Ubuntu安装NVIDIA驱动+Cuda+cuDNN+Anaconda3+TensorFlow-gpu（三）

安装Anaconda3

1、下载安装包，进入安装包所在目录，打开终端

bash Anaconda3-2019.10-Linux-x86_64.sh

执行过程中一路回车

直到出出现

输入yes，然后回车

之后就提示你要将Anaconda安装在目录/home/xxx/anaconda3下面：（建议使用此目录）

接着回车，就开始安装了

2、环境变量设置

在安装过程中有的会提示是否将anaconda加入环境变量，这时选择时就好（回车），方便在任何位置使用。但有的过程中不会提示是否添加到环境变量，这时就需要自己手动添加，如果不添加，在终端还是会显示本机自带的python版本

// 查看python位置
which python

如果显示类似于下面，那就是没有设置环境变量

/usr/bin/python

那接下来添加环境变量

sudo gedit ~/.bashrc
export PATH="/home/你自己的用户名/anaconda3/bin:$PATH"
source ~/.bashrc

再次查看位置，如果是

/home/你自己的用户名/anaconda3/bin/python

这样环境比那两就添加好了

3、更换清华源镜像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --set show_channel_urls yes 
conda config --get channels

特别说明，更换完清华源后不能使用，可以切换回原始的源

conda config --remove-key channels

4、创建环境

#在/opt/anaconda3/envs/里创建一个名为py36的环境，其使用的python版本为3.6
conda create -p /opt/anaconda3/envs/py36 python=3.6

5、查看安装包

conda list
conda install packages

6、退出环境

conda deactiate pyName

7、常用命令

注意： 安装anaconda3后，默认环境是可能root，这个root等同于base，root是主环境的旧名称（conda 4.4之前，在conda 4.4之后，它被重命名为base）

source activate   // 切换到base环境（默认环境）
conda env list   // 列出conda管理的所有环境
conda create -n learn python=3.5   // 创建一个名为learn的环境并指定python版本
source activate learn   //切换到learn当前环境
activate learn // 切换到learn环境
conda list // 列出当前环境的所有包
conda install requests 安装requests包
conda remove requests 卸载requets包
conda remove -n learn --all // 删除learn环境及下属所有包
conda update requests 更新requests包
conda env export > environment.yaml // 导出当前环境的包信息
conda env create -f environment.yaml // 用配置文件创建新的虚拟环境

安装TensorFlow-gpu

1、conda安装（不过他可能会更新你的cuda和cudnn以及其他的包的版本，也就是会给你安装最新的版本）

# 查看tensorflow-gpu 可用版本
conda search tensorflow-gpu
# 选择你要安装的版本
conda install tensorflow-gpu==1.12.0

2、pip安装

pip install tensorflow-gpu==1.12.0