python深度学习环境配置扫盲

ubuntu系统下，基于gpu和python做深度学习，需要安装的内容及作用：

1.显卡驱动：调用显卡的基础，安装成功后，可以调用nvidia-smi指令，查看显卡驱动版本

2.cuda和cudnn：nvidia为显卡加速计算提供的库，cuda和显卡驱动是有对应关系的

为了便于多个不同代码的调试，我们可能需要多个版本的cuda，只要将多个cuda都解压到/usr/local目录即可，具体使用哪个，可以通过用户的环境变量配置，使不同的文件夹（用户/环境）使用不同的cuda版本。

用户环境变量修改如下：vim ～/.bashrc

找到其中的cuda的定义，更改指向路径，即可更改调用的cuda版本

修改完还后，运行nvcc -V指令，可以查看当前cuda的版本

关闭终端，新开终端可生效

3.anaconda：python的环境管理工具，通过anaconda管理多个版本的python环境很方便，比直接安装python和pip要清晰清楚。

anaconda多环境管理

conda env list指令可查看所有环境

conda create -n name python=3.6可建立新的环境

conda activate name可激活指定环境

conda install xxx安装指定的包

tensorflow，pytorch等架构，涉及python版本/cuda版本兼容问题，可从下面网址查看有哪些可用的版本，再配置环境，环境配置错误，则无法找到目标文件，无法安装。

查看清华源中版本对应关系的网址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

比如：安装pytorch时，可使用如下指令

conda install pytorch=1.0.1 torchvision cudatoolkit=8.0

但如果使用

conda install pytorch=1.0.1 torchvision cudatoolkit=9.0

则无法安装，因为清华的源中，没有用cuda9.0编译的pytorch

tensorflow本身和cuda版本存在对应关系，如下图：

 

4.pycharm:集成开发环境，查阅代码方便。