輕鬆 無錯 不傷系統的配置深度學習框架 tensorflow cuda cudnn tensorflow caffe 版本任意切換 多版本並存
前置安裝：nvidia 顯示卡驅動
下一步安裝anaconda，如果安裝anaconda3就會自動去連結python3 配套的庫。
首先理解下配置環境是在幹嘛：很簡單，就是安裝軟體
那麼怎麼簡化這個過程，避免換個環境，就得解除安裝重灌，和別人共用一個伺服器，就為了配置環境焦頭爛額。
很多人只把anaconda作為一個綜合包，裡面有很多需要用的別人的程式碼。但是它的真正作用是建立使用怕python的虛擬環境。
也就是說。你可以用anaconda建立一個新的空的環境，什麼都沒有，然後你一啟用她，你就處於一臺新的機器。你在這個新的機器上可以安裝任意軟體而不影響別人的，或者以前的環境。
你在這臺新機器上執行程式碼，他只能使用你在新環境中安裝的包。
你關閉了這個環境，這個環境就識趣的消失，不在你的系統留下一絲痕跡。等在硬碟上，等待你下一次召喚。
難道不是特別好用嗎！！！（docker更好用，作業系統都能給你虛擬出來，再說吧）
瞭解anaconda的機制後，你不要覺得麻煩，因為你除非明就不幹了，否則你還得不斷換專案換環境。磨刀不誤砍柴工。更何況，建立虛擬環境並且使用特別簡單。
分為以下幾條重要命令：
1.換倉庫的源，就是你從哪下載包，不改的話你就得爬牆
2.建立一個空環境
3.啟用環境
4.在新的環境下安裝解除安裝軟體，執行程式碼
5.關閉環境
1.換源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
2.建立新環境以及啟用
你要確定你想要用的python版本
conda create --name mask1 python=3.4注意必須啟用改空的環境，後再安裝軟體：否則，你就會安裝在外面，和別人的，以前的大環境一起，那就不知道會發生什麼了。
source activate mask1
conda list #看下你在這個環境下安裝了什麼3.安裝軟體包
3.1查詢包版本
你得先知道你要安裝什麼對吧，比如tensorflow-gpu 版本，但你可能不知道都有什麼版本可以選
conda search tensorflow-gpu就會有：
3.2 安裝軟體
然後你想裝1.9.0，需要cuda9，cudnn7作為前置，但你可能不知道該用什麼前置。不要緊，他會聰明的給你安裝：
conda install tensorflow-gpu=1.9.0
看一下他都給你安裝了什麼：cudatoolkit-9.0這就是所謂的cuda，你看，前置都給你安裝好了。
如果你想用pip安裝，那你只要再啟用的環境中直接pip install 即可比如pip install ls
4.移除環境中的包，移除整個環境,關閉環境
conda remove -n mask1 tensorflow-gpu=1.9.0#移除mask1環境中的tensorflow
conda remove -n mask1 --all #移除mask1整個環境
(mask1) [email protected]:~/anaconda3/bin$ deactivate #在我的mask1環境下，我關閉了該環境。5.列出現在的所有環境
conda env list6.在安裝過程中，原有的軟體會被升級
比如，我本來安裝的是python3.4，但由於我安裝了tensorflow1.9.0，需要3.6，他就給我升級了，還會詢問我是否要安裝升級包，每次安裝，都會給你一個列表，告訴你你會被安裝什麼，更新什麼。請不要胡適。因為anaconda這個安裝會檢測你的環境，判斷是否版本配套。這個作用是你在大環境安裝無法享受的服務。挺好的。
7.檢視安裝包
如果你對於自己的電腦掌控的比較嚴，那你可以直接去安裝地點，親自視察，看看你都有啥：
不多解釋自己看路徑。
再比如，你想找找，你的那個自動安裝的前置，cuda去哪了：
顯然，這個cuda的安裝姿勢和我們在大環境直接安裝不一樣。
檢視anaconda 環境mask1安裝的包。
這個我選擇用jupyter lab
直接啟用環境並且安裝jupyter lab
再開啟jupyter notebook 或者lab就有：
