linuxcaffeanaconda

Ⅰ linux裡面anaconda是什麼

root根目錄下的anaconda-ks.cfg一般是類似於system-config-kickstart.noarch軟體配置生成的ks.cfg文件，該文件為系統安裝時自動生成的。
該文件用於系統自動安裝時的配置，可以配置例如：鍵盤類型，語言，時區，root密碼，cli/gui模式、selinux/防火牆狀態、磁碟分區等等，還可以自定義腳本，一般使用pxe+kickstart安裝時使用該配置文件自動部署系統。

Ⅱ 如何在linux系統下安裝深度學習的caffe框架

Caffe需要預先安裝一些依賴項，首先是CUDA驅動。不論是CentOS還是Ubuntu都預裝了開源的nouveau顯卡驅動（SUSE沒有這種問題），如果不禁用，則CUDA驅動不能正確安裝。以Ubuntu為例，介紹一下這里的處理方法，當然也有其他處理方法。

1
2
3
4
5
6

# sudo vi/etc/modprobe.d/blacklist.conf
# 增加一行 ：blacklist nouveau
sudoapt-get --purge remove xserver-xorg-video-nouveau #把官方驅動徹底轎前森閉畝卸載悔困：
sudoapt-get --purge remove nvidia-* #清除之前安裝的任何NVIDIA驅動
sudo service lightdm stop #進命令行，關閉Xserver
sudo kill all Xorg

然後下載並安裝 NVIDIA CUDA驅動包，接著安裝安裝BLAS、OpenCV、Boost這三個庫。BLAS數學庫可以是ATLAS, MKL, 或 OpenBLAS，OpenCV要求2.4以上版本，Boost要求1.55版本以上。可選安裝Python MATLAB Caffe 庫，還有 numpy ， pandas 之類的Python類庫。安裝MATLAB，以確保mex 在path路徑中，這些就夠你折騰一個星期了，完事以後就可以編譯安裝了：

1
2
3
4
5

cp Makefile.config.example Makefile.config
# Adjust Makefile.config (for example, if using Anaconda Python, or if cuDNN is desired)
make all
make test
make runtest

哦對了，Caffe 顯卡要求：Titan Xs, K80s, GTX 980s, K40s, K20s, Titans, and GTX 770s

Ⅲ linux 安裝anaconda後怎樣打開

• Anaconda2Libsite-packages 目錄下添加一個名為 sitecustomize.py 的文件，文件內容： #file name: sitecustomize.py import sys sys.setdefaultencoding('utf-8')

Ⅳ linux安裝anaconda3哪個版本比較好

《Anaconda3軟體》網路網盤資源免費下載:

鏈接: https://pan..com/s/1pOzDpvL-l8y6zGvcOW2Ofg

js">

Anaconda3-2020.02最新中文慎悔版是專門為了方便使用 Python 進行數據科學研究而建立的一組軟體包，涵蓋了數據科學領域常見的 Python 庫，並且自帶了專門用來解決軟體環境依銀段賴問題的 conda 包管理系統。可以使用它創建虛擬環境，以便更輕松地處理多個項寬搏正目。主要提供了包管理與環境管理的功能，可以很方便地解決多版本python並存、切換以及各種第三方包安裝問題。

Ⅳ 如何在linux虛擬機上安裝anaconda

當開機從OS光碟啟動，會先首姿皮載入isolinux下可執行的內核映像vmlinuz，在內存中建立一個虛擬的根文件系統(rootfs)，然冊逗後內核載入初始RAM磁碟initrd.img，建立者差一個安裝Linux所需要的系統環境，這就是所謂的第一階段。內核最後會運行initrd.img中的/i...

Ⅵ Linux裡面anaconda-ks.cfg ks.cfg文件是什麼有什麼作用

ks.cfg文件:又稱Kickstart文件，主要用於Linux系統的自動化安裝。
在CentOS系統中 /root/anaconda-ks.cfg就是一個ks.cfg文件，它指明了當前系統預安裝環境時的設置內容。《Linux 就該這么學》
linux安裝大致可以分為2個階段
第一階段：linux的預安裝環境
此階段是linux的預安裝環境，提供linux安裝選項的一個介面，可以將它比作是windows中的PE環境
第二階段：自動安裝過程
該段系統會按照第一階段設定的參數自動安裝，
第一階段有兩種模式：互動式和非互動式
互動式就和普通安裝一樣，按照提示選擇選項一步步的安裝
非互動式則通過讀取kickstart文件的配置，進行自動安裝，這和window中的無人值守安裝差不多的，這個文件即是ks.cfg文件（相當於window中的wi2k3.sif應答文件）
而在安裝linux過程中，獲取ks.cfg文件的方式有多種，如直接在cdrom中獲取，常見的形式還有http，ftp，nfs等方式。
在使用ks.cfg之前，需要先引導啟動環境
引導方式有很多，cdrom，usb，PXE等。
在引導進入第一階段後，即可通過讀取ks.cfg來進行系統的自動安裝
這里開始說說ks文件的大致內容
ks.cfg文件組成大致分為3段
1.命令段：
鍵盤類型，語言，安裝方式等系統的配置，有必選項和可選項，如果缺少某項必選項，安裝時會中斷並提示用戶選擇此項的選項
2.軟體包段：
%packages
@groupname：指定安裝的包組
package_name：指定安裝的包
-package_name：指定不安裝的包
在安裝過程中默認安裝的軟體包，安裝軟體時會自動分析依賴關系。
3.腳本段（可選）：
%pre:預安裝腳本（由於只依賴於啟動鏡像，支持的命令很少）
%post:後安裝腳本（基本支持所有命令）
而具體的ks.cfg文件的配置，我們只需要在已經安裝好的linux的root家目錄找到anaconda_ks.cfg（這個ks文件就是在安裝linux後，根據用戶的安裝選項自動生成的）

Ⅶ 我想請教一下大家 在Linux系統上安裝了Anaconda 後 怎麼運行spyder（請不要再復制粘貼了）

找到你的安裝目錄，打開anaconda/bin文件，在此打開終端，輸入./spyder即可運行！

Ⅷ linux下為anaconda配置環境變數

假設我的安裝路徑為

修改環境變數目錄

在末尾添加環境變數

添加完成後，執行如下命令使環境變數立即生效

測試一下 執行逗褲桐conda命令純高

顯示如山坦下

說明已經成功了

Ⅸ Linux非root用戶離線安裝anaconda

https://mirrors.tuna.tsinghua.e.cn/anaconda/archive/Anaconda3-5.3.1-Linux-x86_64.sh
若是伺服器沒網可用scp命令傳過去蔽穗散。

一直yes，不要按太多下，不然後面選擇配置默認環境會直接跳過

選擇yes，後面會讓你選擇是否安裝VScode，離線下就不裝了
到這一步就可以執行conda python命令了
但是如果用的是非bash還有一步

查看.zshrc配置文件，並將.bashrc復制到.zshrc裡面

此處宏氏遇到一個問題，伺服器用的zsh但是沒有.zshrc，有.bashrc。注釋掉.bashrc中的相關配置就行。我族陪是從自己機子上配好.zshrc然後用scp發過去的。

Ⅹ linux caffe支持的cuda capability 最小是多少

由於最近安裝了.04，苦於之前配置Caffe的教程都在版本14.04左右，無奈只能自己摸索，最終配置成功。本文教程的特點是不需要降級gcc的版本，畢竟cuda7.5不支持gcc5以上(默認不支持，實際支持)，避免出現一系列亂七八糟的問題，反正之前我是碰到了。
本文是在參考caffe官網教程（http://caffe.berkeleyvision.org/installation.html）結合自己總結經驗而來，對此表示感謝。

1.所需文件下載
1.1.Ubuntu16.04在官網下載（http://www.ubuntu.org.cn/download/desktop），然後在windows下用UltraISO製作，相關文章搜索有一大片，此處不再贅述。
1.2.cuda7.5下載，下載的版本是ubuntu15.04的run文件，個人感覺比較方便。
1.3.cudnn4.0下載（https://developer.nvidia.com/cudnn），進去之後如果有注冊過nvidia的賬戶直接點擊download，否則需要注冊一個賬戶，注冊完之後有一個調查，隨便選幾個鉤就可以，然後下一步是接受條款開始就可以下載了。
1.4.caffe下載（https://github.com/BVLC/caffe）就在官方的github下載就可以了。

2.顯卡驅動安裝
2.1.第一種方法是直接在ubuntu系統設置，軟體和更新裡面，選擇中國的伺服器源刷新之後，點擊附加驅動選項，在Nvidia Corporation選擇361.42(強迫症必須安裝最新的)，然後點擊應用更改，下載安裝完之後重啟。
2.2.第二種方法是去官方下載（http://www.geforce.cn/drivers）好驅動的run文件，選擇對應顯卡型號下載。然後關機把顯示器插到集成顯卡介面上，或者終端下
sudo gedit /etc/modprobe.d/blacklist.conf
輸入密碼後在最後一行編輯上
blacklist nouveau
Ctrl +C保存後終端輸入
sudo update-initramfs -u
重啟之後在界面按Ctrl+Alt+F2，輸入root以及密碼，然後
service lightdm stop
sh 你自己的驅動文件的完整路徑，默認選項就可以安裝了，安裝後重啟

3.Cuda7.5安裝
3.1.以文件名為cuda.run為例，終端下輸入
sh cuda.run --override 啟動安裝程序，此處有大量的條款，一路空格到最後 輸入accept，依次輸入y回車，然後n(不安裝顯卡驅動)，然後一路y回車，有一個地方需要輸入密碼，還有兩個地方確認安裝路徑，直接回車即可，完成安裝，默認安裝路徑是/usr/local
將下載下來的cudnn-7.0-linux-x64-v4.0-prod.tgz 解壓之後，解壓後的cuda文件夾先打開裡面的include文件夾，空白右鍵在終端打開輸入：
sudo cp cudnn.h /usr/local/cuda/include/
cd ~/cuda/lib64
sudo cp lib* /usr/local/cuda/lib64/
繼續更新文件鏈接
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.4
sudo ln -s libcudnn.so.4.0.7 libcudnn.so.4
sudo ln -s libcudnn.so.4 libcudnn.so
然後設置環境變數
sudo gedit /etc/profile
在末尾加入
PATH=/usr/local/cuda/bin:$PATH
export PATH
保存之後創建鏈接文件
sudo vim /etc/ld.so.conf.d/cuda.conf
鍵盤按i進入編輯狀態，添加文字
/usr/local/cuda/lib64
然後按esc，輸入:wq保存退出。
終端下接著輸入
sudo ldconfig 使鏈接生效

4.生成Cuda Sample測試
首先在此之前先把需要的依賴包都安裝好，為接下來make caffe做准備
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
然後開始make samples ，終端下
cd /home/gomee/NVIDIA_CUDA-7.5_Samples
sudo make all -j4
我是4核電腦所以用了j4，正常情況下肯定會報錯「unsupported GNU version! gcc versions later than 4.9 are not supported!」，原因就是這個cuda不支持gcc5.0以上，終端運行
cd /usr/local/cuda-7.5/include
cp host_config.h host_config.h.bak
sudo gedit host_config.h
Ctrl+F尋找有」4.9」的地方，應該是只有一處，在其上方的
#if __GNUC__ > 4 || (__GNUC__ == 4 && __GNUC_MINOR__ > 9)將兩個4改成5，保存退出，繼續
cd /home/gomee/NVIDIA_CUDA-7.5_Samples
sudo make all -j4
這就應該開始make了，此處大約有5、6分鍾。完成之後
cd /home/gomee/NVIDIA_CUDA-7.5_Samples/bin/x86_64/linux
./deviceQuery
會出現類似以下的信息
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce GTX 750 Ti"
CUDA Driver Version / Runtime Version 8.0 / 7.5
CUDA Capability Major/Minor version number: 5.0
Total amount of global memory: 2047 MBytes (2146762752 bytes)
( 5) Multiprocessors, (128) CUDA Cores/MP: 640 CUDA Cores
GPU Max Clock rate: 1228 MHz (1.23 GHz)
Memory Clock rate: 3004 Mhz
Memory Bus Width: 128-bit
L2 Cache Size: 2097152 bytes
Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers
Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers
Total amount of constant memory: 65536 bytes
Total amount of shared memory per block: 49152 bytes
Total number of registers available per block: 65536
Warp size: 32
Maximum number of threads per multiprocessor: 2048
Maximum number of threads per block: 1024
Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)
Maximum memory pitch: 2147483647 bytes
Texture alignment: 512 bytes
Concurrent and kernel execution: Yes with 1 engine(s)
Run time limit on kernels: Yes
Integrated GPU sharing Host Memory: No
Support host page-locked memory mapping: Yes
Alignment requirement for Surfaces: Yes
Device has ECC support: Disabled
Device supports Unified Addressing (UVA): Yes
Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 7.5, NumDevs = 1, Device0 = GeForce GTX 750 Ti
Result = PASS
這就說明成功了。

5.Python配置
將之前github下載的caffe壓縮文件解壓縮到任一目錄，然後安裝python
python的版本安裝有兩種方式：
第一是直接安裝anaconda，去官網下載 ，選擇linux 64bit 2.7版本下載安裝，anaconda安裝方便但是需要在最後的make配置文件中更改python包含路徑。
第二種方法就是使用原生的python2.7版本，終端下
sudo apt-get install python-pip 安裝pip
這里我們用pip安裝一些python需要的依賴包，不過為了避免各種問題，也可以通過apt-get安裝，反正我這兩種方式都安裝了一遍(-.-)
sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose
以caffe默認解壓到/home/user(你的用戶名)/ ，文件夾名名稱caffe為例
cd /home/user/caffe/python
sudo su
for req in $(cat requirements.txt); do pip install $req; done
這里用pip安裝可能速度很慢，很可能下載好幾個小時，推薦用清華大學的pip源臨時安裝，所以命令改為如下：
for req in $(cat requirements.txt); do pip install -i https://pypi.tuna.tsinghua.e.cn/simple $req; done
這里如果第一次有很多紅字錯誤，建議再運行幾遍指導安裝成功，對於黃字提示無需理會，可能是pip版本需要更新。

6.Caffe編譯過程
接下來要進入最後的步驟了，終端中
cd /home/user/caffe
cp Makefile.config.example Makefile.config
gedit Makefile.config
將USE_CUDNN := 1 取消注釋，在
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include後面打上一個空格 然後添加/usr/include/hdf5/serial 如果沒有這一句可能會報一個找不到hdf5.h的錯誤
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include先不做更改。
如果是需要生成matlab的caffe wrapper 請取消注釋MATLAB_DIR然後替換為自己的目錄
說一下提前會出現的問題：
第一，make過程中出現比如 string.h 『memcy』 was not declared in this scope的錯誤是由於gcc編譯器版本太新，解決方法是打開makefile搜索並替換
NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
為
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
保存退出
第二，在make過程中還會報一個ld找不到libhdf5 和libhdf5_hl的鏈接問題，這個原因可能也是因為hdf5的問題，首先看/usr/lib/x86_64-linux-gnu 目錄下有沒有libhdf5.so和libhdf5_hl.so，如果有的話，查看屬性是否有正確的鏈接(正常情況下應該是沒有這兩個文件)，然後右鍵在終端中打開
sudo ln libhdf5_serial.so.10.1.0 libhdf5.so
sudo ln libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so
注意，10.1.0和10.0.2可能不同電腦安裝版本不同，注意看當前目錄下存在的文件然後
sudo ldconfig 生效
接下來就是直接編譯的過程
cd /home/user/caffe
make all -j4
make test -j4
make runtest
make pycaffe
make matcaffe
如果編譯沒報錯正常的話，基本就沒問題了。測試python打開
cd /home/user/caffe/python
python
import caffe
如果不報錯就說明編譯成功
測試matlab打開./caffe/matlab/+caffe/private，看有沒有生成一個caffe的mex文件，可以運行+test文件夾裡面的程序測試。
小問題：
在使用python介面的時候，可能會報一個什麼錯誤(我給忘記了–!)，對了是』Mean shape incompatible with input shape.』的錯誤，處理方法是python/caffe文件夾，編輯io.py文件，將
if ms != self.inputs[in_][1:]:
raise ValueError('Mean shape incompatible with input shape.')
替換為
if ms != self.inputs[in_][1:]:
print(self.inputs[in_])
in_shape = self.inputs[in_][1:]
m_min, m_max = mean.min(), mean.max()
normal_mean = (mean - m_min) / (m_max - m_min)
mean = resize_image(normal_mean.transpose((1,2,0)),in_shape[1:]).transpose((2,0,1)) * (m_max - m_min) + m_min
然後make clean再重新make

7.總結
至此，Ubuntu16.04下編譯Caffe的教程就結束了，作者歷時三天，裝了好幾遍系統，剛開始用Ubuntu14.04，結果系統出現問題，強迫症實在受不了，就嘗試著裝16.04繼續折騰，最終折騰成功。以後可能會更新python3下的編譯教程，需要自己編譯boost版本，總之也很麻煩。