Conda安装TensorFlow及常用命令详解

在Conda的指定虚拟环境中安装TensorFlow。

首先，需要查看当前可用的TensorFlow版本列表。

conda search tensorflow

或者，可以专门搜索支持GPU加速的TensorFlow版本。

conda search tensorflow-gpu

选定目标版本后，执行安装命令进行部署。

conda install tensorflow=0.10.0rc0

以下是Conda的一些其他常用管理命令。

更新已安装的包，将xxx替换为具体包名。

conda update xxx

删除指定的包，将xxx替换为具体包名。

conda remove xxx

Conda环境管理的其他基础命令。

创建新的虚拟环境，例如创建一个名为py36且Python版本为3.6的环境。

conda create -n py36 python=3.6 

删除指定的虚拟环境，例如删除名为py36的环境。

conda remove -n py36 --all

列出当前Conda管理的所有虚拟环境。

conda env list

或者使用info命令查看环境详细信息。

conda info --e

配置Conda的镜像源，以加速下载过程。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

通过修改用户目录下的~/.condarc文件来添加镜像源，文件中配置的先后顺序决定了优先级。该文件为隐藏文件，可通过ls -a命令查看。

复制现有的虚拟环境。

conda create -n python36 --clone python36_new

实现环境的迁移，以便在不同机器间同步开发环境。

具体操作涉及在不同机器之间进行环境迁移。

第一步，在当前机器上生成环境配置文件。

conda activate your_env
conda env export > your_env.yaml

第二步，在另一台目标机器上根据配置文件克隆环境。

conda env create -f your_env.yaml

第三步，处理通过pip安装的依赖包，确保迁移完整。

pip freeze > requirements.txt
pip install -r requirements.txt

其他相关配置与注意事项。

配置CUDA环境变量，需将其添加到.bashrc文件中。

export PATH=/dir/cuda-7.5/bin:$PATH 
export LD_LIBRARY_PATH=/dir/cuda/lib64:$LD_LIBRARY_PATH
 
# 选择机器
export CUDA_VARIABLE_DEVICES=0 

在Conda环境中使用pip命令安装包的注意事项。

conda install pip

完成上述配置后，即可正常使用pip install命令安装包。

以下是关于解决特定版本兼容性问题的背景说明。

起因是希望使用PyCharm的调试功能来调试代码。目前本地修改代码后传输至服务器运行，但缺乏调试手段，只能依靠print语句，效率较低。代码运行环境要求为Python 2.7和TensorFlow 0.10。

第一个解决方案是在本地电脑安装Conda，并创建Python 2.7和TensorFlow 0.10的环境。遇到的问题在于：TensorFlow 0.10没有Windows版本，仅提供Mac版本。虽然拥有苹果电脑，但除非万不得已，不愿更换电脑进行折腾。

第二个解决方案是使用远程解释器，在服务器上利用Conda搭建Python 2.7和TensorFlow 0.10的环境。该方案基本成功，但问题是安装的仅为CPU版本的TensorFlow。

当前需要解决的核心问题：TensorFlow并非GPU版本，无法利用GPU加速。

第一个解决思路：尝试通过Conda安装TensorFlow，不确定是否只能使用conda install命令。经命令conda search tensorflow-gpu查询发现，至少TensorFlow 1.x及以上版本才提供GPU版本。

此外，尚不清楚pip命令是否能安装到Conda的特定虚拟环境中，还是直接安装在全局大环境中。清华镜像站提供了TensorFlow 0.10的GPU版本，镜像地址为：https://mirrors.tuna.tsinghua.edu.cn/help/tensorflow/，对应的pip安装命令如下。

pip install \
 -i https://pypi.tuna.tsinghua.edu.cn/simple/ \
 https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow-0.10.0-cp27-none-linux_x86_64.whl

第二个解决思路：将代码升级为TensorFlow 1.x版本。相关教程链接为：https://www.jb51.net/article/205992.htm，以及官方提供的升级工具：https://github.com/tensorflow/tensorflow/tree/master/tensorflow/tools/compatibility。需要注意的是，TensorFlow 1.x仅支持CUDA 8和CUDA 9，而当前服务器使用的是CUDA 7.5。因此，还需确认CUDA 8的安装位置。

第三个解决思路：如果决定升级代码，不如顺便将Python版本也升级为Python 3，以避免未来可能出现的兼容性问题。

至此，关于Conda安装TensorFlow及Conda常用命令的总结介绍完毕。如需了解更多相关内容，请搜索本站历史文章或继续浏览后续文章，感谢支持！