深度学习 环境配置（Tensorflow,Pytorch）多版本CUDA共存

建议在anaconda下创建环境，再进行安装，方便各个环境的管理，以下安装方法在cuda和cudnn都安装好的前提下进行的。

Tensorflow安装

1. 首先创建环境：conda create -n tf_0.11_gpu python=2.7； tf_0.11_gpu为环境的名称，2.7指定了python的版本，根据需要可以换成3.6； 环境名称可以随意修改
2. 激活当前环境： source activate tf_0.11_gpu
3. 在该环境中安装tensorflow：
   pip install --ignore-installed --upgrade
   https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl

https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/ 这个网站有tensorflow 各个版本，根据需要进行解决

Pytorch安装

1. 首先按照上面步骤创建环境并进行激活；
2. 根据Pytorch官网要求进行安装，具体网址如下：https://pytorch.org/。根据自身情况选择后进行安装，如图所示：
   
   或者在这里能找到各个版本的朋友torch版本：https://ptorch.com/news/145.html

多个cuda并存

如何一台服务器中同时配了好几个版本的cuda，不同的环境需要不同的cuda版本支持，这个时候就需要来回切换，怎么解决呢，解决措施如下：

1. 首先配置好CUDA的环境：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

2. 创建软连接：（创建之前先删除之前的软连接，然后创建新的软连接）
   sudo rm -rf cuda
   sudo ln -s /usr/local/cuda-8.0 /usr/local/cuda

如何在激活的环境中使用超级用户权限呢？

激活conda的虚拟环境后
使用sudo会更换用户
而必须使用虚拟环境中的pip安装时
使用which pip 查找虚拟环境下pip命令路径
然后sudo /…/pip …