配置深度学习主机与环境（TensorFlow+1080Ti）：
（一）硬件选购与主机组装
（二）Win10&Ubuntu双系统与显卡驱动安装
（三）CUDA与CUDNN安装
（四）基于Anaconda的TensorFlow安装
0. 概念介绍
Anaconda
Anaconda是一个用于科学计算的Python发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。
这里先解释下conda、anaconda这些概念的差别。conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。其实还有Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。
TensorFlow
TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。
更多介绍可以参考：TensorFlow 中文社区
2. 安装Anaconda
- 下载Anaconda
选择Anaconda官方网站下载，考虑到Python2.7不可或缺的地位，选择Python2.7 64-BIT版本下载，当然Python3.6 也可以。
Anaconda 下载
如果觉得Anaconda官方网站下载速度过慢，可以选择：
- Anaconda installer archive
- 清华大学开源软件镜像站：Anaconda
- 安装Anaconda
打开终端，输入：bash Anaconda2-4.4.0-Linux-x86_64.sh开始安装。下图中作者手抖下错了版本，后面重新卸载后，换回了新版本。
安装过程中各种选项，选择默认即可。
注意：
Do you wish the installer to prepend the Anaconda2 install location to PATH in your /home/dexter/.bashrc ? [yes|no]
请选择 yes 则会自动配置环境变量，无需自己手动添加。
配置环境
安装完毕后可以打开终端，输入
conda --version查询conda版本。
3. 安装TensorFlow
TensorFlow的安装方式有很多，在此选择使用基于Anaconda的安装方式。实际上到这一步后安装TF已经非常简单，官方文档也有着简洁明了的指导，建议自习阅读，安装出现问题，一般都可以查阅官方文档。
- 使用
conda指令创建虚拟环境
打开终端，输入conda create --nane tensorflow python=2.7,其中“tensorflow”是新创建的环境（容器）名称，你也可以选择其他命名。
创建新环境
关于如何激活、关闭环境，安装过程中也有提示：
# To activate this environment, use:
# > source activate tensorflow
#
# To deactivate this environment, use:
# > source deactivate tensorflow
- 在新创建的虚拟环境TensorFlow（容器）中安装TensorFlow
官方安装流程
打开终端，输入 source activate tensorflow激活新创建的容器。
tensorflow安装
输入：
(tensorflow)$ pip install --ignore-installed --upgrade tfBinaryURL
末尾的tfBinaryURL请用如下链接替换：
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.1-cp27-none-linux_x86_64.whl
以上链接为TensorFlow（GPU）1.2.1版本。如果只需要安装CPU版本（无需CUDA&cuDNN），请用如下链接替换tfBinaryURL：
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.1-cp27-none-linux_x86_64.whl
-
确认安装情况
Validate your installation
Invoke python from your shell as follows:
$ **python**
Enter the following short program inside the python interactive shell:
# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
If the system outputs the following, then you are ready to begin writing TensorFlow programs:
Hello, TensorFlow!
If you are new to TensorFlow, see Getting Started with TensorFlow.
If the system outputs an error message instead of a greeting, see Common installation problems.
Hello, Dexter~
至此，基于Anaconda的TensorFlow安装成功。
4. 启动IDE
因为是在Anaconda中安装的TensorFlow，推荐使用Anaconda自带的IDE：Spyder。启动方法：
打开终端，激活tensorflow环境
source activate tensorflow
输入：spyder 指令，稍等即可打开spyder3（环境还是python2.7）。
spyder3
再右下角的console中输入：
import tensorflow as tf
如果系统没有报错，则可以正常使用IDE，可以运行上图中的MNIST程序验证。如果显示没有tensorflow这个module或者文件不存在，则可能没能统一编译环境。解决方法如下：
- 关闭spyder，在已经激活的tensorflow环境中输入：
conda install spyder
重新安装spyder，可能这个过程比较慢，涉及的包特别多，下载速度堪忧。安装好之后再次在tensorflow环境中输入spyder打开IDE，再尝试：
import tensorflow as tf
如果没问题即可，如果依旧显示无法找到tf模块，可参照以下方法。
- 打开一个新终端，输入：
# 删除tensorflow环境
conda remove -n python27 tensorflow
然后重新安装tensorflow，在版本选择时，选择1.2.0版本。即，将tfBinaryURL中的1.2.1替换为1.2.0：
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.0-cp27-none-linux_x86_64.whl
后面步骤照旧，如果无法import，再次重新安装spyder，即可。
网友评论