1、到anaconda清华镜像网站下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
注意版本：Anaconda2表示python2，Anaconda3表示python3。查看：https://blog.csdn.net/yuejisuo1948/article/details/81043823
2、如下载的是Anaconda3-5.3.0-Linux-x86_64.sh，则安装的命令是 sh Anaconda3-5.3.0-Linux-x86_64.sh
3、更新环境变量
# source ~/.bashrc
# conda -V
4、安装相关包：conda install 包名
如安装jupyter notebook，详细看一； conda install jupyter notebook
启动：jupyter notebook
5、创建tensorflow环境：
- conda create -n tf1.13.1-py3.6 python=3.6
激活环境：source activate tf1.4-py3.6查看conda有哪些环境：conda info -e
进入docker交互式环境：docker exec -it ***** bash
安装jupyter：
- 安装python dev包 :
apt-get install python-dev - 安装jupyter :
pip install jupyter [若pip没安装好，需要安装sudo apt install python3-pip]
配置文件：
生成jupyter配置文件：jupyter notebook --generate-config使用ipython生成密码
In [1]: from notebook.auth import passwd
In [2]: passwd()
Enter password:
Verify password:
Out[2]: 'sha1:******'
- 到配置文件/root/.jupyter/jupyter_notebook_config.py中修改以下参数
c.NotebookApp.ip='*' #绑定所有地址，即所有IP 地址都可以访问
c.NotebookApp.password = u'sha1:******
c.NotebookApp.open_browser = False #启动后是否在浏览器中自动打开
c.NotebookApp.port =8100 #指定一个访问端口8100，默认8888
c.NotebookApp.allow_remote = True #将远程访问设置成True
启动：
jupyter notebook --allow-root
本机访问：
- 查看docker IP，需安装 apt install net-tools ，然后输入命令ifconfig -a。
找到inet后的IP地址即为docker地址。如：inet 153.16.0.1
- 远程访问：http://153.16.0.1:8100即可。8100为配置文件时修改的启动端口，若有密码，即token= 后面输入密码。/
远程访问：
在启动容器时，如果不配置宿主机器与虚拟机的端口映射，外部程序是无法访问虚拟机的，因为没有端口。
1、若没有启动容器时，即docker run -it ***，则可以通过以下命令指定容器8888端口映射成主机端口8000。-p 后面接主机端口：容器端口，-d表示后台执行，-it是进入交互式。
docker run -d -it -p 8000:8888 tensorlow_gpu:latest /bin/bash
【然后通过docker ps可以查看映射成功】
2、若容器已经执行了，即docker ps -a是存在的容器可以通过以下两种方式：本人只成功了第一种：
(1)
- 提交一个运行中的容器为镜像，先查询该容器的ID *****，通过docker ps -a查询，以下tensorflow1_13_1是自己取的新容器名字。
docker commit ****(containerid) tensorflow1_13_1- 运行镜像并添加端口
docker run -d -it -p 8000:8888 tensorflow1_13_1 /bin/bash
- 进入docker 中，docker exec -it *****（新容器ID，docker ps -a查询） bash
- 启动jupyter notebook，jupyter notebook --allow-root，默认端口8888
- 远程访问jupyter，浏览器中输入网址：主机IP+映射端口8000，即http://11.161.112.1:8000
(2)试得不成功，没理解inspect ，过后再补
http://www.yinxi.net/doc/show.php?DocID=10732
1、获得容器IP
将container_name 换成实际环境中的容器名
docker inspect `container_name` | grep IPAddress
2、 iptable转发端口
将容器的8000端口映射到docker主机的8001端口
复制代码代码如下:
iptables -t nat -A DOCKER -p tcp --dport 8001 -j DNAT --to-destination 172.17.0.19:8000
1、安装cuda和cudnn
只要把cuDNN文件复制到CUDA的对应文件夹里就可以，即是所谓插入式设计，把cuDNN数据库添加CUDA里，cuDNN是CUDA的扩展计算库，不会对CUDA造成其他影响。
（1）注意显卡型号：
输入命令lshw -c video，查看显卡型号driver version。找到对应的cuda版本下载。
看到以下这些结果表明支持nvidia以及显卡类型为GP102 [TITAN Xp]
product: GP102 [TITAN Xp]
vendor: NVIDIA Corporation
（2）安装显卡驱动
去NVDIA driver search page搜索你的显卡需要的驱动型号并下载(如图）。
或者输入命令查询可用 驱动版本：ubuntu-drivers devices
要想安装440：sudo apt install nvidia-440
测试安装成功：输入nvidia-smi命令测试是否有结果
（3）安装cuda
如果训练中用到了 tensorflow，应该确认一下 cuda 版本与 tensorflow 版本的兼容性问题
https://tensorflow.google.cn/install/source#linux
确定安装cuda10.0+cudnn7.4+tensorflow1.13.1
cuda下载地址：https://developer.nvidia.com/cuda-toolkit-archive
根据命令安装cuda
(4)安装cudnn
https://developer.nvidia.com/rdp/cudnn-archive
下载对应版本的tgz文件Download cuDNN v7.4.2 (Dec 14, 2018), for CUDA 10.0，然后解压 tar xfz cuDNN v7.4.2 (Dec 14, 2018), for CUDA 10.0.tgz.
将解压出来的文件夹中的include文件夹和lib64文件夹内容全部复制到已经安装的cuda相对应的文件夹（一般在/usr/local/cuda-10.0）中。
（5）安装tensorflow1.13.1
如果直接输入pip install tensorflow-gpu=1.13.1，下载速度及其慢。
可以换源：python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.13.1