文章目录
- 楔子
- anconda的安装：
- CUDA，cuDNN的安装：
- tensorflow-gpu的安装：
-
- 配置一个tensorflow的环境：
- 安装tensorflow-gpu：
- 安装spyder：
- pytorch安装：
- conda commands:
楔子
之前是在ubuntu16.04LTS上安装的是python2.7非anconda方式的tensorflow-gpu。
1、学习使用一段时间后python2.7有点坑，网上的好多代码不能直接运行，比如：无法使用**表示keywords dic；
2、而且在ubuntu使用spyder始终无法实现汉字的输入，对于学习阶段注释很重要，很不方便；
3、后来偶然使用wintogo制作了一个win10的系统，就像基于anconda方式傻瓜式搭建。
最后没有能用conda的傻瓜装法，还是在全局下安装CUDA和cuDNN，这样版本才能可控。
anconda的安装：
直接官网下载，傻瓜式安装。（环境变量可以勾，不勾就需要自己配置）
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.1-Windows-x86_64.exe
CUDA，cuDNN的安装：
注意了他们两个是配套的，先下CUDA：
再找对应版本的cudnn
先安装CUDA，再把cuDNN解压，把这三个文件夹的文件放进CUDA安装目录的三个相同的文件夹内：
cuDNN是对CUDA的补充，是针对DNN加速的，就这么理解。
手动添加一下如下环境变量，明显他是针对cuDNN的环境变量
tensorflow-gpu的安装：
配置一个tensorflow的环境：
如下就是配置一个python版本3.6的环境，环境的名字叫tensorflow ：
(base) C:\windows\system32>conda create -n tensorflow pip python=3.6
为什么需要专门配置一个新的环境，anconda有一个默认的环境base，理论上可以安装在默认环境下，但是为了防止依赖冲突，最好是新建一个环境，实际上在base下直接安装会报错：
(base) C:\windows\system32>conda install tensorflow-gpu
Solving environment: failed
UnsatisfiableError: The following specifications were found to be in conflict:
- tensorflow-gpu
Use "conda info <package>" to see the dependencies for each package.
进入新的环境：
(base) C:\windows\system32> conda activate tensorflow
(tensorflow) C:\windows\system32>
(tensorflow) C:\windows\system32>
安装tensorflow-gpu：
建议不要使用conda install tensorflow-gpu，他会下载使用自己的CUDA，之前说的傻瓜就是说的这个，关键是它自己CUDA和tensorflow-gpu不匹配使用起来存在问题，至少我试过python3.5和3.6都有问题。
使用pip安装指定版本。
pip install --ignore-installed --upgrade tensorflow_gpu==1.8.0
安装之前最好把pip更新到最新版本；
按照过程会安装很多依赖，需要等待；
还有tensorflow_gpu版本需要特别注意，要和CUDA,cuDNN配套，最新版本说不定就不支持，这里给一个过时的支持：
可以直接在创建的容器里使用python测试：
import tensorflow as tf
import numpy as np
import time
# 产生用于计算测试的数据
value = np.random.randn(5000,1000)
a = tf.constant(value)
# 计算方式
b = a*a
# gpu
tic = time.time()
with tf.Session() as sess:
for i in range(1000):
sess.run(b)
toc = time.time()
t_cost = toc - tic
print(t_cost)
安装spyder：
在容器里安装spyder:
如果base环境里面有spyder, 在这个环境里会直接copy过来的
还有一点在spyder里面看不见使用GPU的日志，linux里面是可以看到的，不管了反正使用的是GPU计算就是了。
pytorch安装：
CUDA和cuDNN已经全局安装好了：
pip3 install https://download.pytorch.org/whl/cu90/torch-1.0.1-cp36-cp36m-win_amd64.whl
pip3 install torchvision
假如外部没有安装CUDA和cuDNN，可以试试：
成功结果如下：
conda commands:
# 创建新环境
conda create -n rcnn python=3.6
# 删除环境
conda remove -n rcnn --all
# 重命名环境
conda 其实没有重命名指令，实现重命名是通过 clone 完成的，分两步：
# 先 clone 一份 new name 的环境
# 删除 old name 的环境
# 比如，想把环境 rcnn 重命名成 tf
# 第1步
conda create -n tf --clone rcnn
Source: /anaconda3/envs/rcnn
Destination: /anaconda3/envs/tf
Packages: 37
Files: 8463
# 第2步
conda remove -n rcnn --all
# 结果
conda info -e
# conda environments:
#
crawl /anaconda3/envs/crawl
flask /anaconda3/envs/flask
tf /anaconda3/envs/tf
root * /anaconda3