笔者使用的是实验室配置的服务器,主要是ubuntu server系统下 深度学习开发环境的基本构建,这些事笔者在自己配置的过程中经历的困难,写的有错误的地方还望见谅
一.linux下pycharm的安装
- 下载Linux版本的pycharm,下载的community版本的,将其放到Downloads目录下
打开命令行 ,首先进入到Downloads下
cd ~/Downloads
然后将压缩包解压
tar -xvzf pycharm-community-2018.3.3.tar.gz -C ~
解压后的文件夹自动放在根目录下,可以在根目录看到
然后进入到这个解压后的文件夹下的bin文件夹,安装需要的pycharm.sh文件放在里面
cd ~/pycharm-community-2018.3.3/bin
下一步就是直接安装pycharm
sh pycharm.sh &
等待运行结束即可看到pycharm的主界面 安装即结束
二.anaconda的安装
其安装的方法与pycharm的方法大同小异
下载好对应版本的anaconda后,笔者推荐使用Python3.6版本下的,即Anaconda3-4.3.0-Linux-x86_64.sh,可以带清华镜像中找到 下图是常见的Python与anaconda的对应关系
bash Anaconda3-4.3.0-Linux-x86_64.sh
即可完成anaconda的安装
三.在anaconda中安装TensorFlow的虚拟环境
- 在系统上安装完成anaconda
通过anaconda创建虚拟环境
conda create -n tensorflow python=3.6 anaconda
会在envs中创建tensorflow文件夹
这里创建了一个叫做tensorflow的虚拟环境,名字是可以任意改变的,并在这个虚拟环境中安装了python3.6,同时安装所需的常用的模块,numpy,scipy等,节约很多时间。这里的Python3.6与anaconda没有关系,可以anaconda是3.6的,在虚拟环境中安装Python3.5下的环境
conda info --envs
即可看到我们创建的tensorflow的虚拟环境
- 查看cuda cudnn版本
cat /usr/local/cuda-9.0/version.txt
cat /usr/local/cuda-9.0/include/cudnn.h | grep CUDNN_MAJOR -A 2
- 查看当前虚拟环境cuda cudnn版本
conda list
- 激活虚拟环境
在Windows中使用
activate tensorflow
在Linux中使用
source activate tensorflow
注意两者的区别
- 更换清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- 安装tensorflow 笔者的cuda为9 cudnn为7,对应着要安装1.5版本的tensorflow
conda install --channel https://conda.anaconda.org/anaconda tensorflow-gpu=1.5.0
pip3 install tensorflow-gpu==1.5 -i https://pypi.tuna.tsinghua.edu.cn/simple
笔者尝试了很多次用pip安装tensorflow 都宣告失败,所以建议使用conda的方式安装tensorflow
最后在虚拟环境下进入Python环境,
import tensorflow
如图,tensorflow即安装成功
四.在pycharm中虚拟环境及interpreter设置
打开左上角的File 选择setting
选中project interpreter,图为笔者已经配好的样式
选中右上角的小齿轮,点击Add
点击页面中的conda environment,同时选中 existing environment 勾中Make available to all projects
然后在你的anaconda下envs文件夹中,找到你自己创建的虚拟环境,在其中的bin文件夹中找到Python3.6这个文件(笔者创建的是python3.6下的TensorFlow),选中即可
如图,即完成interpreter的配置