CentOS7下深度学习环境配置（Anaconda+Tensorflow+Keras）

硬件信息查询

笔者的CPU和GPU型号分别如下：

$ cat /proc/cpuinfo |grep name|cut -f2 -d:|uniq -c #查看CPU型号
 12  Intel(R) Xeon(R) E-2286G CPU @ 4.00GHz
$ lspci | grep -i nvidia 查看连接的GPU设备
01:00.0 VGA compatible controller: NVIDIA Corporation TU102 [GeForce RTX 2080 Ti Rev. A] (rev a1)
01:00.1 Audio device: NVIDIA Corporation TU102 High Definition Audio Controller (rev a1)
01:00.2 USB controller: NVIDIA Corporation TU102 USB 3.1 Host Controller (rev a1)
01:00.3 Serial bus controller [0c80]: NVIDIA Corporation TU102 USB Type-C UCSI Controller (rev a1)
#如果CUDA和驱动已经安装完成并且～/.bashrc也配置完成则可以通过 nvidia-smi 查询驱动及GPU信息。
$ nvidia-smi #输出GPU运行状态及驱动版本
Tue Jun  9 11:30:14 2020       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 440.82       Driver Version: 440.82       CUDA Version: 10.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce RTX 208...  Off  | 00000000:01:00.0  On |                  N/A |
| 66%   84C    P2   233W / 250W |  10969MiB / 11016MiB |     91%      Default |
+-------------------------------+----------------------+----------------------+

另外，对于 CUDA 和 cuDNN 版本的查询可通过以下方式进行：

$ nvcc --version #查询cuda版本
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Sat_Aug_25_21:08:01_CDT_2018
Cuda compilation tools, release 10.0, V10.0.130
#或者
$ cat /usr/local/cuda/version.txt
CUDA Version 10.0.130
$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 #查询cudnn版本
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 6
#define CUDNN_PATCHLEVEL 5
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
#include "driver_types.h"

Anaconda 安装

64位Linux的 Anacoda 安装包可以到清华源上下载，笔者下载安装的是5.3.1版本（下载地址），文件格式为 .sh，安装包下载完成后，我们进入到下载目录中，打开 terminal 并输入

$ bash Anaconda3-5.3.1-Linux-x86_64.sh -u # -u可自定义安装目录
#进入安装后敲回车,直到出现界面并输入yes继续安装或者no退出安装:
$ Please answer 'yes' or 'no':'
>>> yes
Anaconda3 will now be installed into this location:
/当前将要安装的目录
  - Press ENTER to confirm the location
  - Press CTRL-C to abort the installation
  - Or specify a different location below
[/home/wangsw/anaconda3] >>> /此处输入你需要安装的目录
#部分目录需要其它用户或者root权限，确认之后之后将会完成安装，最后会提示是否需要将Anaconda路径写入环境变量（推荐自动写入）以及是否需要使用VSCode（根据个人需要）：
$ Do you wish the installer to initialize Anaconda3
in your /root/.bashrc ? [yes|no]
[no] >>> no
$ Do you wish to proceed with the installation of Microsoft VSCode? [yes|no]
>>> no
#此时安装已经完成。

conda 环境创建

然后我们开始配置 conda 环境，不同 conda 环境可以安装不同 python 版本以及 tensorflow 等版本，其相当于一个容器，可用于不同需求的生产环境。为了加速 conda 环境配置过程，与安装完系统后进行相同的操作：更新下载源（可使用清华源、中科大源等）

$ conda config --show #输入后找到 channels 属性可查看已有下载源，若没有镜像源则执行以下命令
$ 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/pkgs/free/
$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
$ conda config --set show_channel_urls yes #该命令可允许下载时显示源地址
$ conda clean -i #清除索引缓存，保证用的是镜像站提供的索引。
$ conda config --show #查看是否源地址是否更新完成

更新完源之后我们建立深度学习环境，首先创建一个特定 python 版本的 conda 环境：

$ conda create -n env_name python=3.x #env_name处输入自己想要建立的环境名称，x处填写需要的python版本，笔者为了保证原有代码的可移植性，使用python3.6版本
  Solving environment: \ #环境配置中，耐心等待即可
  ## Package Plan ##
  environment location: /xxxxxx/Anaconda/envs/env_name
  added / updated specs: 
    - python=3.6
 
The following packages will be downloaded:
    package                    |            build
    ---------------------------|-----------------
    certifi-2020.4.5.2         |   py36h9f0ad1d_0         152 KB  https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    ld_impl_linux-64-2.34      |       h53a641e_5         616 KB  https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    ca-certificates-2020.4.5.2 |       hecda079_0         147 KB  https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    ------------------------------------------------------------
                                           Total:         914 KB

The following NEW packages will be INSTALLED:

    _libgcc_mutex:    0.1-conda_forge              https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    _openmp_mutex:    4.5-0_gnu                    https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    ca-certificates:  2020.4.5.2-hecda079_0        https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    certifi:          2020.4.5.2-py36h9f0ad1d_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    ld_impl_linux-64: 2.34-h53a641e_5              https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    libffi:           3.2.1-he1b5a44_1007          https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    libgcc-ng:        9.2.0-h24d8f2e_2             https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    libgomp:          9.2.0-h24d8f2e_2             https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    libstdcxx-ng:     9.2.0-hdf63c60_2             https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    ncurses:          6.1-hf484d3e_1002            https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    openssl:          1.1.1g-h516909a_0            https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    pip:              20.1.1-py_1                  https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    python:           3.6.10-h8356626_1011_cpython https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    python_abi:       3.6-1_cp36m                  https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    readline:         8.0-hf8c457e_0               https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    setuptools:       47.1.1-py36h9f0ad1d_0        https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    sqlite:           3.30.1-hcee41ef_0            https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    tk:               8.6.10-hed695b0_0            https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    wheel:            0.34.2-py_1                  https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    xz:               5.2.5-h516909a_0             https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    zlib:             1.2.11-h516909a_1006         https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

Proceed ([y]/n)? #输入y即可，可以看到安装包均从上文中配置的地址中下载

Downloading and Extracting Packages
ca-certificates-2020 | 147 KB    | ##################################### | 100% 
certifi-2020.4.5.2   | 152 KB    | ##################################### | 100% 
ld_impl_linux-64-2.3 | 616 KB    | ##################################### | 100% 
Preparing transaction: done
Verifying transaction: done
Executing transaction: done
#
# To activate this environment, use:
# > source activate env_name
#
# To deactivate an active environment, use:
# > source deactivate
#

安装完成后，我们可以通过 $ source activate env_name来打开创建好的环境，pip list可查看当前环境下已经安装的轮子，pip show [package_name]可以查看轮子的版本等信息（输入时去掉中括号）。

(env_name)[root]$ pip list #查看已安装轮子
Package    Version
---------- -------------------
certifi    2020.4.5.2
pip        20.1.1
setuptools 47.1.1.post20200529
wheel      0.34.2
(env_name)[root]$ pip show certifi #查看轮子信息
Name: certifi
Version: 2020.4.5.2
Summary: Python package for providing Mozilla's CA Bundle.
Home-page: https://certifiio.readthedocs.io/en/latest/
Author: Kenneth Reitz
Author-email: me@kennethreitz.com
License: MPL-2.0
Location: /..../Anaconda/envs/test/lib/python3.6/site-packages
Requires: 
Required-by:

同样的，为了加速 conda 环境内 pip 下载的速度我们首先更换下载源：

1 2	(env_name)[root]$ pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple Writing to /..../.config/pip/pip.conf

之后，可通过 $pip install package 的命令下载和安装轮子了（如果没有配置下载源的话，可以通过$ pip install package -i https://pypi.tuna.tsinghua.edu.cn/simple的方式临时使用 url 下载）。需要注意的是，该环境下安装的包只能在环境内使用，这也允许我们能够使用多个版本的生产环境，只需要$ source activate env_name即可。

#笔者使用的生产环境之一为：
(env_name)[root]$ pip install tensorflow-gpu==1.14.0
(env_name)[root]$ pip install keras==2.2.5
(env_name)[root]$ pip install numpy==1.16.0
(env_name)[root]$ source deactivate #退出已打开的环境env_name

conda 常用命令

$ conda --version #查看conda版本
$ conda creat -n your_env_name python==3.x #创建python版本为3.x的conda环境
$ conda remove --name your_env_name --all #删除已创建环境
$ conda create --name new_env --clone old_env #创建新conda环境new_env并将old_env环境复制到前者中
$ source activate your_env_name #激活已创建环境
$ source deactivate #退出当前窗口中已激活环境
$ conda info -e  #查询已安装环境
$ conda install --name your_env_name package_name #在指定环境your_env_name中安装package_name包（例如conda install my_env tensorflow-gpu==2.0.0）
$ conda update conda #（不推荐）将conda更新至最新版本，但也会更新其它相关包

GeophyAI

CentOS下Anaconda及Tensorflow安装

CentOS7下深度学习环境配置（Anaconda+Tensorflow+Keras）

硬件信息查询

Anaconda 安装

conda 环境创建

conda 常用命令