Linux 服務器環境配置踩坑日記
1 下載安裝 Anaconda
在清華鏡像站中找到想要的 anaconda 版本。
然後直接找到想要放下載文件的目錄
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.1-Linux-x86_64.sh
然後安裝 anaconda
bash Anaconda3-5.3.1-Linux-x86_64.sh
一路回車各種操作確認安裝。
可能需要激活一下 base 環境（記得把home目錄換成自己用戶的）
eval "$(/home/ivy/anaconda3/bin/conda shell.bash hook)"
2 確認一下自己的顯卡驅動版本和支持的CUDA
下面的命令可以查看顯卡的情況，也會顯示驅動版本和支持的CUDA
nvidia-smi
這裏查顯卡驅動和CUDA版本的對應 https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
這裏查 TensorFlow, cuDNN 和 CUDA 版本的對應關係 https://tensorflow.google.cn/install/source_windows?hl=en#gpu
3 安裝 PyTorch
創建一個虛擬環境來安裝 PyTorch（python 版本自己隨意）
conda create -n torch-gpu python=3.7
conda activate torch-gpu
根據自己的情況在官網找到安裝的命令，如
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch
安裝完了。可以進入 python 環境驗證一下 GPU 環境
import torch
torch.cuda.is_available()
4 安裝 TensorFlow
創建一個虛擬環境來安裝 TensorFlow（python 版本自己隨意）
conda create -n tf-gpu python=3.7
conda activate tf-gpu
根據自己在步驟 2 找到的版本安裝
pip install tensorflow_gpu==2.3.0
conda install cudatoolkit=10.1 cudnn=7.6 h5py
(踩的坑，爲什麼 conda install 找不到 tensorflow_gpu 的包)
然後在 python 環境測試一下
import tensorflow as tf
len(tf.config.list_physical_devices('GPU'))
Refs
[1] Installing Pytorch with GPU Support (CUDA) in Ubuntu 18.04 — Complete Guide
[2] Installing TensorFlow GPU & Enabling CUDA in Ubuntu 18.04— Complete Guide