Ubuntu anaconda使用（新建环境、最小化安装Tensorflow）

清华源地址：

https://pypi.tuna.tsinghua.edu.cn/simple

pip安装使用的时候，

pip install xxx(库名) -i https://pypi.tuna.tsinghua.edu.cn/simple

请先安装好anaconda，再继续下面步骤。

tensorflow, tensorflow-gpu, tensorflow-cpu的区别

有必要说明一下tensorflow的这些版本的区别了。

首先说明：TensorFlow 1.x版本 与 TensorFlow 2.x版本有非常多的不同

tensorflow， tensorflow-gpu只有在tensorflow 1.x版本进行区分！！！（官网说的）

旧版TensorFlow，即tensorflow 1.x版本， CPU和GPU软件包是分开的。

例如：

• tensorflow==1.15 仅支持CPU的版本
• tensorflow-gpu==1.15 支持GPU版本

没有tensorflow-cpu这个说法

TensorFlow 2.x版本就不进行区分了，tensorflow 2.x 同时支持CPU和GPU。

例如：

• tensorflow==2.5.0 同时支持CPU和GPU

这里给一个tensorflow 和 CUDA 和 cudnn的对应关系（针对Ubuntu系统），尽量是版本对应的。

新建虚拟环境

打开terminal（请先安装好anaconda）

conda create -n xxxx(名字) python=x.xx(版本号)

指定名字xxxx，指定python版本。例如想建一个名为tensorflow的虚拟环境，python版本为3.11

conda create -n tensorflow python=3.11

新建虚拟环境不代表安装了tensorflow！只是创建了一个虚拟环境，方便各种库统一管理，以后再tensorflow环境下安装的库，可以统一管理和删除

pip安装Tensorflow

也可以源码安装，官网从源代码构建 | TensorFlow (google.cn)给方法了，比较麻烦。

pip install tensorflow==x.x.x(版本) -i https://pypi.tuna.tsinghua.edu.cn/simple

例如想安装Tensorflow 2.14。（安装尽量用pip，方便管理和打包，打包的时候，如果版本不一致会报错）

pip install tensorflow==2.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

启动虚拟环境/切换虚拟环境

conda activate xxx(环境名字)

例如，启动tensorflw。

conda activate tensorflow

验证是否安装成功

查看自己安装的tensorflow是不是自己想要的版本

pip list

我的环境中显示

...shell
smach                         2.5.2
smach-ros                     2.5.2
smclib                        1.8.6
stack-data                    0.2.0
tensorboard                   2.14.1
tensorboard-data-server       0.7.2
tensorflow                    2.14.0
tensorflow-estimator          2.14.0
tensorflow-io-gcs-filesystem  0.34.0
termcolor                     2.4.0
tf                            1.13.2
tf-conversions                1.13.2
tf-slim                       1.1.0
tf2-geometry-msgs             0.7.7
tf2-kdl                       0.7.7
tf2-py                        0.7.7
...

表明安装的是tensorflow 2.14.0，然后在tenminal中输入到python，启动python

import tensorflow

tensorflow安装成功。输入quit()，退出python。

>>> quit()

退出当前虚拟环境

conda deactivate

使用conda打包虚拟环境

情景：想要把某台设备上已经配置好的环境，打包好，放到另一台设备上运行。例如，在自己的电脑上配好环境，然后放置到服务器环境下运行。可以省去配置环境时间，有时候，服务器是离线的，可以在自己电脑上配置好，然后再放到离线服务器上。

安装打包工具

pip install conda-pack -i https://pypi.tuna.tsinghua.edu.cn/simple

打包环境

conda pack -n env_name -o xxxx.tar.gz(输出地址)

例如，我想打包tensorflow环境

conda pack -n tensorflow -o tensorflow.tar.gz 

查看已创建的环境

conda info --envs

或

conda env list

会输出自己已创建的虚拟环境名，以及各自的位置。

删除虚拟环境

conda remove -n xxx(环境名) --all

例如删除上面安装好的虚拟环境tensorflow。

conda remove -n tensorflow --all

命令下运行.ipynb文件

利用ipython来运行

ipython -c "%run test.ipynb"

或者jupyter自带的功能（但是得安装）

jupyter nbconvert --to notebook --execute test.ipynb --output test.ipynb
# 跳过部分有错的cell继续执行
jupyter nbconvert --to notebook --execute mynotebook.ipynb --output mynotebook.ipynb
# cell执行超时
jupyter nbconvert --to notebook --execute --allow-errors --ExecutePreprocessor.timeout=180 mynotebook.ipynb 
# 原地运行文件
jupyter nbconvert --to notebook --execute --inplace mynotebook.ipynb