安裝Anaconda
- 到官網下載好anaconda,上傳到服務器上,我這邊下載的是
Anaconda3-2019.10-Linux-x86_64
。 - 定位到anaconda所在目錄,通過如下命令安裝
bash Anaconda3-2019.10-Linux-x86_64
按照提示一步步安裝
配置tensorflow-gpu 2.1.0 環境
- 創建一個虛擬環境,這裏起名爲
tf2
conda create -n tf2 python=3.7
- 進入到創建好的虛擬環境中
conda activate tf2
- 通過Anaconda官網得知目前支持linux64的最新版本是
tensorflow-gpu 2.1.0
此處通過命令安裝最新版的tensorflow
conda install -c anaconda tensorflow-gpu
安裝過程根據提示一直輸入yes
即可。不用提前安裝cuda
和cudnn
,在安裝tensorflow的時候會自動安裝。
安裝完成後,可以通過如下代碼測試是否安裝成功
import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
print('GPU:', tf.test.is_gpu_available())
輸出如下:
配置pytorch1.4環境
- 創建一個虛擬環境,這裏起名爲
pytorch
conda create -n pytorch python=3.7
2.進入虛擬環境
conda activate pytorch
3.進入到Anaconda官網
通過如下代碼安裝pytorch
conda install -c pytorch pytorch
也可以根據服務器的cuda
版本安裝,通過nvcc -V
即可查看
在pytorch官網即可查詢到安裝指令
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
按提示安裝完成後,通過如下代碼即可驗證是否安裝成功
import torch
print(torch.cuda.is_available())
安裝常用包
- 新創建的虛擬環境一般只有python和剛纔安裝的tensorflow/pytorch等相關包,這邊最好在安裝一些常見的擴展包,比如pandas、matplotlib、scikit-learn等等
conda install packagename