linuxcaffeanaconda

Ⅰ linux里面anaconda是什么

root根目录下的anaconda-ks.cfg一般是类似于system-config-kickstart.noarch软件配置生成的ks.cfg文件，该文件为系统安装时自动生成的。
该文件用于系统自动安装时的配置，可以配置例如：键盘类型，语言，时区，root密码，cli/gui模式、selinux/防火墙状态、磁盘分区等等，还可以自定义脚本，一般使用pxe+kickstart安装时使用该配置文件自动部署系统。

Ⅱ 如何在linux系统下安装深度学习的caffe框架

Caffe需要预先安装一些依赖项，首先是CUDA驱动。不论是CentOS还是Ubuntu都预装了开源的nouveau显卡驱动（SUSE没有这种问题），如果不禁用，则CUDA驱动不能正确安装。以Ubuntu为例，介绍一下这里的处理方法，当然也有其他处理方法。

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 #把官方驱动彻底轿前森闭亩卸载悔困：
sudoapt-get --purge remove nvidia-* #清除之前安装的任何NVIDIA驱动
sudo service lightdm stop #进命令行，关闭Xserver
sudo kill all Xorg

然后下载并安装 NVIDIA CUDA驱动包，接着安装安装BLAS、OpenCV、Boost这三个库。BLAS数学库可以是ATLAS, MKL, 或 OpenBLAS，OpenCV要求2.4以上版本，Boost要求1.55版本以上。可选安装Python MATLAB Caffe 库，还有 numpy ， pandas 之类的Python类库。安装MATLAB，以确保mex 在path路径中，这些就够你折腾一个星期了，完事以后就可以编译安装了：

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

哦对了，Caffe 显卡要求：Titan Xs, K80s, GTX 980s, K40s, K20s, Titans, and GTX 770s

Ⅲ linux 安装anaconda后怎样打开

• Anaconda2Libsite-packages 目录下添加一个名为 sitecustomize.py 的文件，文件内容： #file name: sitecustomize.py import sys sys.setdefaultencoding('utf-8')

Ⅳ linux安装anaconda3哪个版本比较好

《Anaconda3软件》网络网盘资源免费下载:

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

js">

Anaconda3-2020.02最新中文慎悔版是专门为了方便使用 Python 进行数据科学研究而建立的一组软件包，涵盖了数据科学领域常见的 Python 库，并且自带了专门用来解决软件环境依银段赖问题的 conda 包管理系统。可以使用它创建虚拟环境，以便更轻松地处理多个项宽搏正目。主要提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。

Ⅳ 如何在linux虚拟机上安装anaconda

当开机从OS光盘启动，会先首姿皮加载isolinux下可执行的内核映像vmlinuz，在内存中建立一个虚拟的根文件系统(rootfs)，然册逗后内核加载初始RAM磁盘initrd.img，建立者差一个安装Linux所需要的系统环境，这就是所谓的第一阶段。内核最后会运行initrd.img中的/i...

Ⅵ Linux里面anaconda-ks.cfg ks.cfg文件是什么有什么作用

ks.cfg文件:又称Kickstart文件，主要用于Linux系统的自动化安装。
在CentOS系统中 /root/anaconda-ks.cfg就是一个ks.cfg文件，它指明了当前系统预安装环境时的设置内容。《Linux 就该这么学》
linux安装大致可以分为2个阶段
第一阶段：linux的预安装环境
此阶段是linux的预安装环境，提供linux安装选项的一个接口，可以将它比作是windows中的PE环境
第二阶段：自动安装过程
该段系统会按照第一阶段设定的参数自动安装，
第一阶段有两种模式：交互式和非交互式
交互式就和普通安装一样，按照提示选择选项一步步的安装
非交互式则通过读取kickstart文件的配置，进行自动安装，这和window中的无人值守安装差不多的，这个文件即是ks.cfg文件（相当于window中的wi2k3.sif应答文件）
而在安装linux过程中，获取ks.cfg文件的方式有多种，如直接在cdrom中获取，常见的形式还有http，ftp，nfs等方式。
在使用ks.cfg之前，需要先引导启动环境
引导方式有很多，cdrom，usb，PXE等。
在引导进入第一阶段后，即可通过读取ks.cfg来进行系统的自动安装
这里开始说说ks文件的大致内容
ks.cfg文件组成大致分为3段
1.命令段：
键盘类型，语言，安装方式等系统的配置，有必选项和可选项，如果缺少某项必选项，安装时会中断并提示用户选择此项的选项
2.软件包段：
%packages
@groupname：指定安装的包组
package_name：指定安装的包
-package_name：指定不安装的包
在安装过程中默认安装的软件包，安装软件时会自动分析依赖关系。
3.脚本段（可选）：
%pre:预安装脚本（由于只依赖于启动镜像，支持的命令很少）
%post:后安装脚本（基本支持所有命令）
而具体的ks.cfg文件的配置，我们只需要在已经安装好的linux的root家目录找到anaconda_ks.cfg（这个ks文件就是在安装linux后，根据用户的安装选项自动生成的）

Ⅶ 我想请教一下大家 在Linux系统上安装了Anaconda 后 怎么运行spyder（请不要再复制粘贴了）

找到你的安装目录，打开anaconda/bin文件，在此打开终端，输入./spyder即可运行！

Ⅷ linux下为anaconda配置环境变量

假设我的安装路径为

修改环境变量目录

在末尾添加环境变量

添加完成后，执行如下命令使环境变量立即生效

测试一下 执行逗裤桐conda命令纯高

显示如山坦下

说明已经成功了

Ⅸ Linux非root用户离线安装anaconda

https://mirrors.tuna.tsinghua.e.cn/anaconda/archive/Anaconda3-5.3.1-Linux-x86_64.sh
若是服务器没网可用scp命令传过去蔽穗散。

一直yes，不要按太多下，不然后面选择配置默认环境会直接跳过

选择yes，后面会让你选择是否安装VScode，离线下就不装了
到这一步就可以执行conda python命令了
但是如果用的是非bash还有一步

查看.zshrc配置文件，并将.bashrc复制到.zshrc里面

此处宏氏遇到一个问题，服务器用的zsh但是没有.zshrc，有.bashrc。注释掉.bashrc中的相关配置就行。我族陪是从自己机子上配好.zshrc然后用scp发过去的。

Ⅹ linux caffe支持的cuda capability 最小是多少

由于最近安装了.04，苦于之前配置Caffe的教程都在版本14.04左右，无奈只能自己摸索，最终配置成功。本文教程的特点是不需要降级gcc的版本，毕竟cuda7.5不支持gcc5以上(默认不支持，实际支持)，避免出现一系列乱七八糟的问题，反正之前我是碰到了。
本文是在参考caffe官网教程（http://caffe.berkeleyvision.org/installation.html）结合自己总结经验而来，对此表示感谢。

1.所需文件下载
1.1.Ubuntu16.04在官网下载（http://www.ubuntu.org.cn/download/desktop），然后在windows下用UltraISO制作，相关文章搜索有一大片，此处不再赘述。
1.2.cuda7.5下载，下载的版本是ubuntu15.04的run文件，个人感觉比较方便。
1.3.cudnn4.0下载（https://developer.nvidia.com/cudnn），进去之后如果有注册过nvidia的账户直接点击download，否则需要注册一个账户，注册完之后有一个调查，随便选几个钩就可以，然后下一步是接受条款开始就可以下载了。
1.4.caffe下载（https://github.com/BVLC/caffe）就在官方的github下载就可以了。

2.显卡驱动安装
2.1.第一种方法是直接在ubuntu系统设置，软件和更新里面，选择中国的服务器源刷新之后，点击附加驱动选项，在Nvidia Corporation选择361.42(强迫症必须安装最新的)，然后点击应用更改，下载安装完之后重启。
2.2.第二种方法是去官方下载（http://www.geforce.cn/drivers）好驱动的run文件，选择对应显卡型号下载。然后关机把显示器插到集成显卡接口上，或者终端下
sudo gedit /etc/modprobe.d/blacklist.conf
输入密码后在最后一行编辑上
blacklist nouveau
Ctrl +C保存后终端输入
sudo update-initramfs -u
重启之后在界面按Ctrl+Alt+F2，输入root以及密码，然后
service lightdm stop
sh 你自己的驱动文件的完整路径，默认选项就可以安装了，安装后重启

3.Cuda7.5安装
3.1.以文件名为cuda.run为例，终端下输入
sh cuda.run --override 启动安装程序，此处有大量的条款，一路空格到最后 输入accept，依次输入y回车，然后n(不安装显卡驱动)，然后一路y回车，有一个地方需要输入密码，还有两个地方确认安装路径，直接回车即可，完成安装，默认安装路径是/usr/local
将下载下来的cudnn-7.0-linux-x64-v4.0-prod.tgz 解压之后，解压后的cuda文件夹先打开里面的include文件夹，空白右键在终端打开输入：
sudo cp cudnn.h /usr/local/cuda/include/
cd ~/cuda/lib64
sudo cp lib* /usr/local/cuda/lib64/
继续更新文件链接
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
然后设置环境变量
sudo gedit /etc/profile
在末尾加入
PATH=/usr/local/cuda/bin:$PATH
export PATH
保存之后创建链接文件
sudo vim /etc/ld.so.conf.d/cuda.conf
键盘按i进入编辑状态，添加文字
/usr/local/cuda/lib64
然后按esc，输入:wq保存退出。
终端下接着输入
sudo ldconfig 使链接生效

4.生成Cuda Sample测试
首先在此之前先把需要的依赖包都安装好，为接下来make caffe做准备
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
然后开始make samples ，终端下
cd /home/gomee/NVIDIA_CUDA-7.5_Samples
sudo make all -j4
我是4核电脑所以用了j4，正常情况下肯定会报错“unsupported GNU version! gcc versions later than 4.9 are not supported!”，原因就是这个cuda不支持gcc5.0以上，终端运行
cd /usr/local/cuda-7.5/include
cp host_config.h host_config.h.bak
sudo gedit host_config.h
Ctrl+F寻找有”4.9”的地方，应该是只有一处，在其上方的
#if __GNUC__ > 4 || (__GNUC__ == 4 && __GNUC_MINOR__ > 9)将两个4改成5，保存退出，继续
cd /home/gomee/NVIDIA_CUDA-7.5_Samples
sudo make all -j4
这就应该开始make了，此处大约有5、6分钟。完成之后
cd /home/gomee/NVIDIA_CUDA-7.5_Samples/bin/x86_64/linux
./deviceQuery
会出现类似以下的信息
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
这就说明成功了。

5.Python配置
将之前github下载的caffe压缩文件解压缩到任一目录，然后安装python
python的版本安装有两种方式：
第一是直接安装anaconda，去官网下载 ，选择linux 64bit 2.7版本下载安装，anaconda安装方便但是需要在最后的make配置文件中更改python包含路径。
第二种方法就是使用原生的python2.7版本，终端下
sudo apt-get install python-pip 安装pip
这里我们用pip安装一些python需要的依赖包，不过为了避免各种问题，也可以通过apt-get安装，反正我这两种方式都安装了一遍(-.-)
sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose
以caffe默认解压到/home/user(你的用户名)/ ，文件夹名名称caffe为例
cd /home/user/caffe/python
sudo su
for req in $(cat requirements.txt); do pip install $req; done
这里用pip安装可能速度很慢，很可能下载好几个小时，推荐用清华大学的pip源临时安装，所以命令改为如下：
for req in $(cat requirements.txt); do pip install -i https://pypi.tuna.tsinghua.e.cn/simple $req; done
这里如果第一次有很多红字错误，建议再运行几遍指导安装成功，对于黄字提示无需理会，可能是pip版本需要更新。

6.Caffe编译过程
接下来要进入最后的步骤了，终端中
cd /home/user/caffe
cp Makefile.config.example Makefile.config
gedit Makefile.config
将USE_CUDNN := 1 取消注释，在
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include后面打上一个空格 然后添加/usr/include/hdf5/serial 如果没有这一句可能会报一个找不到hdf5.h的错误
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include先不做更改。
如果是需要生成matlab的caffe wrapper 请取消注释MATLAB_DIR然后替换为自己的目录
说一下提前会出现的问题：
第一，make过程中出现比如 string.h ‘memcy’ was not declared in this scope的错误是由于gcc编译器版本太新，解决方法是打开makefile搜索并替换
NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
为
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
保存退出
第二，在make过程中还会报一个ld找不到libhdf5 和libhdf5_hl的链接问题，这个原因可能也是因为hdf5的问题，首先看/usr/lib/x86_64-linux-gnu 目录下有没有libhdf5.so和libhdf5_hl.so，如果有的话，查看属性是否有正确的链接(正常情况下应该是没有这两个文件)，然后右键在终端中打开
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可能不同电脑安装版本不同，注意看当前目录下存在的文件然后
sudo ldconfig 生效
接下来就是直接编译的过程
cd /home/user/caffe
make all -j4
make test -j4
make runtest
make pycaffe
make matcaffe
如果编译没报错正常的话，基本就没问题了。测试python打开
cd /home/user/caffe/python
python
import caffe
如果不报错就说明编译成功
测试matlab打开./caffe/matlab/+caffe/private，看有没有生成一个caffe的mex文件，可以运行+test文件夹里面的程序测试。
小问题：
在使用python接口的时候，可能会报一个什么错误(我给忘记了–!)，对了是’Mean shape incompatible with input shape.’的错误，处理方法是python/caffe文件夹，编辑io.py文件，将
if ms != self.inputs[in_][1:]:
raise ValueError('Mean shape incompatible with input shape.')
替换为
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
然后make clean再重新make

7.总结
至此，Ubuntu16.04下编译Caffe的教程就结束了，作者历时三天，装了好几遍系统，刚开始用Ubuntu14.04，结果系统出现问题，强迫症实在受不了，就尝试着装16.04继续折腾，最终折腾成功。以后可能会更新python3下的编译教程，需要自己编译boost版本，总之也很麻烦。