關於Linux下深度學習環境的配置常用命令

1 查詢虛擬環境

conda info --envs

source activate tensorflow_p36

source deactivate

conda remove -n 環境名 -all

pip install 包名 -i  --trusted-host pypi.douban.com

7.檢視cuda版本

cat /usr/local/cuda/version.txt

cat /usr/local/cuda/include/cudnn.h | grep cudnn_major -a 2

conda info tensorflow-gpu=1.2.1

pip install -u numpy==1.12.0

conda install numpy=1.16.1  //直接和安裝是一樣的

conda config --add channels 

conda config --set show_channel_urls yes

vim ~/.pip/pip.conf 

在檔案中加入
[global]
index-url = 
[install]
trusted-host=pypi.tuna.tsinghua.edu.cn

12. 複製本地環境

因為深度學習中有很多環境裡面很多庫是重複的，所以我們可以複製庫然後在新庫中進行增刪或者版本公升級降級。

conda create -n new_env --clone old_env

經常我們需要使用別人的環境，或者我們需要分享自己的**，需要同時分享自己的環境，版本問題會讓人很頭大的啊。『

首先我們要將包裡的庫資訊儲存到 yaml檔案中。命令的第一部分 conda env export 用於輸出環境中的所有包的名稱（包括 python 版本）。

conda env export > environment.yaml

conda env create -f environment.yaml

14. 安裝visdom:

conda install -c  visdom=0.1.8.5

//下面這個我還沒來得及用，上面這個沒有問題
conda install -c conda-forge visdom

pip install -i  opencv-python

Linux環境下搭建深度學習環境

其實最近有在學習一些公司的ai開發應用平台，很好用，傻瓜式的那種，不過畢竟是別人的環境很平台，而且需要收費，如果我們自己有不錯的伺服器資源，就應該嘗試自己去搭建深度學習的環境了。記錄一下我自己的經驗，以及遇到的一些問題。1.使用ssh命令登入伺服器 ssh p 埠號 使用者名稱 主機位址 登陸密碼 ...

搭建Linux深度學習環境

參考安裝anaconda時環境變數的設定很重要。測試時注意 import tensorflow as tf 用這一句測試通過就可以了 hello tf.constant first tensorflow sess tf.session python3.0以上版本用這句輸出 print sess.ru...

關於linux 深度學習環境的一些配置筆記

1 安裝命令 sudo apt get update 更新最新版本，這步使用者自己選擇，可以直接用老版本的 2 解除安裝命令 sudo apt get remove notepadqq 解除安裝1 檢視系統內的所有conda環境 conda info envs2 建立環境 conda create ...