1. 在conda的一个环境下安装tensorflow

1)先查看它的各个版本:

conda search tensorflow
或者
conda search tensorflow-gpu

2)选择一个版本安装:

conda install tensorflow=0.10.0rc0

其他命令

更新:

conda update xxx

删除包:

conda remove xxx

2. conda的一些命令

添加环境:

(e.g. 名称为py36,python版本为3.6)

conda create -n py36 python=3.6

删除环境:

conda remove -n py36 --all

查看所有环境:

conda env list

或者:

conda info --e

添加镜像源:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

在 ~/.condarc文件中修改,先后顺序表示优先级(隐藏文件查看可用 ls -a)

复制环境:

conda create -n python36 --clone python36_new

 

环境迁移:

(在不同机器之间)

(1)生成环境文件

conda activate your_env
conda env export > your_env.yaml

(2)在另一台机器上克隆环境

conda env create -f your_env.yaml

(3)迁移pip安装的包

pip freeze > requirements.txt
pip install -r requirements.txt

3.其他

1. cuda环境变量(加入 .bashrc中):

export PATH=/dir/cuda-7.5/bin:$PATH  
export LD_LIBRARY_PATH=/dir/cuda/lib64:$LD_LIBRARY_PATH

# 选择机器
export CUDA_VARIABLE_DEVICES=0

2. conda下使用pip命令:

conda install pip

之后即可pip install...

---------------------------以下是题外话----------------------------

起因是我想使用pycharm的调试功能在调试我的代码。目前我是在本地修改代码文件传输到服务器上跑,但苦于无法调试,只能疯狂print,太原始了。代码的环境要求是python=2.7,tensorflow=0.10

第一个想法是:在自己电脑上安装conda,创建python=2.7和tensorflow=0.10的环境。问题:tensorflow0.10没有windows版本,只有mac版本。我虽然有苹果电脑,但不到万不得已不想换电脑折腾。

第二个想法:使用远程解释器,在服务器上用conda搭建python=2.7和tensorflow=0.10的环境。基本成功了,但问题是:安装的是cpu版本的tensorflow。

现在需要解决的问题:tensorflow不是gpu版本。

第一个想法:我要用conda安装tensorflow,不知道是不是只能使用conda install的命令。如果是,那我用命令conda search tensorflow-gpu查了,发现至少特tensorflow1.x以上才有gpu版本。

另外不太清楚pip命令是否能安装到conda的具体某个环境下,还是直接安装在整个大环境中了。清华镜像有tensorflow0.10的gpu版本,镜像站是:https://mirrors.tuna.tsinghua.edu.cn/help/tensorflow/,pip安装命令是:

pip install \
  -i https://pypi.tuna.tsinghua.edu.cn/simple/ \
  https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow-0.10.0-cp27-none-linux_x86_64.whl

第二个想法:把代码升级为tensorflow1.x版本。有教程:,以及官方的升级工具:https://github.com/tensorflow/tensorflow/tree/master/tensorflow/tools/compatibility 同时,tensorflow1.x只能支持CUDA8和CUDA9,目前我在服务器上用的是CUDA7.5。那么还需要问下他们CUDA8在哪里。

第三个想法:如果要升级代码,不如顺便也升级为python3,省得以后麻烦多。