Ubuntu18.04使用Anaconda进行tensorflow和pytorch环境搭建

叁歲伎倆 2022-04-23 05:04 208阅读 0赞

# tensorflow和pytorch环境搭建 #

初入深度学习的坑，先从环境配置开始。

本文将记录在Ubuntu 18.04环境中的搭建，对于Windows环境的搭建，这里暂时不做叙述。

本文首先搭建一些基本环境，比如CUDA，CUDNN以及anaconda用于管理环境。

## CUDA的安装 ##

因为之前已经写过教程，这里不在赘述，详见[CUDA安装][CUDA]。

不过CUDA有时候安装不了，很有可能是gcc和g++版本的问题，所以安装不顺的时候，可以检查一下gcc和g++的版本是否过高或者过低。

## CUDNN的安装 ##

去官网下载CUDNN的包，例如我这里下载的是cudnn-10.0-linux-x64-v7.4.2.24.tgz

执行一下操作进行解压安装

tar -zxvf cudnn-10.0-linux-x64-v7.4.2.24.tgz 
    sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
    sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
    sudo chmod a+r /usr/local/cuda/include/cudnn.h 
    sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

可以通过一下指令查看CUDNN的版本信息

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

## OpenCV的安装 ##

# 下载opencv
    git clone https://github.com/opencv/opencv
    # 安装依赖项
    sudo apt-get install build-essential
    sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
    sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff5-dev libdc1394-22-dev         # 处理图像所需的包
    sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev liblapacke-dev
    sudo apt-get install libxvidcore-dev libx264-dev         # 处理视频所需的包
    sudo apt-get install libatlas-base-dev gfortran          # 优化opencv功能
    sudo apt-get install ffmpeg
    # 编译安装opencv
    cd opencv
    mkdir build
    cd build
    cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
    make 
    sudo make install
    #配置环境
    sudo /bin/bash -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf'
    sudo ldconfig

## 安装python-opencv ##

可直接使用apt安装

sudo apt-get install python-opencv
    sudo apt-get install python-numpy

## Anaconda的安装 ##

去官网下载相应的Anaconda安装包，例如我这里下载的是Anaconda3-2018.12-Linux-x86\_64.sh

执行以下命令安装

bash Anaconda3-2018.12-Linux-x86_64.sh

根据提示一路yes即可，最后那个VS code也可以不安装，根据需要自行选择。

如果之前没有配置环境变量导致conda不可用，可以按照以下方式解决

# 将anaconda的bin目录加入PATH，根据版本不同，也可能是~/anaconda3/bin
    echo 'export PATH="~/anaconda2/bin:$PATH"' >> ~/.bashrc
    # 更新bashrc以立即生效
    source ~/.bashrc

安装完成后可以通过以下方式查看版本

conda --version

## tensorflow和Pytorch环境的配置 ##

为了方便环境的版本的管理，我们使用anaconda来创建环境，然后来配置深度学习的环境，这样不至于让自己的环境很乱，只是每次进入环境的时候需要手动激活以下环境即可。

### tensorflow的环境配置 ###

首先我们需要创建环境,这里我们创建一个名为tensorflow36的环境，其中python版本为3.6

conda create -n tensorflow36 python=3.6

其次我们激活环境

source activate tensorflow36

安装tensorflow

# CPU版本
    pip install tensorflow
    # GPU版本
    pip install tensorflow-gpu
    # 卸载用
    pip uninstall tensorflow

到此tensorflow的环境就安装好了，此处如果CUDA的版本过高的话GPU版本装上了也是用不了的，故需要注意版本问题。

退出当前环境

source deactivate tensorflow36

### pytorch的环境配置 ###

首先我们创建一个名为pytorch的环境，其中python版本为3.7

conda create -n pytorch python=3.7

其次我们激活环境

source activate pytorch

pytorch的安装可以参考[Pytorch官网][Pytorch]进行安装。官网提供了多种安装方式，需要注意自己环境中的python版本以及CUDA的版本。  
到此pytorch的环境配置以及完成

退出当前环境

source deactivate pytorch

## anaconda的简单使用 ##

创建环境

conda create --name <env_name> <package_names>

激活环境

source activate <env_name>

退出当前环境

source deactivate

显示已经创建的环境

conda env list
    或
    conda info --envs
    或
    conda info -e

复制环境

conda create --name <new_env_name> --clone <copied_env_name>

删除环境

conda remove --name <env_name> --all

获取当前环境中已安装的包信息

conda list

查找可供安装的包版本

# 精确查找
    conda search --full-name <package_full_name>
    # 模糊查找
    conda search <text>

安装包

# 在指定环境中安装包
    conda install --name <env_name> <package_name>
    # 在当前环境中安装包
    conda install <package_name>
    # 使用pip安装包
    pip install <package_name>

卸载包

# 卸载指定环境中的包
    conda remove --name <env_name> <package_name>
    # 卸载当前环境中的包
    conda remove <package_name>

更新包

# 更新所有包
    conda update --all
    或
    conda upgrade --all
    # 更新指定包
    conda update <package_name>
    或
    conda upgrade <package_name>

[CUDA]: https://huanghailiang.github.io/2017/07/22/ubuntu16-04-Server-install-CUDA/
[Pytorch]: https://pytorch.org/