1.安装Anaconda
Anaconda 安装包可以到清华镜像链接描述下载
ps:主要官网下载着实很慢。
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2019.03-Linux-x86_64.sh
接着进行安装
bash ./Anaconda3-2019.03-Linux-x86_64.sh
ps:不想安装在默认目录,可以按照提示自行更改
重新打开终端,输入
python
或者python3
确认安装是否成功
2.在Anaconda下新建虚拟环境
- 先将conda切换成国内源,这样安装速度快点
vim ~/.condarc
channels:
- https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
- https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- defaults
show_channel_urls: true
-
如果出现conda: command not found
参考:链接描述 -
输入命令conda create --name 环境名 python=python版本
conda create --name py36 python=3.6
出现以下界面,说明命令已正确执行
- 激活虚拟环境
conda activate py36
关闭虚拟环境
conda deactivate
3.进入虚拟环境,安装实验所需tensorflow-gpu
这里一定要注意cuda,cudnn,tensorflow-gpu版本一定要对应
我的cuda版本为10.1,所以安装的tensorflow-gpu为2.1.0
pip install tensorflow-gpu==2.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
(作者本人的实验需要安装(你们忽略):matplotlib,h5py, sklearn, tqdm, python-pcl)
tips:最好使用pip安装,不要使用conda install,不然后面使用的tensorflow系统老是使用cpu版本
如果出现这种问题,那么就卸载这个虚拟环境
conda remove -n your_env_name(虚拟环境名称) --all
重新创建,并且使用pip安装所需包
4.安装cudnn
因为服务器预装了cuda10.1,所以现在安装cudnn7.6.0版本
(1)下载安装文件
官网:https://developer.nvidia.com/rdp/cudnn-archive
(2)安装cudnn
从Nvidia官网上下载下来的cudnn for linux的文件格式是.solitairetheme8,想要解压的话需要先转成tgz格式再解压
cp cudnn-10.1-linux-x64-v7.6.0.64.solitairetheme8 cudnn-10.1-linux-x64-v7.6.0.64.tgz
tar -xvf cudnn-10.1-linux-x64-v7.6.0.64.tgz
解压下载的文件,可以看到cuda文件夹,在当前目录打开终端,执行如下命令:
此时我处于root权限,如果你是普通用户,以下命令前加sudo
例如:sudo cp cuda/include/cudnn.h /usr/local/cuda-10.1/include/
cp cuda/include/cudnn.h /usr/local/cuda-10.1/include/
cp cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64/
chmod a+r /usr/local/cuda-10.1/include/cudnn.h
chmod a+r /usr/local/cuda-10.1/lib64/libcudnn*
查看cudnn版本
在终端输入
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
5.安装pycharm
下载社区版本
http://www.jetbrains.com/pycharm/download/#section=linux
然后解压
tar -xzvf pycharm-community-2018.3.7.tar.gz
最后进入bin目录下,开始安装
sh pycharm.sh