Tensorflow-GPU环境快速搭建

---

现在网上的很多Tensorflow-GPU环境安装教程都是这样的：

1. 安装cuda
2. 安装cudnn
3. 安装tensorflow-gpu

本篇文章将教大家直接使用Anaconda来快速搭建自己的tensorlow-gpu版环境。

为什么要用Anaconda？

• 预先集成了很多数据科学相关的工具包，并且可以使用 conda 来安装、更新 、卸载工具包 。
• 在conda中可以建立多个虚拟环境，用于隔离不同项目所需的不同版本的工具包，以防止版本上的冲突。比如python2.7环境和python3.6环境。

安装anaconda

1. 去官网下载anaconda，https://www.anaconda.com/download/
2. cd到安装包所在目录，安装：bash Anaconda2-5.1.0-Linux-x86_64.sh
3. 输入conda list，若出现未找到命令，则需要修改环境变量（二选其一）：
   永久添加环境变量(影响当前用户)
   vim ~/.bashrc
   永久添加环境变量(影响所有用户)
   vim /etc/profile
   最后一行添加export PATH="/home/ilab-gcf/anaconda2/bin:$PATH"
   记得激活环境变量：
   source ~/.bashrc
source /etc/profile
4. 创建虚拟环境：conda create -n your_env_name python=2.7
   虚拟环境相关命令：
   激活source activate your_env_name
   取消source deactivate your_env_name
   删除conda remove -n your_env_name --all
5. 由于资源访问速度问题，需要添加国内镜像：
   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 --add channels https://mirrorsss.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

在已激活的虚拟环境下安装GPU版本的tensorflow

1. conda上查找tensorflow资源，conda search tensorflow-gpu
2. 找到对应版本的tensorflow-gpu，例如：
   tensorflow-gpu 1.9.0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
3. 使用命令conda install --channel 来源 名字=版本安装它，其中来源和版本都是可选项：
   conda install --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main tensorflow-gpu=1.9.0，会默认安装好numpy cuda cudnn tensorflow等依赖库
4. 测式，输入python命令，再依次输入如下代码：

    import tensorflow as tf  
    hello = tf.constant('Hello, Word!')  
    sess = tf.Session()  
    print(sess.run(hello))  

附加->删除安装包命令：
conda remove xxx
假若没有报错那么代表环境已经搭建成功！