Ubuntu18.04下安装Anaconda3并创建多用户共享的tensorflow gpu环境

这篇也是深度学习环境安装过程，接着上一篇继续总结。

实验室人比较多，给每个人都创建了一个用户，想着安装一个共享的深度学习环境，这样就不用每个人都重复地安装一遍tensorflow环境。

1、Anaconda3多用户共享安装

在官网下载相应版本的，我下载的是linux  python3.7版本

Anaconda下载好后输入以下命令进行安装

$ sudo bash Anaconda3-2019.03-Linux-x86_64.sh   #bash后面是下载的安装包所在的目录

首先是阅读许可申明，可以一直按Enter键，然后问是否同意许可，输入yes，接着问Anaconda安装的路径，直接按Enter键会安装到默认的路径，也就是当前用户的目录下，这样也就只有当前用户可以使用Anaconda，要多用户共享安装，选择其他路径。在linux下安装第三方多用户共享使用的软件一般都安装在 /usr/local 目录下，输入路径后回车

安装完后在/etc/profile文件中配置环境变量，在/etc/profile文件末尾加入下面命令

export PATH=/usr/local/anaconda3/bin:$PATH

修改完这个文件使用 以下命令在不用重启系统的情况下使修改的内容生效

$ source /etc/profile

配好环境变量后，查看是否安装成功

如上图，已成功安装Anaconda  Python3.7环境。

使用其他用户登录Ubuntu，同样可以看到上面的效果。这样，多用户就可以共享使用Anaconda了。

 

2、在 Anaconda下创建多用户共享的tensorflow环境

2.1、建立环境

安装好Anaconda环境后，接下来创建一个新的tensorflow gpu环境。

创建多个用户共享使用的tensorflow环境，要在root用户下创建环境。如果在普通用户下创建，那只有该用户可以使用环境。在root用户下输入以下命令创建tensorflow gpu环境

# conda create --name tensotflow_gpu python=3.7

输入上面的命令可能会提示conda：未找到命名。这是，输入 export PATH=/usr/local/anaconda3/bin:$PATH 即可，然后继续输入上面一行命名就可以创建环境了。

 

创建完环境后，Ubuntu其他用户就看到看到刚才创建的tensorflow环境，多用户也就可以共享该环境了，不用每个用户都创建一遍。

这样，多用户共享的环境就装好了，接下来在该环境中安装tensorflow-gpu。

2.2、安装tensorflow-gpu

添加清华镜像，加快下载速度。输入以下命令

# conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# conda config --set show_channel_urls yes

进入刚才创建的tensorflow-gpu环境

 # source activate tensorflow_gpu    (linux下+source， windows下无需+source）

安装tensorflow-gpu

# conda install tensorflow-gpu

安装keras-gpu

# conda install keras-gpu

安装完成后就可以试下效果了。

import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '1'

a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))

运行python代码，输出如下信息。

至此，在Ubuntu18.04上搭建深度学习环境已全部完成。