CentOS 安装PaddlePaddle记录

一、Anaconda安装及配置

Anaconda是一个可用于科学计算的 Python 发行版，支持 Linux、Mac、Windows系统，内置了常用的科学计算包。它解决了官方

Python 的两大痛点。

第一：提供了包管理功能，Windows 平台安装第三方包经常失败的场景得以解决

第二：提供环境管理的功能，功能类似 Virtualenv，解决了多版本Python并存、切换的问题。

1.1 安装

xugj@lenovo:~$ wget https://repo.anaconda.com/archive/Anaconda3-2023.03-Linux-x86_64.sh
xugj@lenovo:~$ bash Anaconda3-2023.03-Linux-x86_64.sh

1.2 配置conda源

配置国内阿里源，或者清华源，加快包下载及安装速度。

Linux用户可以通过新建或修改用户目录下的

.condarc

文件（cd ~ 的目录即为用户目录）

channels:
  - defaults
show_channel_urls: true
default_channels:
  - http://mirrors.aliyun.com/anaconda/pkgs/main
  - http://mirrors.aliyun.com/anaconda/pkgs/r
  - http://mirrors.aliyun.com/anaconda/pkgs/msys2
custom_channels:
  conda-forge: http://mirrors.aliyun.com/anaconda/cloud
  msys2: http://mirrors.aliyun.com/anaconda/cloud
  bioconda: http://mirrors.aliyun.com/anaconda/cloud
  menpo: http://mirrors.aliyun.com/anaconda/cloud
  pytorch: http://mirrors.aliyun.com/anaconda/cloud
  simpleitk: http://mirrors.aliyun.com/anaconda/cloud

1.3 配置pip源

有些软件使用pip安装，所以需要把pip源同时配置上。

Linux用户可以通过新建或修改用户目录下的 ~/.pip /pip.conf 文件（cd ~ 的目录即为用户目录）

如下是配置为清华源

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host = pypi.tuna.tsinghua.edu.cn

二、PaddlePaddle安装及验证

参照官方文档：开始使用_飞桨-源于产业实践的开源深度学习平台

2.1 创建虚拟环境

首先根据具体的 Python 版本创建 Anaconda 虚拟环境，PaddlePaddle 的 Anaconda 安装支持 3.6 - 3.10 版本的 Python 安装环境。

bash-4.2$ conda create -n paddle_env python=3.9.13
(base) bash-4.2$ conda activate paddle_env
(paddle_env) bash-4.2$ python --version

2.2 CPU 版的 PaddlePaddle

如果您的计算机没有 NVIDIA® GPU，请安装 CPU 版的 PaddlePaddle

(paddle_env) bash-4.2$ conda install paddlepaddle==2.4.2 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/

2.3 验证安装

安装完成后您可以使用

python

或

python3

进入 python 解释器，输入

import paddle

，再输入

paddle.utils.run_check()

如果出现

PaddlePaddle is installed successfully!

，说明您已成功安装

(paddle_env) bash-4.2$ python3
Python 3.9.13 | packaged by conda-forge | (main, May 27 2022, 16:58:50)
[GCC 10.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import paddle
/data/bmoss/anaconda3/envs/paddle_env/lib/python3.9/site-packages/pkg_resources/__init__.py:121: DeprecationWarning: pkg_resources is deprecated as an API
  warnings.warn("pkg_resources is deprecated as an API", DeprecationWarning)
/data/bmoss/anaconda3/envs/paddle_env/lib/python3.9/site-packages/pkg_resources/__init__.py:2870: DeprecationWarning: Deprecated call to `pkg_resources.declare_namespace('google')`.
Implementing implicit namespace packages (as specified in PEP 420) is preferred to `pkg_resources.declare_namespace`. See https://setuptools.pypa.io/en/latest/references/keywords.html#keyword-namespace-packages
  declare_namespace(pkg)
>>> paddle.utils.run_check()
Running verify PaddlePaddle program ...
PaddlePaddle works well on 1 CPU.
/data/bmoss/anaconda3/envs/paddle_env/lib/python3.9/site-packages/paddle/fluid/executor.py:1583: UserWarning: Standalone executor is not used for data parallel
  warnings.warn(
W0410 17:48:20.099856 21650 fuse_all_reduce_op_pass.cc:79] Find all_reduce operators: 2. To make the speed faster, some all_reduce ops are fused during training, after fusion, the number of all_reduce ops is 2.
PaddlePaddle works well on 2 CPUs.
PaddlePaddle is installed successfully! Let's start deep learning with PaddlePaddle now.
>>>