文章目录
linux(ubuntu18.04)下anaconda和tensorflow-gpu安装
1 anaconda下载-安装-卸载
1.1 下载
清华镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
下载版本：Anaconda3-2019.07-Linux-x86_64.sh
补充：我使用的是Ubuntu18.04版本，没有找到该版本对应的anaconda的版本，有人使用Anaconda3-5.2.0-Linux-x86_64.sh该版本安装，选择该版本以上的都没问题。（如果下载中断，选择迅雷下载）
1.2 安装
- 1）bash Anaconda3-2019.07-Linux-x86_64.sh
在Linux上采用bash作为标准，基本上它描述了对带有“.sh”扩展名的vi编辑器等文本的处理并执行 - 2）回车 --接受协议，接受协议（yes）
- 3）将安装路径改为[/home/wuhd/anaconda3] >>> /home/wuhd/F/anaconda3
- 4）do you wish installer to initialize Anaconda3 >> yes
- 5）重启终端，即可使用Anaconda3；
- 6）若在终端输入 python，仍然会显示Ubuntu自带的python版本。我们执行：
sudo gedit ~/.bashrc
export PATH="/home/***/anaconda3/bin:$PATH"
source ~/.bashrc
- 其中第二行PATH换成自己选择的路径。我这里直接用的第二句安装，没有用1、3，直接安装成功。
至此，修改终端的默认 python 为 anaconda对应版本。
注意：
（1）ubuntu16.04下Anaconda3 5.2.0版本安装vscode报错
选no也没关系
（2）重新打开一个窗口，python版本切换生效
（3）安装gedit：sudo apt-get install gedit
gedit是一个GNOME桌面环境下兼容UTF-8的文本编辑器。它使用GTK+编写而成，因此它十分的简单易用，有良好的语法高亮，对中文支持很好，支持包括gb2312、gbk在内的多种字符编码
参考：
https://blog.csdn.net/qq_15192373/article/details/81091098
https://www.pianshen.com/article/6332750238/
1.3 卸载
找到anaconda3安装的上级目录：rm -rf ~/anaconda3
2 linux pip换源
1） 找到下列文件
~/.pip/pip.conf
若没有该文件，则创建。
mkdir ~/.pip
cd ~/.pip
touch pip.conf
2） 在上述文件中添加或修改:
[global]
index-url = https://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com
3）使用pip安装模块时，提示：
Looking in indexes: https://mirrors.aliyun.com/pypi/simple/
即安装成功
3 linux tensorflow-gpu安装
linux下，cuda与tensorflow-gpu版本对应链接：
https://tensorflow.google.cn/install/source
由于cuda和cudnn环境以及驱动已经配置好了，直接输入nvidia-smi即可看到gpu以及cuda情况。
隔几秒刷新一下显存状态：nvidia-smi -l 秒数
隔两秒刷新一下GPU的状态：nvidia-smi -l 2
1）使用指令直接安装gpu版本tensorflow：
pip install tensorflow-gpu
2）查看tensorflow gpu是否可用：
import tensorflow as tf
tf.test.is_gpu_available()
3）报错：
Could not load dynamic library ‘libcudart.so.11.0’; dlerror: libcudart.so.11.0: cannot open shared object file: No such file or directory; LD_LIBRARY_PATH: /usr/local/cuda-10.2/lib64
解决：
使用： conda install tensorflow-gpu==2.1.0
代替： pip install tensorflow-gpu==2.1.0
注意：若上述conda install tensorflow-gpu==2.1.0不能用，可使用conda create -n gpu21 tensorflow-gpu=2.1通过创建虚拟环境创建tensorflow-gpu2.1版本
参考：https://blog.csdn.net/weixin_41874898/article/details/112280183
4）查看cuda版本：
法1：cat /usr/local/cuda/version.txt
法2：nvcc -V
参考：https://blog.csdn.net/qq_38901147/article/details/90049666
5）查看cudnn版本：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
输出：
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 6
#define CUDNN_PATCHLEVEL 5
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
#include "driver_types.h"
我的版本为：7.6.5
6）nvidia-smi 和 nvcc -V结果的CUDA版本为何不一致
- nvidia-smi为驱动api输出版本；
- nvcc -V为运行api输出版本；
参考：https://blog.csdn.net/ljp1919/article/details/102640512
4 keras和opencv安装
1）keras安装，使用指令：
pip install keras
import keras
报错：ImportError: Keras requires TensorFlow 2.2 or higher. Install TensorFlow via pip install tensorflow
原因：keras 版本 太高了
参考：https://www.cnblogs.com/montai/p/13460820.html
linux目前只支持2.1gpu版本
2）安装opencv，使用指令：
pip install opencv-contrib-python
10 补充
10.1 ls和ls -a
ls 显示没有隐藏的文件；
ls -a 显示所有的文件（包括隐藏文件）；
10.2 txt创建-编辑-退出-删除
创建： touch test.txt
打开： vim test.txt
编辑： 键盘按下“i”
退出：Esc >> : >> wq >> enter
删除：rm -rf test.txt
注意： 如果退出没反应，可以先按“i”，再操作退出
10.3 目录创建-删除
1） mkdir aa 创建名字为aa的目录
2） mkdir -p aa/bb/cc -p可以创建一个还不存在的目录，其中aa和bb都不存在，如果不适用-p会报错
3） mkdir -p -m 777 aa/bb/cc 使用-m选项设置目录权限
其中，777表示权限设置，具体设置如下：
r 读权限read 4
w 写权限write 2
x 操作权限execute 1
【r/w/x相加】【r/w/x相加】【r/w/x相加】
【owner权限】【group权限】【others权限】
更改目录权限：
命令：
chmod 777 aa
格式：chmod 权限数字 文件名
4）目录删除：rm -rf aa
10.4显示行号
显示 set nu
取消显示 set nonu
- vim打开文件默认光标会停留在文件开头，当文件行数比较多的时候很难快速找到行数进行修改，以下几种方法可以帮你快速定位到指定行。
1.命令模式下(没有输入i进行编辑前)，:n 比如想到第65行，输入 “:65” 按回车即可定位到65行。 - 显示行号的方法，命令模式下(没有输入i进行编辑前)，输入":set nu" 按回车键即可显示行数