NVIDIA Titan Xp Star Wars Collector's Edition显卡深度学习工作站 + Ubuntu17.10 + Tensorflow-gpu + Anaconda3 + Python 3.6 设置

为了能让 Tensorflow GPU 版本跑起来，我折腾了1个多星期。

总体参照 https://zhuanlan.zhihu.com/p/32118549 ，安装成功，但还是有不足的地方，在此记录，为以后重新装系统方便。

1. 我选择Ubuntu版本的原则

目前，我选择Ubuntu版本的原则就是能否立即连上网络（无论有线还是无线，得先能连接网络才行）。因为不同机器网卡的原因，导致低版本Ubuntu安装状态时无法识别网卡。我在本机上安装过Ubuntu 14.04, 16.04版本，均无法识别我的网卡，最后Ubuntu17.10版本可以自动找到网卡。我可不想在连不上网的状态下，寻找联网的方法，那样很恐怖，不是吗。

一个好的方式是，在刚安装Ubuntu系统时，有个“试用Ubuntu”选项，试用期间能判断该版本能否识别我们机器上的网卡。识别不了的话，二话不说，赶紧换高版本Ubuntu得了！

2. 创建 Anaconda3 的虚拟环境

帖子 https://zhuanlan.zhihu.com/p/32118549 已经提到了。这里我要说的是，在 Anaconda 虚拟环境中，安装的包只在当前的虚拟环境中起作用。另外在某贴子中看到，虚拟环境中不要使用 sudo 命令（那帖子说的对不对以及为什么，我目前不清楚）。下面把几个重要的 Anaconda 虚拟环境命令列出来，方便以后查找：

conda create --name tf python=3.6 #创建tf环境

source activate tf #激活tf环境

pip install --ignore-installed --upgrade tensorflow-gpu  # pip 安装 tensorflow-gpu 版本， 应该也可用 conda install tensorflow-gpu 命令安装， 我没试

测试tensorflow

# 命令行下：

source activate tf

python

# 输入以下代码：

import tensorflow as tf

hello = tf.constant('Hello, TensorFlow!')

sess = tf.Session()

print(sess.run(hello))

其他命令

source deactivate tf #退出tf环境

conda remove --name tf --all #删除tf环境（全部删除）

3. jupyter notebook 更换解释器

按照上述方法安装完tensorflow后，在虚拟环境下在命令行状态下输入 python，打开黑乎乎的python环境，然后测试tensorflow，测试是可以通过的。但是若启动 jupyter notebook去测试tensorflow，会找不到tensorflow包。

这时候，需更换 虚拟环境下 jupyter notebook 的解释器！（参考 https://www.jianshu.com/p/f70ea020e6f9）

现在我们做的所有事情都得在 Anoconda3 虚拟环境下 做，否则不起作用，切记！！！过程如下：

我们已经有了名为: tf 的anoconda虚拟环境，那么在命令行下输入：

source activate tf

然后参照这个 https://www.jianshu.com/p/f70ea020e6f9

按照上面的教程，我选择为自己的虚拟环境(tf)安装ipykernel包，而不是手动更改kernel.json文件。如下：

在当前 名为tf的anoconda虚拟环境 下，在命令行中输入：

conda install -n tf ipykernel  # 为jupyter安装名为tf的kernel

python -m ipykernel install --user  # 激活这个kernel

若当前kernel不是你想要的，比如想换 python 2.7 的kernel, 请继续参考 https://www.jianshu.com/p/f70ea020e6f9 的结尾部分。

4. 后续碰到妖蛾子及解决办法，再补充