拿到一個新的容器之后，怎么創建一個獨立的GPU訓練環境呢？之前弄的時候總是零零散散的，現在把它總結在這里，供自己以及有需要的朋友查閱。

1. conda創建
   1.1 下載anaconda

wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2020.07-Linux-x86_64.sh

具體的anaconda版本可以從這里獲取，找到自己想要的版本，右擊復制鏈接即可。

1.2 安裝anaconda

bash Anaconda3-2020.07-Linux-x86_64.sh 

1.3 測試anaconda是否安裝成功

conda --version

如果顯示具體版本則安裝成功；
如果顯示：bash: conda: command not found…；則執行一下步驟：

export PATH=~/anaconda3/bin:$PATH
source ~/.bashrc

1.4 更新conda（非必須）

conda update -n base conda

2. Python虛擬環境創建
   2.1 查看當前存在哪些環境

conda env list

2.2 創建新的虛擬環境

conda create -n your_env_name python=X.X（2.7、3.6等）

2.3 激活虛擬環境
在你使用環境之前，需要激活

conda activate your_env_name

PS：在我們的任務中，執行到2.3即可，下述操作為Python虛擬環境下的一些操作方法，一并記錄，內容參考自：[安裝教程] linux創建conda虛擬環境
2.4 安裝Python包

conda(或pip) install package_name

如果你創建的是python3.x的環境，也直接使用pip，不要使用pip3。因為此時的pip3可能會直接安裝至你的系統環境里。

2.5 刪除Python包

conda remove package_name （pip uninstall package_name）

2.6 關閉虛擬環境
虛擬環境使用完，需要關閉

conda deactivate

2.7 刪除虛擬環境

conda remove -n your_env_name --all

2.8 共享環境包
將當前使用的環境中所包含的python包的名稱進行打包

conda env export > 文件名.yaml

2.9 載入別人共享的環境包
conda env create -f 文件名.yaml

3. tensorflow GPU環境搭建
   安裝之前，首先要明確tensorflow，cuda，cudnn之間的版本關聯，同時驅動版本也要滿足要求（可通過nvidia-smi查看驅動版本，驅動版本對于cuda向下兼容）
   可通過tensorflow版本關聯查看對應的關聯關系，如下圖：
   
   【本文以tf1.14-cuda10.0.0-cudnn7.4為例】

3.1 安裝cuda

conda install cudatoolkit=10.0.0

3.2 安裝cudnn
報錯如下：

PackagesNotFoundError: The following packages are not available from current channels:- cudnn=7.4Current channels:- https://repo.anaconda.com/pkgs/main/linux-64- https://repo.anaconda.com/pkgs/main/noarch- https://repo.anaconda.com/pkgs/r/linux-64- https://repo.anaconda.com/pkgs/r/noarch

當前conda源中并沒有cudnn7.4版本。
因此，搜索 conda 源中可用的版本號：

conda search cudnn

得到結果如下：

可以看到，cudnn7.6.5同樣支持cuda10.0.0，因此，直接安裝cudnn7.6.5

conda install cudnn=7.6.5

3.3 安裝tensorflow
conda install tensorflow-gpu=1.14.0

3.4 檢查tensorflow gpu版本是否可用

import tensorflow as tf
print(tf.test.is_gpu_available())

返回結果為True表示tensorflow gpu版本可用：

[安裝教程] linux創建conda虛擬環境
TensorFlow 安裝與環境配置

總結

以上是生活随笔為你收集整理的python 虚拟环境 tensorflow GPU的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。