环境及所需工具

操作系统：Linux（CentOS 7）
配置所需工具：
Putty（操作服务器）：
下载地址
WinSCP（本地与服务器之间传输文件）：
下载地址

连接服务器

打开Putty，在左侧选择session，右侧点击SSH，输入地址
输入账号和密码

创建自己的python环境

查看环境：conda info --envs

此时的Anaconda已经有2个环境（base和tensorflow_test），这两个环境时互不干扰的，他们有属于自己的python版本和深度学习框架版本，因为不同的人使用的版本可能不同，所以需要在evns下创建自己的环境。
创建环境：conda create -n 自己的环境名 pyhton==版本号

在这一步的时候最好写清楚python的版本号，否则可能装的就是python的最新版本，不一定与自己的深度学习框架兼容。自己在复现别人的代码的时候最好看看对应的python版本和深度学习框架的版本，以免报错。
例如：conda create -n jave_tensorflow python==3.5.6
创建一个名为javie_tensorflow的环境，python版本3.5.6 。环境名最好用自己的名字_深度学习框架名（例如jave_tensorflow）框架名来命名，方便使用和查找。等待安装，遇到Process？（y/n），输入y就可以等待自己的python环境创建。
执行完之后使用conda info --envs指令查看自己的python环境是否已经创建完成。

这里已经显示jave_tensorflow的环境已经创建完成，接下来需要创建深度学习的环境了。

创建深度学习框架的环境（以tensorflow为例）

进入自己的环境：conda activate 自己的环境名
例如：conda activate jave_tensorflow
有时conda没反应的话使用source：source activate jave_tensorflow

我们的环境名出现在root前面的时候说明已经进入到自己的环境中了。
查看环境中的包都有哪些：conda list

这是我们在刚才安装python时的一些基础包。
现在安装tensorflow-gpu (gpu版本的tensorflow)：
安装tensorflow-gpu：conda install tensorflow-gpu==版本号
例如：
conda install tensorflow-gpu==1.3
等待安装.

测试环境

自己的环境中，输入python进入到python编译器中：

输入：
import tensorflow as tf
hello = tf.constant('tensorflow test')
sess = tf.Session()
print(sess.run(hello))

成功！
退出python编译器指令：exit()

退出环境

conda deactivate

已经从jave_tensorflow环境中退出

删除环境

conda remove -n 环境名 --all
例如：conda remove -n jave_tensorflow --all

WinSCP的使用

打开软件，输入服务器地址、用户名、密码，回车
进入软件
将自己电脑中的python文件或文件夹拖到服务器中自己的环境下：
从WinSCP进入自己服务器的环境在/root/anaconda3/envs/ 下：

这里我们将code文件夹拖拽到服务器中我们自己的环境的文件夹中，其实拖到服务器中的任何位置都行，主要是为了方便找到文件。

同理，你可以脱你想脱的任何文件，大家感兴趣的话，可以自己探索服务器.

跑深度学习程序（以上述code文件夹为例）

进入自己的环境：
conda activate jave_tensorflow
或source activate jave_tensorflow
从服务器进入code文件夹
cd anaconda3/envs/jave_tensorflow/code
查看code文件夹下的内容：ls
运行所需文件
在这里开始训练数据集：执行training.py
python training.py

等待执行，可能开始运行别人的程序的时候可能会报错，如果缺省包的话，安装所需包，在这里缺省的matplotlib包，进行安装：
conda install matplotlib

||文本：刚哥||资源支持：Henry||技术支持：豪哥、彪哥||

使用Linux服务器搭建个人深度学习环境相关推荐

基于京东云GPU云主机搭建TensorFlow深度学习环境
TensorFlow是一个开放源代码软件库,用于进行高性能数值计算.借助其灵活的架构,用户可以轻松地将计算工作部署到多种平台(CPU.GPU.TPU)和设备(桌面设备.服务器集群.移动设备.边缘设备等 ...
在腾讯云主机上搭建pytorch深度学习环境
在腾讯云主机上搭建pytorch深度学习环境 1.购置[腾讯云主机](https://cloud.tencent.com/? fromSource=gwzcw.234976.234976.234976 ...
搭建实用深度学习环境(Ubuntu16.10+Theano0.8.2+Tensorflow0.11.0rc1+Keras1.1.0)
在动手安装之前,首先要确定硬件,系统,准备安装软件的版本,确定这些软硬件之间是否相互支持或兼容.本文安装的主要环境和软件如下: Ubuntu16.10+CUDA8.0(cudnn5.1,CNMEM)+ ...
超详细配置教程，搭建 Windows 深度学习环境
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达选自 | towardsdatascience 作者 | Ahina ...
超详细配置教程，搭建Windows深度学习环境
点上方蓝色"菜鸟学Python",选"星标"公众号重磅干货,第一时间送到选自towardsdatascience,作者:Ahinand 机器之心编译虽然大 ...
搭建个人深度学习环境（一）—— 单GPU主机配置
前言硬件配置配置表选择原因配置总结系统环境配置及驱动安装安装ubuntu 16.04 制作启动盘安装系统(UEFI启动) 安装驱动网卡驱动显卡驱动前言因为实验室服务器不够用,所以 ...
从零开始安装ubuntu22.04并搭建远程深度学习环境
文章目录一.安装ubuntu22.04 1.制作ubuntu的启动U盘 2.安装ubuntu 3.更新并安装一些基本包 4.中文输入法二.配置相关环境 1. 安装Nvidia驱动 2.安装anac ...
搭建公网服务器及配置深度学习环境
一. 安装centos 7 系统 1. U盘制作启动盘  下载UltraISO: 百度云链接:https://pan.baidu.com/s/1qZRgYIw  打开软碟通,文件->打开,打 ...
linux服务器做页面,linux服务器搭建在线预览环境
linux版本 Centos.x86_64 需要下载的工具包 openoffice 选择 Linux x86_64 rpm chinese简体中文包解压并安装安装openoffice tar zx ...

使用Linux服务器搭建个人深度学习环境