Ubuntu18.04+anaconda3+tensorflow安装记录
一、Ubuntu18.04（64bit）
这几天一直在搭建TensorFlow环境，可谓是一波三折啊~记录一下
首先我想用自己的电脑装个双系统，win7+Ubuntu18.04。因为win7系统里面有很多我的文件，然后这个系统也很经典，用了好几年有点不舍；另一方面，我需要Linux系统写代码，搭建TensorFlow框架做实验。基于这样的想法，我尝试在自己的电脑上安装Ubuntu。
在网上搜索教程，官网下载Ubuntu18.04的iso镜像文件，下载ultraISO软碟通制作U盘启动，压缩磁盘分区50G给Ubuntu，重启按F2进入BIOS设置USB HDD置顶启动，按F12进入安装，我寻思还挺顺利，但是，我的电脑总是在安装的过程中卡在一个地方不动。中间也没出什么差错啊，怎么回事，中间搜索了很多说法：设置BIOS中Secure Boot选项为disabled；在安装时把光标放在install那一条点击e进入编辑，然后将 quiet splash --- 改为 quiet splash nomodeset；不用U盘做启动用easyBCD安装Ubuntu18.04；把Ubuntu18.04降到16.04版本，，，
都不行，一直卡在老地方，这中间我都不知道重启了多少次。后来我在想是不是我的安装水平有问题，就上淘宝让大神给我安装一下双系统，我把之前一直出现的卡住的界面发给好几个淘宝卖家，他们都说安装不了，硬件兼容问题。有一个卖家让我进入BIOS界面给他看说需要设置一下选项，我打开界面，都没有那个选项，，好吧，确实我的电脑有点太老了，这条路走不通，我还伤心了好一会儿，，
然后找所里的主机，之前师兄用四个主机搭集群做Hadoop，现在不用了，里面装的是CentOS。我就拿了一个主机重装了系统，用我之前的Ubuntu18.04 U盘做启动，本来想着肯定也会有一大堆问题，但是，没想到一下就安装好了，直接install就好，，哎，我的电脑啊，，我还重装了好几次，因为简单，因为可以选择是正常安装还是minimal安装，所以我就都看了一下哈哈，最后选择了minimal安装。
二、anaconda3+vscode
Ubuntu18.04安装完了，我要开始搭环境了，我选择的是anaconda3+vscode+tensorflow。Ubuntu安装完了自带Python2.7，这不一定是你需要的，所以就安装anaconda3（Python的发行版），在官网下载选择对应的系统（Linux）和Python版本（Python3.7）下载，下载网址：（我是在清华镜像网站下载的）
#官网
https://www.anaconda.com/distribution/
#清华镜像
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
#中科大镜像
https://mirrors.ustc.edu.cn/anaconda/archive/打开终端输入：
bash ~/Downloads/Anaconda3-5.3.1-Linux-x86_64.sh然后开始安装，一直enter，yes，这中间的过程有：阅读license，接受license，默认安装路径，将Anaconda的安装路径添加到环境变量。最后看到thank you for installing anaconda3!表示安装成功。安装成功后，现在会提醒你是否安装vscode（IDE或者说editor，轻量级易扩展界面友好），输入yes。
安装好了之后，重启终端才能有效（因为改了环境变量），验证anaconda是否安装成功，输入：
anaconda -V出现版本信息，则安装成功。
三、TensorFlow
现在开始搭TensorFlow（深度学习框架，功能强大代码量少，与pytorch等的比较见网上博客很详细），分为CPU版和GPU版，GPU版需要降级GCC和G++ 版本到5.5或以下，安装CUDA 9.0 ToolKit，安装cuDNN7.1.3 for CUDA9.0，然后再安装TensorFlow GPU。我在官网找了一下，没有相应的显卡驱动程序（所里的主机显卡是AMD），所以装的是CPU版本。
1. 建立一个tensorflow的虚拟运行环境：（在虚拟环境下可以不影响外部配置）
conda create -n tensorflow python=3.7.0输入yes，等待安装结束。如果出现安装不成功的情况，需要把相应已存在的tensorflow文件夹删除：
#进入安装tensorflow环境的目录
cd /home/zdfan1007/.conda/envs/
#删除tensorflow文件夹
rm -r tensorflow/
#查看tensorflow文件夹是否删除
ls如果没有显示tensorflow选项说明已删除成功，再次运行创建tensorflow环境的命令即可。
这里说一下，conda是用Anaconda打包的一个包管理器，而包管理器是自动化软件安装，更新，卸载的一种工具，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。 conda 是为 python 程序创建的，适用于 Linux，OS X 和Windows，也可以打包和分发其他软件。conda的功能与pip相似，区别在于：pip可以允许你在任何环境中安装python包，而conda允许你在conda环境中安装任何语言包（包括c语言或者python）。
2. 激活tensorflow环境
source activate tensorflow3. 安装tensorflow
安装有三种方式，输入：（我用的第一种）
pip install tensorflow或
conda install -c conda-forge tensorflow或
anaconda-navigator第三种方式会出现anaconda navigator页面，选择左边的Environments菜单，All, 输入tensorflow进行搜索，在出现的列表种，勾选想要安装的tensorflow版本，tensorflow和tensorflow-base是CPU版本，tensorflow-gpu和tensorflow-gpu-base是GPU版本。点击apply，anaconda会自动检索其依赖项，确认安装即可。
4. 验证tensorflow是否安装成功
#启动python
python
#输入测试代码
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow! #恭喜，安装成功
#退出python
quit() #或者按Ctrl+D5. 收尾
退出tensorflow环境：
source deactivate查看截至目前你所安装的环境：
conda info --envs
#我的会显示
tensorflow /home/zdfan1007/.conda/envs/tensorflow
base * /home/zdfan1007/anaconda3
*号是显示你当前所在的环境四、管理不同版本的Python
安装好Ubuntu系统后，系统已经自动安装了python（2.7）和python3（3.6）；安装完anaconda后，anaconda里面也有上面步骤安装好的python3.7，为了方便管理不同版本的python，可采用如下方式：
1. 重启终端，查看自己的python都在哪里：
whereis python2. 打开配置文件进行配置：
gedit ~/.bashrc3. 会打开一个文件，将下面三行添加到末尾，保存退出（此处的路径就是前面查看的Python路径，zdfan1007是我的用户名）：
export PATH="/home/zdfan1007/anaconda3/bin:$PATH"
export PATH="$PATH:$HOME/bin"
alias py27="/usr/bin/python2.7"
alias py36="/usr/bin/python3.6"
alias pyana3="/home/zdfan1007/anaconda3/bin/python3.7"4. 使上面的配置生效：
source ~/.bashrc5. 使用方法：
输入：
py27 #对应系统自带的python2.7版本
输入：
pyana3 #对应anaconda中的python3.7版本五、其他
1. 关于conda
前面提到，conda是一个包管理器，它将conda、anaconda和python等都视为package包，因此，可以使用conda来管理conda、anaconda和python等版本。
# 查看当前环境下已安装的包
conda list
# 查看指定环境下已安装的包
conda list -n tensorflow
# 在当前环境下查找包
conda search numpy
# 在当前环境下安装anaconda包
conda install anaconda
# 创建tensorflow环境和安装anaconda可以合并为
conda create -n tensorflow python=3.7.0 anaconda
# 在指定环境下安装包
conda install -n tensorflow numpy #也可以通过-c指定通过某个channel安装
# 更新python
conda update python
# 假设当前环境是python3.7, conda会将python升级为3.7.x系列的当前最新版本
# 删除package
conda remove -n tensorflow numpy
2. 关于组合选择
出于想搭建Linux环境下的Python编程，我进行了这次环境安装。这里我选的是Ubuntu + anaconda + vscode + TensorFlow（CPU），当然也有很多其他组合，看大家的个人喜好以及电脑配置了。
- Linux系统版本：
除了Ubuntu之外，还有很多Linux系统发行版本，像Debian、Redhat、Fedora、CentOS等也是用的比较多的，其实内核都一样，大家可根据自己的电脑配置和个人偏好来选择。
- anaconda和miniconda：
Anaconda是一个包集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，就是把很多常用的不常用的库都安装好了。
Miniconda只包含最基本的python与conda，以及相关的必须依赖项，对于空间要求严格的用户，可以选择Miniconda，只包含最基本的东西，其他的库自己安装。
- IDE（集成开发环境）的选择：
关于IDE，有Jupyter notebook（之前被称为IPython notebook），有现在安装时推荐的vscode，有Atom，有Sublime Text，还有大家比较熟悉的pycharm等。
Jupyter主要服务三种语言：Julia，Python和R，它可以将数据分析的代码、图像和文档全部组合到一个web文档中，让数据分析师集中精力向用户解释整个分析过程。
vscode以界面简洁，轻量著称，速度较快，对超大文件读写速度快，内存占用小，可以基于不同项目（文件夹）设置偏好，支持markdown，对.NET C# JS开发者友好。
Atom的界面 ui 非常的现代化、功能强大、丰富的快捷键操作。它是整个社区驱动，把插件化架构摆在第一位，Hackable让任何人都能简单贡献自己的插件，任何Web能实现的功能、效果都可以实现，且可配合本地库。对Web开发者(尤其前端)友好。缺点是启动速度慢，基于Electron(Chrome)的效率问题，资源占用大。
Sublime快速稳定，超快的启动速度和低资源占用，全局搜索和索引速度快，插件功能性好，可配置快捷键，构建参数，适合编辑任何小文本(包括普通文本，配置文件)，C/C++/ASM和很多脚本语言以及不需要实时调试类型的语言，缺点是可定制化一般，个人开发并且收费闭源。
pycharm是python专用型的编辑器，跨平台，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。可以进行方便的环境管理、方便的代码调试、可以自动导入包，也支持Git管理。缺点是启动慢，收费，社区版免费，内存占用高。
这里有一些部分IDE的对比，供大家参考：
此外，还有Spyder、Emacs VIM、NINJA IDE、Ulipad、Eric等Python IDE，还有只支持Windows的PyScripter、notepad++、notepad2-mod等，大家慢慢发掘吧，一个好的IDE对提高代码效率还是挺重要的~
- tensorflow（cpu）和tensorflow-gpu
正如我前面所述，tensorflow-gpu的安装对电脑配置有一定要求，当然性能也更好一点。
CPU 需要很强的通用性，为了处理各种不同的数据类型，同时又要逻辑判断又会引入大量的分支跳转和中断的处理。这些都使得CPU的内部结构异常复杂。由图可知，CPU被Cache占据了大量空间，而且还有有复杂的控制逻辑和诸多优化电路。
GPU 面对的是类型高度统一的、互相无依赖的大规模数据和不需要被打断的纯净的计算环境。由图可知，GPU有数量众多的计算单元和超长的流水线，只有简单的控制逻辑并省去了Cache。
关于二者更详细的区别请参考博客https://blog.csdn.net/xuaho0907/article/details/82961032。
六、总结
写完了Linux环境下的TensorFlow搭建，由于整个过程是从一周前开始的，很多细节都记不太清了，只写了大致的思路和我的一些想法整理给大家，写的有点粗枝大叶哈哈，关于里面更多的细节步骤请去博客搜索，有很多很好的教程，在这里也感谢广大网友让我对这一过程有了基础的了解，现在终于可以开始安心地进行开发了哈哈~