)即成功了
4.添加Keras-GPU包
直接使用 conda install keras-gpu 时,会自动安装2.2.4版本的,我在运行代码时总报错
卸载了 conda uninstall keras-gpu ,直接下载了 2.1.6版本的,就不会报错了
conda install keras-gpu==2.1.6
5.添加opencv包
这个包没有坑点,我就直接在pycharm里添加的,settings-project interprete-+
至此,所有我需要的配置都配置完毕,可以使用服务器上的GPU跑代码了
6.安装easydict
试了 conda install -c chembl easydict 显示环境不匹配
改用
pip3 install easydict
安装成功
7.移动文件
mv xxxx ‘xxxxx’ 将xxxx移动到xxxxx下
8.安装pytorch
cuda9.0+python3.6.3 pytorch1.1.0+torchvision 0.3.0
conda install pytorch torchvision cudatoolkit=9.0 -c pytorch
9.anaconda创建虚拟环境
conda create -n environment_name python=3.6 # 跟上自己需要的python版本
激活:
source activate environment_name
退出:
conda deactivate