1、安装anaconda

1.1镜像源下载对应anaconda版本后传到服务器上

1.2进入对应文件夹

首先赋权再执行安装程序

chmod +x Anaconda3-2022.10-Linux-x86_64.sh 
./Anaconda3-2022.10-Linux-x86_64.sh chmod +x Anaconda3-2022.10-Linux-x86_64.sh 

1.3交互确认

确认许可协议（一路enter，然后yes）

 更改安装路径/mnt/data/anaconda3

 确认.bashrc文件中初始化Anaconda3的相关内容。yes

 添加内容如下

 安装完成后，直接输入conda应该会提示说没找到该命令，这时候执行：source ~/.bashrc，之后就可以正常使用了。

1.4配置其他用户可用

修改文件vim /etc/profile在最后一行添加

export PATH="$PATH:/mnt/data/anaconda3/bin"

重启生效

source /etc/profile

共享环境

 groupadd anaconda  # 创建anaconda组
 chgrp -R anaconda /mnt/data/anaconda3# 组内共享这个目录下的文件
 chmod 770 -R /mnt/data/anaconda3# 设置权限
 usermod -a -G anaconda username# 添加用户进组
 source /etc/profile # 进组的用户可能需要自己刷新一下

1.5更新默认pip源

# pip安装
python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

1.6更新conda源

修改文件/root/.condarc

channels:
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
  - https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
show_channel_urls: true

2、pytorch安装

查询版本

 目前的驱动和cuda版本最多支持到pytorch1.10.0版本Previous PyTorch Versions | PyTorch

创建环境

conda create -n pytorch python=3.8

更新源

python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

安装pytorch

pip install torch==1.10.0+cu111 torchvision==0.11.0+cu111 torchaudio==0.10.0 -f https://download.pytorch.org/whl/torch_stable.html

服务器下载太慢，从本地下好后传上去

cd /mnt/data/anaconda3/envs/pytorch

pip install torch #先别回车，按一下键盘上的Tab键，会自动补全成下面的命令

回车，再次输入

pip install torch==1.10.0+cu111 torchvision==0.11.0+cu111 torchaudio==0.10.0

 安装成功

 python
import torch
torch.__version__

 返回

3、tensorflow安装

安装2.4版本

tensorflow · PyPI下载后传输到服务器文件夹。进入文件夹 

pip install tensorflow-2.4.0-cp38-cp38-manylinux2010_x86_64.whl 

 安装cudatoolkit11.0

conda install cudatoolkit=11.0 -c http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

安装cudnn8.0 

去nvidia官网下载cuDNN Archive | NVIDIA Developer

上传到对应文件夹，解压压缩包

tar zxvf cudnn-11.0-linux-x64-v8.0.5.39.tgz 

 将解压出的两个文件夹中的文件复制到tf2下的对应文件夹中

 python
import tensorflow as tf
print(tf.__version__)
tf.test.is_gpu_available()

返回True，安装成功