文章目录

准备更新笔记本的显卡驱动到较新的，最好是倒数第二新的版本安装cuda和cudnn:安装conda:安装tensorflow-gpu:安装pytorch:安装jupyter notebook:安装spyder:base 安装spyder，切换使用虚拟环境的kernel:每个虚拟环境均安装一个安装spyder:

准备

最新的Anaconda:

https://mirrors.tuna./anaconda/archive/Anaconda3-5.3.1-Linux-x86_64.sh

Anaconda3-5.3.1-Linux-x86_64.sh

下载最新的cuda和cudnn:

cuda_10.0.130_410.48_linux.run

libcudnn7_7.4.2.24-1+cuda10.0_amd64.deb

注意：cuda_10.0以后cudnn就可以自动安装，无需解压复制到对应文件夹

更新笔记本的显卡驱动到较新的，最好是倒数第二新的版本

大家最好不要直接在官网下，官网可能没有你对应系统的驱动，比如只有linux64的，很有可能你的电脑用不了。

直接使用上述方法更新，如果很慢，使用如下办法：

sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get updatesudo apt-get install nvidia-415

这个也很慢，但是至少可以看见进度。

安装驱动容易出问题，可能会桌面没有了，记住console的一些操作

# 进入ttyctrl + alt + f1# 进入桌面ctrl + alt + f# 关闭tty的打印dmesg -n 1# 运行图像桌面和关闭sudo service lightdm start sudo service lightdm stop

安装cuda和cudnn:

安装cuda，安装向导操作，不要更新驱动：

# 安装cudachmod 777 cuda_10.0.130_410.48_linux.runcuda_10.0.130_410.48_linux.run

安装cudnn

# 安装cudnndpkg -ilibcudnn7_7.4.2.24-1+cuda10.0_amd64.deb

安装conda:

一直下一步

# 安装condachmod 777 Anaconda3-5.3.1-Linux-x86_64.shsh Anaconda3-5.3.1-Linux-x86_64.sh

安装tensorflow-gpu:

可能报错，报什么就用pip更新什么

conda create -n tensorflow-gpu pip python=3.5conda activate tensorflow-gpupip install tensorflow-gpu

安装pytorch:

可能报错，报什么就用pip更新什么

conda create -n pytorch36 pip python=3.6conda activate pytorch36pip install /whl/cu100/torch-1.0.1.post2-cp36-cp36m-linux_x86_64.whlpip install torchvision

安装jupyter notebook:

在每一个虚拟环境里运行：

python -m ipykernel install --user --name drlnd --display-name "drlnd"

使用jupyter notebook可以选择kernel

安装spyder:

base 安装spyder，切换使用虚拟环境的kernel:

在每个虚拟环境里运行：

python install spyder-kernels==0.*python -c "import sys; print(sys.executable)"# 将上述path添加到interpreter

不行，因为新的python就没有spyder-kernels＝０.x的版本。

每个虚拟环境均安装一个安装spyder:

这个可行，前提是卸载base的spyder，否则会一直跳到base的spyder，且无法切换kernel