创建虚拟环境
-
conda create -n your_env_name python=X.X
-
source activate your_env_name
ref:https://blog.csdn.net/lyy14011305/article/details/59500819
虚拟环境无默认安装包,如何迁移:
ref: https://blog.csdn.net/sinat_28442665/article/details/86650152
迁移时会有两个错误:
- yaml 安装时的错误,找不到包
- requirements.txt 也是会有找不到包的情况,应该是依赖问题,
- 解决方案是:$ while read requirement; do conda install --yes $requirement; done < requirements.txt
-
也可以直接 clone base环境:conda create -n your_env_name --clone base,
-
但是也会有问题,jupyter notebook running 的问题。
ref:https://blog.csdn.net/shincling/article/details/75534121
最后使用这样解决
-
conda list -e > requirements.txt ;
-
conda create -n gpu_conda python==3.6 ;
-
$ while read requirement; do conda install --yes $requirement; done < requirements.txt
安装 cuda & cudnn & tensorflow-gpu:
-
查看 cuda版本:cat /usr/local/cuda/version.txt
-
查看 gpu使用情况:nvidia-smi
-
下载对应的 cudnn:https://developer.nvidia.com/rdp/cudnn-download
-
解压:tar -xvf cudnn-10.0-linux-x64-v7.4.1.5.tgz
-
将cuda里的文件复制到之前安装的cuda的路径中(默认为 /usr/local/cuda-10.1)
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
- 安装 tensorflow:sudo pip install tensorflow-gpu==1.14.0
- 在命令行中查看 是否安装成功
import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
输出:
Device mapping: /job:localhost/replica:0/task:0/device:GPU:0 ->
device: 0, name: GeForce GTX 960M, pci bus id: 0000:02:00.0, compute
capability: 5.0
这个不知道有用没:conda create -n new_env_name Python=3.7 Anaconda
安装 pytorch:
-
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
-
pip install fairseq
pytorch安装时:The following packages are causing the inconsistency:
首先,输入conda list -r 查询之前的更新版本,然后选择一个之前的版本(出现问题之前),输入conda install
–revision 数字 之后等待回滚成功后。
参考:https://blog.csdn.net/weixin_35436966/article/details/91045470