linux下安装miniconda3以及在虚拟环境中安装pytorch,tensorflow

安装miniconda3

• 准备好Miniconda3-latest-Linux-x86_64.sh
• sh Miniconda3-latest-Linux-x86_64.sh（默认安装路径）
• conda list可查看已安装的库，如找不到conda命令，需要重新添加路径
• 更改或添加路径，vim ~/.bashrc
• 利用vim编辑器在最后添加 PATH=/home/xx/miniconda3/bin:$PATH
• source ~/.bashrc即可进入base
• conda deactivate 退出当前base环境

创建虚拟环境

• 创建环境 conda create -n [env_name] python=3.5
• 激活环境 conda activate [env_name]
• 退出环境 conda deactivate [env_name]
• check所有的虚拟环境 conda info --envs
• 删除不需要的虚拟环境 conda remove -n [env_name] --all

在虚拟环境中安装pytorch

• no CUDA 主要有以下两种安装方式：

1. 通过命令行安装： conda install pytorch torchvision -c pytorch
2. 通过镜像安装：先下载镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/，然后安装 conda install --offline -n [env_name] XXXX..tar.bz2　 

• 已经安装好CUDA,查看显卡驱动：nvcc -V，check显卡型号：nvidia-smi，利用官网（https://pytorch.org/get-started/locally/）给出的命令，通过conda编译安装

• conda install pytorch torchvision cudatoolkit=8.0 -c pytorch

安装完毕，进入python, check是否安装正确

import torch

print(torch.__version__)#torch版本

torch.cuda.is_available()#检查CUDA的驱动是否可用

安装TensorFlow

有以下两种方式：

1. only support CPU: conda install -c conda-forge tensorflow
2. support GPU:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade tensorflow-gpu

使用上述方法安装完毕后，检查能否使用

import tensorflow as tf

session=tf.Session()#创建session

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))#创建session并记录设备指派情况

关于tf.ConfigProto详见https://blog.csdn.net/dcrmg/article/details/79091941

使用GPU执行python程序

1. 直接指定： CUDA_VISIBLE_DEVICES=0  python xxxxx.py
2. 在程序中指定：

import os
os.environ['CUDA_VISIBLE_DEVICES']='0'

​​