udacity 无人驾驶课程 开发环境配置过程
Table of Contents
1 介绍
目前在学习优达学城的无人驾驶课程，在DeepLearning这一阶段的学习过程中，使用的了anaconda和tensorflow，在此过程中出现了一些问题。最终解决，现记录一下。
2 软硬件环境
| 系统 | ubuntu 16.04 64bit |
| shell | zsh |
| 型号 | alw15 |
| 内存 | 16G |
| 独立显卡 | Nvdia Geforce 970m |
| 硬盘 | 128G SSD +1TB HD |
3 配置python开发环境(pyenv 和 anaconda)
考虑到系统初始版本python为2.7.更改后可能使用其他软件会存在问题，如geeknote等，所以首先安装pyenv.
3.1 安装pyenv
执行 ：
url -L https://raw.githubusercontent.com/yyuu/pyenv-installer/master/bin/pyenv-installer | bash
在~/.zshrc 中加入如下：
export PATH="/home/shenmutong/.pyenv/bin:$PATH" eval "$(pyenv init -)" eval "$(pyenv virtualenv-init -)"
完成后执行source ~/.zshrc,使操作生效。
3.2 安装python(anaconda)
pyenv install --list #列出pyenv可以安装的python 版本。
使用pyenv 安装python 版本，可以直接执行:
pyenv install anaconda3-4.2.0
因为我是在中国，所以因为你懂得的原因过程异常痛苦，所以直接在 anaconda下载地址 下载python3.5 version的 anaconda4.2.0 for linux。 下载好的文件是'Anaconda3-4.2.0-Linux-x8664.sh。复制或移动该文件到~/.pyenv/cache/下，然后执行
pyenv install anaconda3-4.2.0
pyenv在安装之前会在~/.pyenv/cache 查找是否存在安装包，若存在，则会直接进行安装。 另外，记得好像可以更换pyenv 的源，没有去确定，各位也可以试一下。
3.3 pyenv 使用
pyenv rehash # 更新数据库 #在安装 Python 或者其他带有可执行文件的模块之后，需要对数据库进行更新 pyenv versions # 查看当前已安装的 python 版本 pyenv global anaconda3-4.2.0 #设置全局的 python 版本 pyenv local anaconda3-4.2.0 # 更改当前目录下python版本 pyenv shell anaconda3-4.2.0 # 更改当前shell环境下 python 版本 pyenv uninstall #卸载某个版本python pyenv update # 更新 pyenv 及其插件
更多使用可以参考https://github.com/yyuu/pyenv 至此python环境 安装完成。
4 安装tensorflow
注意：如果没有CUDA SDK 情况下直接安装tensorflow gpu 版本的话，在使用过程中使用import tensorflow 会出现一个比较奇怪的错误， 'Error importing tensorflow. Unless you are using bazel, you should not try to import tensorflow from its source directory '。 当时脑残的用了很久来解决这个问题，后来才发现是因为没有安装CUDASDK的原因。
4.1 安装pip
如果没有安装pip的话 ，使用该命令进行安装。
sudo apt-get install python-pip python-dev
4.2 安装CUDA
一下内容直接复制于 https://www.tensorflow.org/get_started/os_setup#optional_install_cuda_gpus_on_linux Check NVIDIA Compute Capability of your GPU card
https://developer.nvidia.com/cuda-gpus
Download and install Cuda Toolkit
https://developer.nvidia.com/cuda-downloads
Install version 8.0 if using our binary releases.
Install the toolkit into e.g. /usr/local/cuda.
Download and install cuDNN
https://developer.nvidia.com/cudnn
Download cuDNN v5.1.
Uncompress and copy the cuDNN files into the toolkit directory. Assuming the toolkit is installed in /usr/local/cuda, run the following commands (edited to reflect the cuDNN version you downloaded):
tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgz sudo cp -P cuda/include/cudnn.h /usr/local/cuda/include sud片～o cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* #Install other dependencies sudo apt-get install libcupti-dev
4.3 安装tensorflow
在使用anaconda配置的 目录下，或切换当前shell到andconda 环境中。
# Ubuntu/Linux 64-bit, CPU only, Python 3.5 export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.1-cp35-cp35m-linux_x86_64.whl # Ubuntu/Linux 64-bit, GPU enabled, Python 3.5 # Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see "Installing from sources" below. export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.1-cp35-cp35m-linux_x86_64.whl pip3 install --upgrade $TF_BINARY_URL
搞定
5 jupyter notebook 远程配置
有时间再写。
6 参考
7 联系
如果大家有问题，欢迎讨论。我的邮箱是 shenmutong@hotmail.com