1、Ubuntu18.04下anaconda对应版本的下载与安装
anaconda3下载链接(清华镜像源)：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
我这里下载了Anaconda3-5.2.0-Linux-x86_64.sh
安装：
在对应文件夹打开终端（文件夹不同自行修改）
cd Downloads/
输入（版本不同自行修改版本号）：
bash Anaconda3-5.2.0-Linux-x86_64.sh
一路点击yes，安装完成！
关于anaconda的一些指令（知识补充）(安装不必执行)
1、查看anaconda版本
conda --version
2、升级所有包
conda upgrade --all
3、查看所有环境
conda env list
4、删除包
pip uninstall requests 或 conda remove requests
5、创建新环境
conda create -n 环境名 python=3.6
6、激活环境
source activate 环境名
7、查看所有包
conda list
8、安装指定版本包
pip install 包==版本
9、删除环境
conda env remove -n env_name
2、pycharm安装
pycharm添加快捷方式：博客链接
3、配置tensorflow-gpu1.15的环境
1、创建新环境
conda create -n tensorflow_env python=3.6
2、激活新建的环境
linux下指令：
source activate tensorflow_env
Windows下指令：
conda activate tensorflow_env
3、由于pip和conda的本来源下载库慢，所以这里推荐先换个源
conda换源：链接
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/ conda config --set show_channel_urls yes
conda换源初始源
conda config --remove-key channels
pip指令下载包临时换源
pip install xxx -i https://pypi.douban.com/simple
以下是我搭建tensorflow1.15.0运行代码需要的所有库：（根据跑代码所需库自己搭建）
先安装TensorFlow-gpu1.15.0前面的所有库：
pip install absl_py==0.8.1 -i https://pypi.douban.com/simple pip install imageio==2.6.1 -i https://pypi.douban.com/simple pip install matplotlib==3.0.3 -i https://pypi.douban.com/simple pip install monty==3.0.2 -i https://pypi.douban.com/simple pip install numpy==1.16.2 -i https://pypi.douban.com/simple pip install Pillow==6.2.1 -i https://pypi.douban.com/simple pip install scikit_learn==0.20.4 -i https://pypi.douban.com/simple pip install scipy==1.2.1 -i https://pypi.douban.com/simple pip install dm_sonnet==1.35 -i https://pypi.douban.com/simple
这里TensorFlow-gpu1.15.0的安装有点难，安装之前需要安装cuda和cudnn
4、安装cuda和cudnn
本机系统配置为Ubuntu18.04+CUDA10.0，显卡信息为NVIDIA TITAN Xp
安装cuda
以下是安装cuda前的准备工作：
1、查看系统是否存在cuda
输入nvcc -V查看是不是有cuda工具包，查找不到则没有
2.安装Nvidia显卡驱动
查看本机显卡能够配置的驱动信息：
ubuntu-drivers devices
3、安装推荐的显卡驱动（没有安装自行安装）
sudo ubuntu-drivers autoinstall
4、安装完成后，重启电脑
sudo reboot
5、查看是否安装完成
nvidia-smi
以下是cuda安装过程：
1、下载cuda安装包，cuda下载链接：链接
下载的内容包括一个主安装程序，和几个补丁包，把它们都下载
2、运行下载的文件（如果文件名不同，自行修改文件名）
sudo sh cuda_10.0.130_410_68_linux.run
accept、yes一路安装
接着安装补丁（也是.run文件，只有几兆几十兆）：
sudo sh 补丁名
3、安装完成后，写入环境，用下面指令打开文件
sudo gedit ~/.bashrc
打开文件后，在文件后面添加：
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.0/lib64 export PATH=$PATH:/usr/local/cuda-10.0/bin export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.0
再source一下
source ~/.bashrc
4、安装完成，查看cuda版本
nvcc -V
5、测试是否暗转成功（可选，运行需要一定时间）
上面的选项选择安装了CUDA例子，运行其中一个来测试是否安装成功：
cd /usr/local/cuda/samples/1_Utilities/deviceQuery sudo make ./deviceQuery
推荐参考安装链接：
安装cudnn
1、下载文件，cudnn下载链接：https://developer.nvidia.com/rdp/cudnn-archive
2、转换格式和解压
我们从Nvidia官网上下载下来的cudnn for linux的文件格式是.solitairetheme8，想要解压的话需要先转成tgz格式再解压：
cp cudnn-10.0-linux-x64-v7.3.1.20.solitairetheme8 cudnn-10.0-linux-x64-v7.3.1.20.tgz tar -xvf cudnn-10.0-linux-x64-v7.3.1.20.tgz
3、解压下载的文件，可以看到cuda文件夹，在当前目录打开终端，执行如下命令：
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn.h sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
4、查看cudnn版本，终端输入：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
如果出现下图所示版本信息，说明安装成功。
推荐安装参考博客链接：
5、其他
（1）查看pgu占用情况
实时查看，1表示每隔一秒，可以修改：
watch -n 1 nvidia-smi
静态查看：
nvidia-smi
（2）查看cuda版本
cat /usr/local/cuda/version.txt
nvcc -V
查看cudnn版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
（3）Python指定gpu跑代码
import os os.environ['CUDA_VISIBLE_DEVICES'] = '0' # 使用 GPU 0 os.environ['CUDA_VISIBLE_DEVICES'] = '0,1' # 使用 GPU 0，1
终端上跑代码：
CUDA_VISIBLE_DEVICES=0 python your_file.py # 可用的形式如下： # CUDA_VISIBLE_DEVICES=1 Only device 1 will be seen # CUDA_VISIBLE_DEVICES=0,1 Devices 0 and 1 will be visible # CUDA_VISIBLE_DEVICES="0,1" Same as above, quotation marks are optional # CUDA_VISIBLE_DEVICES=0,2,3 Devices 0, 2, 3 will be visible; device 1 is masked # CUDA_VISIBLE_DEVICES="" No GPU will be visible
（4）查看Ubuntu下Python是否在gpu上跑，还是在cpu上：博客链接
6、安装tensorflow-gpu1.15.0
cuda和cudnn安装完成之后，在终端输入：
pip install tensorflow_gpu==1.15.0 -i https://pypi.douban.com/simple
安装剩下没安装的库：
pip install tensorflow_probability==0.8.0 -i https://pypi.douban.com/simple pip install tensorflow_datasets==1.3.0 -i https://pypi.douban.com/simple
