centos下通过conda安装pytorch和tensorflow
一、安装anaconda
anaconda安装简单，只要确定自己的系统即可，具体安装请参考这里
二、确定自己的系统版本
我的是centos
cat /etc/redhat-release
查看linux系统方法：
# 方法一 cat /proc/version # 方法二 lsb_release -a # 方法三 cat /etc/issue # 方法四 cat /etc/redhat-release
三、确定自己的CUDA版本
什么是cuda：
CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题
简单说强大的芯片如果只是作为显卡就太浪费了，因此N卡厂商推出CUDA，让显卡可以用于图像计算以外的目的
什么是cudnn：（注意：CUDA和CuDNN一般都是结伴而行，如果需要CUDA，必然会需要CuDNN）
下载地址：注意这里需要注册才能下载，我用qq邮箱，密码首字母大写
CUDA看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手
但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多
cudnn下载解压后cuda目录下有下面内容：
修改权限：
sudo cp include/cudnn.h /usr/local/cuda/include sudo cp lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
Centos7安装NVIDIA显卡驱动和CUDA10.1（以10.1为例）：
先查看自己的linux上显卡型号：
lspci | grep -i nvidia
可见我的显卡杠杠滴
显卡驱动下载：（下载与自己显卡型号一致的驱动）
注意：在安装显卡驱动的时候如果报错
ERROR: An NVIDIA kernel module 'nvidia-uvm' appears to already be loaded in your kernel. This may be because it is in use (for example, by the X server), but may also happen if your kernel was configured我们需要查看是否有程序占用（如果存在占用，请停掉该程序）
lsof | grep nvidia.uvm
当然显卡驱动也可以这样安装：（推荐）
sudo yum install nvidia-detect # 安装检查显卡的程序 nvidia-detect -v # 查看需要的显卡驱动型号 yum -y install kmod-nvidia # 安装驱动
卸载驱动：
sudo yum remove kmod-nvidia
如果通过官网下载驱动安装时找不到kernel，通过下面的方式安装驱动（确保kernel已经安装）
sudo ./NVIDIA-Linux-x86_64-430.40.run --kernel-source-path=/usr/src/kernels/3.10.0-514.el7.x86_64
检查linux是否安装了GPU
lspci | grep -i nvidia
安装 cuda 的时候，会询问是否安装显卡驱动，说明 cuda 安装程序里包含了的显卡驱动；建议先不要安装 cuda 里的显卡驱动，待安装完 cuda 后，执行例子程序，如果报错再检查显卡驱动是否正确，避免覆盖原来的显卡驱动
安装gcc、g++编译器：先查看是否已经安装（gcc -v）
yum install gcc yum install g++
安装kernel-devel和kernel-headers：
yum install kernel-devel yum install kernel-headers
注意这里的kernel要和自己的linux系统版本一致：可以使用uname -r查看自己的系统版本
uname -r #3.10.0-514.el7.x86_64
有时候直接yum安装的版本比较新，导致显卡驱动安装失败
sudo yum remove kernel-devel # 卸载新的 sudo rpm -i kernel-devel-3.10.0-514.el7.x86_64.rpm #下载安装适合的版本
编辑grub文件
vim /etc/default/grub
在GRUB_CMDLINE_LINUX中的末尾（注意要包含在引号内）添加/rd.driver.blacklist=nouveau nouveau.modeset=0
随后生成配置：
grub2-mkconfig -o /boot/grub2/grub.cfg
禁用nouveau：将blacklist nvidiafb注释掉，并添加如下内容，禁用的原因点击这里
blacklist nouveau
options nouveau modeset=0
更新配置并重启：
sudo mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak sudo dracut /boot/initramfs-$(uname -r).img $(uname -r) reboot
重启后确认禁用了nouveau：
lsmod | grep nouveau # 没有内容输出表示禁用成功
赋予权限并安装驱动和CUDA-10.0：
./NNVIDIA-Linux-x86_64-430.50.run ./cuda_10.1.243_418.87.00_linux.run
查看安装结果
nvidia-smi
显卡驱动和cuda安装成功后，就可以用conda install 来安装python包了（注意：虚拟机无法调用GPU，即使所有的环境配置好，代码依然会报：all cuda 忙或者不可用的错误）
推荐搭建使用docker来安装深度学习环境，方便部署
总结：大家可以参考这个来安装深度学习框架
接下来安装pytorch-gpu：
conda create --name pytorch_gpu python=3.6.10 source activate pytorch_gpu conda install pytorch torchvision cudatoolkit=10.1
通过conda安装tensorflow-gpu，keras_gpu，和bert4keras
conda create --name Bert4KerasGpu python=3.6 conda activate Bert4KerasGpu conda install tensorflow-gpu=2.0 conda install keras-gpu=2.3.1 pip install bert4keras==0.10.5
