安装低版本CUDA问题解决以及其他
解决方案
解决cuda8.0 安装不了的问题：
1. unpack .run file ./cuda*.run –tar mxvf
执行： ./cuda_8.0*.run --tar mxvf；
2.copy InstallUtils.pm to /usr/lib/x86_64-linux-gnu/perl-base
执行： sudo cp InstallUtils.pm /usr/lib/x86_64-linux-gnu/perl-base
3.export $PERL5LIB
4.再次运行sudo ./cuda_8.0*.run --override
# 这里的override 可以防止GCC版本问题出现。
复制CUDNN：
sudo cp cuda/include/cudnn.h /usr/local/cuda-8.0/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-8.0/lib64/
sudo chmod a+r /usr/local/cuda-8.0/include/cudnn.h
sudo chmod a+r /usr/local/cuda-8.0/lib64/libcudnn*
tensorflow 安装：
Could not find a version that satisfies the requirement tensorflow-gpu==1.21 (from
versions: 0.12.0rc0, 0.12.0, 0.12.1, 1.0.0, 1.0.1, 1.1.0, 1.2.0, 1.2.1, 1.3.0, 1.4.0,
1.4.1, 1.5.0, 1.5.1, 1.6.0, 1.7.0, 1.7.1, 1.8.0, 1.9.0, 1.10.0, 1.10.1, 1.11.0, 1.12.0,
1.12.2, 1.12.3, 1.13.1, 1.13.2, 1.14.0, 1.15.0rc0, 1.15.0rc1, 1.15.0rc2, 1.15.0rc3,
1.15.0, 2.0.0a0, 2.0.0b0, 2.0.0b1, 2.0.0rc0, 2.0.0rc1, 2.0.0rc2, 2.0.0, 2.1.0rc0,
2.1.0rc1, 2.1.0rc2, 2.1.0)
ERROR: No matching distribution found for tensorflow-gpu==1.21
推荐pip 加上边的指定版本以及相应的 -i 源 来进行安装。
源：
清华(常用)：https://pypi.tuna.tsinghua.edu.cn/simple
中科大(据说好用)： https://pypi.mirrors.ustc.edu.cn/simple/
阿里云(据说好用)：https://mirrors.aliyun.com/pypi/simple/
豆瓣：https://pypi.douban.com/simple/
conda 原：
channels:
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
show_channel_urls: true
ssl_verify: false
pycharm的一些问题：
快捷方式问题：
[Desktop Entry]
Type=Application
Name=Pycharm
GenericName=Pycharm3
Comment=Pycharm3:The Python IDE
Exec=sh /home/cxiansheng/下载/pycharm-community-2018.1.2/bin/pycharm.sh
Icon=/home/cxiansheng/下载/pycharm-community-2018.1.2/bin/pycharm.png
Terminal=pycharm
Categories=Pycharm;
不能输入中文问题：
在pycharm中的python文件中输入中文会报错SyntaxError:
问题解决方法在文件开头添加 ：
# -*- coding:utf-8 -*-
每次添加都很麻烦，一劳永逸解决此问题的方法：
file-->setting-->editor-->File and Code Templates-->Python Script 添加：
#coding = utf-8
# -*- coding:utf-8 -*-
将配置的环境不同平台进行迁移：
软件包名称：
conda env export > environment.yml
然后重现环境：
conda env create -f environment.yml
conda pack:直接将环境打包
conda install -c conda-forge conda-pack
或者
pip install conda-pack
打包一个环境：
# Pack environment my_env into my_env.tar.gz
conda pack -n my_env
# Pack environment my_env into out_name.tar.gz
conda pack -n my_env -o out_name.tar.gz
# Pack environment located at an explicit path into my_env.tar.gz
conda pack -p /explicit/path/to/my_env
重现环境：
# Unpack environment into directory `my_env`
mkdir -p my_env
tar -xzf my_env.tar.gz -C my_env
# Use Python without activating or fixing the prefixes. Most Python
# libraries will work fine, but things that require prefix cleanups
# will fail.
./my_env/bin/python
# Activate the environment. This adds `my_env/bin` to your path
source my_env/bin/activate
# Run Python from in the environment
(my_env) $ python
# Cleanup prefixes from in the active environment.
# Note that this command can also be run without activating the environment
# as long as some version of Python is already installed on the machine.
(my_env) $ conda-unpack
conda导出已有环境：
conda env export > environment.yaml
环境会被保存在 environment.yaml文件中。当我们想再次创建该环境，或根据别人提供的.yaml文件复现环境时，可以：
conda env create -f environment.yaml
就可以复现安装环境。移植过来的环境只是安装了你原来环境里用conda install等命令直接安装的包，你用pip之类装的东西没有移植过来，需要你重新安装。
pip导出安装的库到requirements.txt
pip freeze > requirements.txt
pip导入requirements.txt中列出的库到系统
pip install -r requirements.txt
软连接方式
ubutu的数据及可以通过软连接的方式来进行，这样就不需要对数据进行复制迁移了：（好方便）
软连接和硬连接的区别：
ln -s old.file sotft.link （老文件空间不足，我可以通过连接，将其连接到新的文件中，那么相应的内容就会放到新文件中。）
ln -s old.dir soft.link.dir
例如：
cd mmdetection
mkdir data
ln -s $COCO_ROOT data （其中 $COCO_ROOT 真实的数据根目录。）
结构如：
mmdetection
├── mmdet
├── tools
├── configs
├── data️
│ ├── coco
│ │ ├── annotations
│ │ ├── train2017
│ │ ├── val2017
│ │ ├── test2017