前言
最近在服務器上覆現了好幾個Github的深度學習代碼，花了很多時間配置環境，也爬過了許許多多的坑。下面記載下我遇到的種種問題，一是避免時間久了忘記，二是讓後來者少走一點彎路。
Anaconda的使用
我一開始是懶得用Anaconda，直接pip就完事了。但是後來發現不用環境管理器真的麻煩到爆炸。
Anaconda基本的命令都在這裏了：常用命令彙總
我個人的常用命令如下：
# 創建
conda create -n your_env_name python=your_python_version
# 激活環境
source activate env_name
# 關閉環境
source deactivate your_env_name
# 刪除環境
conda remove -n your_env_name --all
# 查看安裝的包
conda list
# 安裝/安裝指定版本
conda install package_name
conda install package_name=1.5.0
# 升級版本
conda update package_name
#刪除包
conda remove package_name
雖然上面寫了使用conda install安裝包，不過我個人的建議是在conda環境下使用pip進行安裝。conda一個新環境時，會自動配套生成對應的pip，你可以使用which pip查看這點。
conda install真的巨慢無比，而且它會自動安裝依賴包，我在安裝某個具體版本的tensorflow時，conda install竟然將我創建環境時配置的python3.5給降爲python2.7了。所以，使用pip install代替conda install是一個可以考慮的選擇，
jupyter notebook的配置
毫無疑問，.ipynb文件是非常常見的一種文件類型，配置jupyter並遠端訪問可以帶來很大的方便。
這裏是配置jupyter的兩篇博客，分別是英文官網版和中文翻譯版。
中文版
英文版
想要找到.jupyter文件夾，要用ls -a,用ls是看不到的。因爲這是一個隱藏文件夾。
在配置端口時，如果想要瀏覽器訪問，只能將端口設定爲80，因爲HTTP協議只支持port80。
c.NotebookApp.port =80 #訪問時使用該端口
將當前環境安裝爲jupyter kernel的方法在這裏：
配置jupyter以及安裝kernel
Screen的使用
最開始使用Screen是爲了讓代碼可以離線跑，但是發現不行（而且是所有方法都不行，可能是阿里學生服務器的問題？還是建議使用組裏的服務器，阿里學生服務器只能用來練手、練指令的使用）後來發現Screen非常方便，比方說可以在不用輸出重定向的情況下隨時查看/關閉輸出。
Screen常用命令彙總
我自己比較常用的就是：
screen -S yourname #新建一個叫yourname的session
screen -ls #列出當前所有的session
screen -r yourname #回到yourname這個session
以及ctrl + A + D退出當前Screen。
其中，名字都可以用進程編號代替。
有一點值得一提，那就是Screen和Anaconda會在某種情況下產生衝突。即Anaconda建立了虛擬環境後，在該虛擬環境下，進到另一個Screen並source activate name去運行程序的時候，會出現問題。所以先在非Screen的時候需要退出虛擬環境，再進入Screen的虛擬環境，就不會出現衝突的問題了。
All you need to do is to deactivate the environment before entering
screen. Then enter the screen, Then activate the environment.
source deactivate
screen -R my_screen
source activate myenv
本文的參考內容都寫在超鏈接裏了，在此作部分彙總以方便參閱。總的來說，所有的經驗千言萬語匯成一句話：有問題，解決問題。善用百度谷歌！