电脑出了点问题,改用服务器来做,太久没在服务器上做,把环境搭建写下来,方便下次使用
本文用的是 Ubuntu 和 docker 来进行部署 docker 搭建笔记
Python3.6的对应的是 Anaconda 5.2,5.3以后的都是python 3.7的不要看错了”
一、 Ubuntu 软件安装
1. 下载并安装常用软件包
首先是 apt-get 的清华源替换
还有其他 gedit,vim,sudo 可以自定下载
查看 Ubuntu 版本
cat /etc/issue (简单)
2. 安装 anacoda
Python3.6 对应的 anacoda 版本为 5.2
这里下载 anacoda5.2,在清华镜像那可以找到
安装完了以后,输入 Python可能会发现怎么还是老版本
重新载入就好
source ~/.bashrc
创建虚拟环境
conda create --name 《yourname》 python=3.7
建议采用克隆源环境的方式,省的有些包还要去下载
conda create -n new_env --clone old_env
切换到虚拟环境
source activate tensorflow
source deactivate tensorflow
查看虚拟环境列表
conda env list
升级 conda 包命令
conda update conda
conda update anaconda
conda update anaconda-navigator //update最新版本的anaconda-navigator
conda update xxx #更新xxx文件包
查看包版本
conda search XXX
# 安装指定版本
conda install --channel https://conda.anaconda.org/anaconda tensorflow=1.6.0
pip 安装包出现超时错误
pip --default-timeout=100 install XXX
回到正在运行的容器(这一点记得每次连接服务器的时候,先回到自己的容器)
docker exec -it -u clare ubuntu18.04_clare /bin/bash
出现的问题:solving environment: failed
解决办法:
三、 查看机器配置
为了后面训练模型的时候有个概念,我们来看一下机器的配置
内存和硬盘大小使用 finalShell 是直接显示的:
内存是 125.7G ,硬存是 11T
查看 CPU 核数
逻辑 CPU 个数
cat /proc/cpuinfo | grep "processor" | wc -l
48
物理 CPU 个数
cat /proc/cpuinfo | grep "physical id" | sort | uniq | wc -l
2
每个物理 CPU 的核数
cat /proc/cpuinfo| grep "cpu cores"| uniq
12
查看 CPU 总体信息
lscpu
Intel(R) Xeon(R) CPU E5-2697 v2 @ 2.70GHz
因为是 24 线程的,所以逻辑显示 48 个
四、 下载 opencv 和 cuda10,cudnn
下载 opencv
conda install opencv
查看自己的 GPU
lspci
然后发现这个服务器没有 GPU ,大家有的可以根据那个教程继续下载
五、 下载开发常用包
conda install numpy pandas scikit-learn scikit-image matplotlib tensorflow
等等