Miniconda¶
平台内置的所有镜像都安装了Miniconda,安装路径为/root/miniconda3/。
如果您需要使用其他版本的CUDA或cuDNN,那么可以通过Miniconda简单几步完成环境构建,推荐您租用实例时选择miniconda镜像(内部未安装任何深度学习框架,保持运行环境干净,避免不必要的问题)
以下以构建TensorFlow 1.15.0版本的运行环境为例进行说明如何使用Conda构建需要的环境。
创建虚拟环境¶
conda create -n tf python=3.7 # 构建一个虚拟环境,名为:tf
conda init bash && source /root/.bashrc # 更新bashrc中的环境变量
conda activate tf # 切换到创建的虚拟环境:tf
安装软件依赖¶
这里以安装tensorflow==1.15.0为例
# 切换conda虚拟环境后
conda install tensorflow-gpu==1.15.0 # conda会自动解析依赖安装tensorflow 1.15.0版本需要的cuda和cudnn,无需自己独立安装
# 安装完使用Python进行简单的测试:
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(hello))
Notebook环境切换¶
如何在JupyterLab的Notebook中使用新的Conda环境
# 创建Conda新的虚拟环境(如已创建,请忽略!)
conda create -n tf python=3.7 # 构建一个虚拟环境,名为:tf
conda init bash && source /root/.bashrc # 更新bashrc中的环境变量
# 将新的Conda虚拟环境加入jupyterlab中
conda activate tf # 切换到创建的虚拟环境:tf
conda install ipykernel
ipython kernel install --user --name=tf # 设置kernel,--user表示当前用户,tf为虚拟环境名称
执行以上命令后,如果创建新的Notebook,那么可以选择名为tf的Notebook
如果是已有的Notebook
清除Conda虚拟环境¶
# 清除安装的环境
conda deactivate # 退出当前(tf)环境到base环境
conda remove -n tf --all # 清除tf环境
删除安装包和缓存¶
conda clean -y --all