一：mask rcnn—— 深度学习框架搭建 环境配置 虚拟环境 不冲突 conda 批量安装环境 tensorflow 随意切换框架版本
鉴于服务器多人使用，并且普通用户一般没有权限，所以。需要一种方法。我还要废话两句。比如pip anaconda这种安装管理软件背后最重要的是啥？当然是版本控制了，比如安装的第一个包需要python3.5，第二个3.5 3.6都成，然而你制定了环境是3.6.那么该管理软件会怎么办？究竟安装什么版本的？怎么满足用户需求，最贴合用户的自己都察觉不到的版本需求，怎么下载最少的资源，版本变动最少次，都是需要考虑的。还有依赖关系。这些东西都要计算，所以，务必批量安装，并且使用虚拟环境。
默认你的管理员已经安装了显卡驱动
默认你已经安装了anaconda3
默认你看了这篇文章，知道如何使用某个特定的conda：https://blog.csdn.net/u013249853/article/details/84653773
或者是这篇文章：https://blog.csdn.net/u013249853/article/details/80444815 知道调整路径（如果系统提示找不到）
默认你看了这篇文章：https://blog.csdn.net/u013249853/article/details/84648917 学会了如何使用虚拟环境
接下来就是批量安装依赖了。
conda install --yes --file requirements.txt #怎么定位到requirements.txt不用教吧
然后你就会出现下面的错误，为什么呢，因为，如果你给的requirements中有一个包conda仓库没有，你就安装不了，那怎么办呢？
你需要 1.**环境，使用pip安装该缺少的包
2. 在requirement.txt副本中删除缺少的那两个包
gedit re.txt
3.再次执行命令。记得依赖是你该国的re.txt
更多：https://blog.csdn.net/lwhsyit/article/details/80082328
请注意，最终用pip重新安装下，检查下conda动作的过程中是否有把pip安装的包的依赖改了。毕竟conda库没见过该包。
需要重点说明的是，conda在你安装tensorflow的时候会给你的环境自动安装cuda cudnn。所以不必纠结于大环境版本，或者是多个版本。直接使用conda。不过不知道conda会智能的匹配我的显卡驱动不？现在我的显卡驱动就是cuda9，正好配上。如果我要安装一个不使用现在驱动的呢？会怎么样？据说nvidia-docker很好用，有点心动。