@TOC使用python虚拟环境解决多环境的配置问题

使用python虚拟环境解决类似anaconda多环境的配置问题

自身在准备人体姿态方面的研究，例如openpose、densepose等开源模型，这些模型往往都需要很多框架，例如pytorch中的caffe2等，还有其他很多依赖项。为了避免破坏已经配置好的环境（其实是菜，担心弄蹦了，再要重装），自然想到的是使用Anaconda创建不同的环境，玩坏了就直接删，不用担心系统本身的环境问题。但是2019年4月份，国内Anaconda常用的清华源Tuna镜像与中科大源镜像相继宣告无期限关闭，导致国内用户即使更改到国内源也无法下载包的问题，“conda install tensorflow”命令最终会报网络无法连接的错误。然而调回到Anaconda默认源，也会出现下载缓慢，只有几kb的情况或者也出现网络无法连接的问题。就想着还有没有其他办法可以创建类似的虚拟环境，结果就找到了virtualenv这个python包。

自身环境

Ubuntu16.04GTX 960 2G显卡驱动:NVIDIA-Linux-x86_64-410.66.runCUDA:cuda_8.0.61_375.26_linux.runCuDNN:cudnn-8.0-linux-x64-v5.1.tgz系统本身环境：tensorflow-gpu==1.2.1(安装在ubuntu自身的python3环境下)安装好了，打开终端输入命令“gedit ~/.bashrc”，到文档的最下面，可以看到已经配置好了cuda与cudnn的环境问题。

将上述环境安装好（参考其他博客），再继续下面的虚拟环境安装

1. pip3 install virtualenv #(安装虚拟环境的包) 2. pip3 install virtualenvwrapper 3. pip3 list #（可以查看到virtualenv已经被安装）

4. 之后在当前目录下或者切换到你想创建虚拟环境的某个文件夹下输入命令

virtualenv yourname

其中yourname是虚拟环境的名字，如下图所示，虚拟环境创建成功。 5.进入虚拟环境yourname，然后进入到bin目录下如下图所示。 6. 输入命令

source activate

就可以激活虚拟环境，此时yourname已经被括号括起来了，如下图所示。 8. 输入

python

命令，可以看到是Python3的环境。

退出Python环境，使用 pip3 install tensorflow-gpu==1.2

命令安装gpu版本的tensorflow。 12. 等待安装成功，再次输入

python import tensorflow as tf

没有报错证明安装成功，输入

exit()

退出python3的编译对话。 15. 下面可以找一个MNIST手写数字集的简单程序验证一下：python虚拟环境是否可以调用英伟达显卡加速。比如我的MNIST程序放在Home里。 16. 里面是之前写好的程序与需要用到的数据包。 17. cd到MNIST文件夹下

cd MNIST

直接

“python 6-1卷积神经网络mnsit分类.py

可以看到程序已经跑起来了。 19. 退出这个yourname的虚拟环境可以输入

deactivate

可以看到没有了（yourname）的提示。 这样就重回系统自带的环境了。下次再进虚拟环境需要重新进到”yourname“文件下,重新激活虚拟环境。

source activate