ubuntu杂记

1. ubuntu自带py2和py3，由于本人已经装过很多次ubuntu，所以多次经验会让我发现一些问题。记忆中pip2（或者是pip）和pip3是自带的，分别对应py2、py3。但是安装了anaconda后默认python会变成anaconda的，这时好像会影响到pip，即pip3仍是对应系统自带的py3，不会影响pip3，但是pip却对应到anaconda的py了。而且查询py2.7文件夹是没有与其对应的pip的，只有在anaconda文件夹下才有。

• 解决方案：
  sudo apt install python-pip即可，然后pip2 -V查看版本，正确对应上py2了

2. 同一个cuda对应多个cudnn
   因为有时候同一个cuda版本+不同的cudnn版本，对应使用的tensorflow-gpu版本是不同的，这时候再安装几个cudnn即可。否则无法使用，报错ImportError: libcudnn.so.x: cannot open shared object file: No such file or directory之类的。

• 解决方案：
  下载所需的不同的cudnn，解压后将里面的lib64文件夹下的带数字的两个libcudnn.so.x文件复制到/usr/local/cuda/lib64文件夹下即可。

3. 即使换了国内源，conda也会下载慢的问题
   有时候即使已经换了国内镜像源，但是有些包直接用conda install的话仍会提示说找不到这个包。(flag)这时很多人肯定都会先search该包，再安装。那么问题来了，这时候anaconda给出的包含该包的源不是国内源，导致下载仍然慢的一批～

• 解决方案：
  要知道这个包的确是存在于国内的镜像源的，那就可以直接手动去镜像源网站下载所需的所有包（conda下载的时候会列出所需的依赖，把他们记下来再去找），然后conda安装本地包 conda install *.tar.bz2即可（注意若是中断了正在安装的过程，需先到～/.conda/pkgs下删除未下完的文件包，然后才用conda安装本地包）。全部装完后直接测试使用的话，可能仍会报错，这时回到我在上面标志的flag那句话，这句话你们是怎么进行的就再次进行一次，然后完美结束。