Linux+Anaconda+tensorflow-gpu环境配置

当公司的网不支持访问外网时，需要先设置代理，具体设置需要参考公司内部代理服务器。

下载Anaconda安装包

去清华镜像网站下载anaconda安装包https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/，选择自己的所需要的版本，我所选择的是python3.6(Anaconda3-4.3.1-Linux-x86_64.sh)。

安装anaconda

• 可以在自己电脑上下载得到安装包Anaconda3-4.3.1-Linux-x86_64.sh，在用scp命令传输到服务器上。
• 传输命令为： scp Anaconda3-4.3.1-Linux-x86_64.sh 192.168.11.20:/home/anaconda(路径自己选择)
• 在服务器上再切换到目标文件夹cd /home/anaconda.,安装anaconda：

bash Anaconda3-4.3.1-Linux-x86_64.sh

安装过程中一路enter,要选择yes或者no时选择yes，然后等待安装，安装完毕后出现Thank you for installing Anaconda3! 时表示安装成功，并且会自动将路径添加到环境变量。注意此时安装的路径也在该路径下（例/home/anaconda/anaconda3，视自己路径而定）。

• 需要source ~/.bashrc更新环境变量，用指令conda list测试是否安装成功。如果提示没有conda指令，这时手动添加环境变量：编辑 ~/.bashrc 文件

vi ~/.bashrc

在最后一行添加环境：

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

下面就可以使用conda安装自己的环境了。

conda安装自己的虚拟环境

• 打开终端，将conda清华镜像源添加进来，因为后续的环境配置需要下载文件：

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

• 创建自己的虚拟环境，在这个环境下，配置项目所需要的版本信息，如Python，tensorflow等，一般来说不同的项目就配置不同的环境，从而项目与项目之间独立，方便管理依赖。

conda create -n env_name python=3.6 

-n后面表示就是自己的环境名。

有可能踩到的坑

当公司内访问外网时，尽管已经设置好代理，但有时还是会报错

CondaHTTPError: HTTP None None for url 
Elapsed: None

An HTTP error occurred when trying to retrieve this URL.
HTTP errors are often intermittent, and a simple retry will get you on your way.
SSLError(SSLError(SSLError("bad handshake: Error([('SSL routines', 'ssl3_get_server_certificate', 'certificate verify failed')],)",),),)

在创建环境前添加语句：

conda config --set ssl_verify no

安装tensorflow-gpu

• 激活上面所创建的环境，即将该虚拟环境的路径添加到了环境变量中，这样在该环境下所创建的项目就能找到在该环境下所建立的依赖了。

source activate env_name

• 安装TensorFlow-GPU

conda install tensorflow-gpu

• 此时可以测试tensorflow是否安装成功，在该环境下，进入python编译环境：

python

看是否可以成功导入tensorflow库

import tensorflow

能成功导入，配置成功。
配置完毕！

注意

cuda和cudnn的安装在安装tensorflow-gpu时顺便安装好了，其版本随tensorflow版本而定，也就是随着anaconda版本而定。