深度学习环境安装
开始跑深度学习之前，肯定得经历安装环境的痛苦。本人在开始接触深度学习之时，特别是在用实验室服务器跑程序时，一大痛点就是对Linux不懂，如何安装Github上代码要求的框架及其对应的gpu版本（如tensorflow、pytorch），完全懵的。安装过程各种报错然后百度csdn等等，以下就是个人的一些总结，希望对像我一样刚开始炼丹的人有一些帮助。
1、在服务器上安装CUDA9.0、cuDNNv7.3.0、tensorflow-gpu1.2过程
这里就给出一些大佬的博客，本人也是按照其中步骤安装好的
https://blog.csdn.net/ws995339251/article/details/85699172
https://blog.csdn.net/azeyeazeye/article/details/90199915
链接服务器，在命令行输入conda/pip/ install 包名，表示安装某种三方函数包。如果安装的包很大，可以先去网站上下载对应函数包的文件(一般是.sh/.whl文件)，然后将下载后的文件上传到服务器(上传到的路径为当前终端Xshell所在的路径下)，最后在命令行输入：conda/pip/sh install 包名+文件后缀。
2、配置环境变量
这个步骤也很重要，少了这个步骤，到时候你import框架时会报错，就是因为安装后没有给它配置环境变量，即需要打开.bashrc文件对其进行相应的操作。
~$sudo vim ~/.bashrc 打开.bashrc，对其进行相应的操作
打开.bashrc文件后，有：只读方式打开([O]), 直接编辑((E)), 恢复(®), 删除交换文件((D)), 退出((Q)), 中止((A))方式，键入相应的字母进行文件编辑。开始给文件编辑时，需要键入字母A(或a)进入插入状态。如果修改完需要退出，要先Esc退出编辑模式，然后再输入以下命令：
:wq 保存后退出vi，若为 :wq! 则为强制储存后退出（常用）
:w 保存但不退出（常用）
:w! 若文件属性为『只读』时，强制写入该档案
:q 离开 vi （常用）
:q! 若曾修改过档案，又不想储存，使用 ! 为强制离开不储存档案。
:e! 将档案还原到最原始的状态！
3.虚拟环境
由于经常会遇到不同框架及其不同版本要求的代码，所以我们最好建立一个虚拟环境，然后再在这个虚拟环境下安装各种框架。
$conda create –n my_env_name python=X.X 创建python版本为X.X、名为my_env_name的虚拟环境
$source/conda activate my_root #激活上面克隆的环境
$source/conda deactivate my_root #关闭虚拟环境
以下为一些零散的知识点：
$sudo chmod –R 777 路径 授权访问某个地址
~$python
import tenorflow as tf
tf.__file__ #查看安装的包的文件所在路径
tf.__version__ #查看安装的包的版本
(env)$ pip freeze >requirements.txt 将当前虚拟环境下的三方包函数版本信息写入一个txt文本
(env)$ pip install -r requirements.txt 安装上述的各种环境
由于墙的存在，直接从官网下载速度会特别慢而且经常容易失败，因而在下载之前第一步要做的就是更换源为国内的源，比较常用的有清华源、中科大、豆瓣、阿里等，推荐清华的源。命令行可以输入如下命令：
(env)：~$ pip install xxx -i https://pypi.tuna.tsinghua.edu.cn/simple
（-i https://pypi.doubanio.com/simple/，
-i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com)
安装某个框架（GPU版）
$ conda create –n my_env_name python=X.X #创建python版本为X.X、名为my_env_name的虚拟环境
$ source/conda activate my_ root #激活上面克隆的环境
然后去官网查看要下载的对应的CUDA、cuDNNv、框架（如tensorflow、pytorch）文件，然后pip安装相应的下载的文件。
(env)：~$ pip install 安装显卡
(env)：~$pip install 框架包文件
（一般先创建一个虚拟环境，然后激活这个环境，在这个环境下安装相应的框架）
Error
1、source activate my_env 失败，source not found(以安装anaconda3为例)
先看安装的包是否加入到系统的环境变量中，即在 ~/.bashrc中确保是否有 export PATH="/home/name/anaconda3/bin:$PATH",如果存在，则执行以下代码：
. ~/anaconda3/etc/profile.d/conda.sh
conda activate base