在Linux服务器上完整配置anaconda+tensorflow（踩过的坑）

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