ubuntu16.04安装tensorflow以及pytorch方法

cuda与cudnn安装

nvidia驱动、cuda、cudnn、tensorflow、pytorch版本的对应关系

nvidia驱动和cuda的版本对应关系，可以参考nvidia与cuda关系，如下所示：
cuda与cudnn版本对应关系，可以参考cuda与cudnn关系，如下所示：
CUDA版本与Ubuntu 版本，以及GCC版本对应关系，可以参考cuda8.0、cuda9.0、cuda10.0，如下所示：



tensorflow不同版本要求与CUDA及CUDNN版本对应关系，可以参考tensorflow环境，如下所示：

ubuntu16.04+cuda10.0+cudnn+nvidia驱动安装

cuda10.0下载地址：https://developer.nvidia.com/cuda-toolkit-archive
选项如下：
cuda10.0安装：

chmod +x cuda_10.0.130_410.48_linux.run
sudo ./cuda_10.0.130_410.48_linux.run

cudnn下载地址：https://developer.nvidia.com/rdp/cudnn-archive
登录需要帐号和密码，可以自行设置。
下载与cuda版本对应的cudnn版本：
下载后进行安装：

#解压.tgz得到cuda目录，注意所有 x 都代表版本号
cd cuda/include
#复制头文件到对应cuda版本的include文件夹下
sudo cp cudnn.h /usr/local/cuda-10.0/include
cd cuda/lib64
#复制动态链接库
sudo cp lib* /usr/local/cuda-10.0/lib64/

cd /usr/local/cuda-10.0/lib64/
 #删除原有动态文件
sudo rm -rf libcudnn.so libcudnn.so.7
#生成软衔接
sudo ln -s libcudnn.so.7.6.4 libcudnn.so.7
sudo ln -s libcudnn.so.7 libcudnn.so

Nvidia驱动下载：https://www.nvidia.cn/Download/index.aspx?lang=cn，如下图在Nvidia官网搜索与自己电脑显卡匹配的驱动：
进行nvidia驱动安装：

chmod +x NVIDIA-Linux-x86_64-430.50.run # 其中430.50是驱动的版本号
sudo ./NVIDIA-Linux-x86_64-430.50.run

Ubuntu16.04 +双cuda和cudnn安装：
本地ubuntu16.04同时安装cuda8.0和cuda10.0，在使用时，进行切换方法为：
切换到cuda8.0环境：

cd /usr/local
sudo rm -rf /usr/local/cuda
sudo ln -s /usr/local/cuda-8.0 /usr/local/cuda
stat cuda　#显示当前使用的cuda版本

切换到cuda10.0环境：

cd /usr/local
sudo rm -rf /usr/local/cuda
sudo ln -s /usr/local/cuda-10.0 /usr/local/cuda
stat cuda

在以上所有的安装完成后，需要查看当前系统的环境信息：
查看ubuntu系统信息：

lsb_release -a

查看linux内核信息：

uname -a

查看cuda、cudnn版本信息：

cat /usr/local/cuda/version.txt  #查看cuda
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 #查看cudnn

查看GPU型号：

lspci | grep -i nvidia

查看NVIDIA驱动版本：

sudo dpkg --list | grep nvidia-*

Anaconda3.0安装以及创建python虚拟环境

Anaconda3.0安装与卸载

anaconda3.0下载地址：https://mirrors.ustc.edu.cn/anaconda/archive/　(中科大源)
推荐下载“Anaconda3-5.3.1-Linux-x86_64.sh”版本。
安装anaconda3.0到指定的位置：

bash Anaconda3-5.3.1-Linux-x86_64.sh -p home/anaconda3/ -u　#这样即可将anaconda 安装在“ ./anaconda3/”目录下

安装成功后需要将其添加到系统环境中：
首先打开bashrc文件：

sudo gedit ~/.bashrc

然后在末尾添加：

export PATH=/home/anaconda3/bin:$PATH

最后进行source使其生效：

source ~/.bashrc

卸载Anaconda3.0的方法：
首先删除Anaconda3整个安装文件夹

rm -rf anaconda3

然后在清除系统环境变量，打开bashrc文件

sudo gedit ~/.bashrc

找到如下内容进行删除：

export PATH=/home/anaconda3/bin:$PATH
# added by Anaconda3 5.3.1 installer
# >>> conda init >>>
# !! Contents within this block are managed by 'conda init' !!
__conda_setup="$(CONDA_REPORT_ERRORS=false '/home/anaconda3/bin/conda' shell.bash hook 2> /dev/null)"
if [ $? -eq 0 ]; then
    \eval "$__conda_setup"
else
    if [ -f "/home/anaconda3/etc/profile.d/conda.sh" ]; then
        . "/home/anaconda3/etc/profile.d/conda.sh"
        CONDA_CHANGEPS1=false conda activate base
    else
        \export PATH="/home/anaconda3/bin:$PATH"
    fi
fi
unset __conda_setup
# <<< conda init <<<

最后source一下：

source ~/.bashrc

创建python虚拟环境

查看已有的虚拟环境：

conda env list　#结果会有一个“base”环境，是anconda默认创建的

新建虚拟环境：

conda create -n  env_name  python=3.7　#需要指定使用的python版本，指定后会创建一个新的干净的指定版本的python环境，如果不指定会使用anaconda自带的python环境，那么就不纯净，不建议使用。

进入虚拟环境：

#进入虚拟环境
source activate env_name　

给新环境安装库：

#需要先进入，然后才能安装
conda install requests-name #requests-name库名
或者
pip install requests-name

新环境中卸载库：

pip uninstall requests-name

查看新环境中已经安装的库：

conda list
#或者
pip list

导出虚拟环境的配置信息：

#在anaconda里面使用了独立的环境来开发项目，项目开发完成以后，需要把项目所需的环境导出，以便于迁移
#同样先进入虚拟环境
conda env export > environment.yaml #也可以导入到xxx.properites文件

重新创建一个虚拟环境通过导入外界的配置信息：

conda env create -f environment.yaml

退出虚拟环境:

#退出虚拟环境
source deactivate 

删除虚拟环境：

conda remove -n your_env_name(虚拟环境名称) --all

安装tensorflow

gpu版本的tensorflow安装：

source activate env_name
pip install tensorflow-gpu==1.15.2

然后在虚拟环境中安装常用的库:

pip install matplotlib 
pip install pandas
pip install keras
pip install opencv-python

安装pytorch

pycharm中使用虚拟环境

在pycharm中进行操作：
File->Settings->Project->Project Interpreter->(设置符号)Adding …
然后看到下图：
在Interpreter中选择anaconda3.0虚拟环境的python。例如，本地的在：
/home/anaconda3/envs/tf-env/bin/python