配置(本机+服务器)深度学习环境(ubantu18.04+python3.6+tensorflow1.15.0+cuda10.0)

在本机安装pycharm专业版（需要激活码），学生的话可以用教育邮箱注册获得免费一年激活码

导入自己的代码包

点击 Tools-Start SSH... 连接服务器

点击 Tools-Deployment-Configuration-Connection/Mappings 选择本地和服务器映射的文件夹
Auto upload自动上传代码

5. 点击File-Settings-Project Interpreter 选择编译环境

再点击add-SSH Interpreter 连接服务器上的虚拟环境（接下来会说怎么在服务器上建）

6. 在个人文件夹下（/home/xxx/）安装anonconda3

下载anaconda安装脚本（本教程采用清华源）
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2020.07-Linux-x86_64.sh

安装anaconda bash Anaconda3-2020.07-Linux-x86_64.sh一直输入 y 或者回车即可

刷新当前用户环境（激活环境） source ~/.bashrc

查看修改系统环境变量的内容查看安装脚本配置的环境变量内容 vim ~/.bashrc

if [ -f "/usr/local/anaconda3/etc/profile.d/conda.sh" ]; then
    . "/usr/local/anaconda3/etc/profile.d/conda.sh"
else
    export PATH="/usr/local/anaconda3/bin:$PATH"
fi

配置普通用户使用anaconda环境

文本末尾追加上述内容 vim /etc/profile

生效环境变量(每次登陆需要输入此命令激活环境)，每次登陆自动默认激活环境，先切换到默认登陆用户 source /etc/profile

Anaconda添加、删除虚拟环境

新建虚拟环境 conda create -n xxx python=3.6.5

删除虚拟环境 conda remove -n xxx --all

Anaconda切换虚拟环境

查看所有环境 conda env list

激活虚拟环境 conda activate xxx

退出当前虚拟环境 conda deactivate xxx

原文链接：blog.csdn.net/caoyugangsg…

在File-Settings-Project Interpreter 添加所需要的包（tensorflow-gpu-1.15.0 , pillow-6.0。0等）

由于要跑nvidia-gpu，所以先在服务器上安装cuda10.0，每个tensorflow版本都可能对应着不同gcc版本和cuda版本，所以一定要检查一下版本号

对应关系

下载CUDA10.0，服务器ubantu18.04上面已经配置了10.1版本

wget https://developer.nvidia.com/compute/cuda/10.0/Prod/local_installers/cuda_10.0.130_410.48_linux

添加可执行权限 sudo chmod +x cuda_10.0.130_410.48_linux

改配置文件等操作，详见以下博客

blog.csdn.net/u012388993/…

运行代码报错** 找不到 cuda 10.0** (找了半天技术博客才解决)

在服务器虚拟环境下 conda install cudatoolkit=10.0

再次运行代码，就可以了

查看gup状态 nvidia-smi