由于ubuntu16.04+ROS-kinetic使用的是python2，所以如果直接安裝anaconda的話會出現(xiàn)ROS包不能用的情況。所以這篇文章是解決這個問題的辦法，此外，使用conda安裝TensorFlow-GPU會自動安裝cudnn和cudatoolkit這兩個裝起來很煩人的東西，可以說非常方便了。裝錯了卸載的時候也只需要把bashrc里的內(nèi)容刪除，并刪除home下的anaconda3目錄就行了，干凈衛(wèi)生。
第一步，下載anaconda。
為該文件添加可執(zhí)行后，直接使用sh運行。
安裝目錄選擇默認的就行了，如有需要也可以自行更改。
然后問你是否要添加環(huán)境變量，這個會配置在bashrc里，選擇是，然后一會兒修改。
最后會問你要不要裝vscode。
完成之后，打開terminal，輸入python，會發(fā)現(xiàn)python的版本已經(jīng)由2變3了，然后ros相關(guān)的內(nèi)容都已經(jīng)不能正常使用了。
所以打開bashrc，將anaconda添加的內(nèi)容全部注釋掉.這樣一來新開一個terminal之后就又回到了沒有安裝前的狀態(tài)?？梢哉Ｊ褂肦OS和Python2.等到需要用anaconda環(huán)境的時候再把注釋解除，這個辦法是ROSwiki上提供的，顯然不是非常方便，還需要改進。
bashrc在home下，使用ctrl+h就能顯示出來編輯。
在剛剛注釋掉的內(nèi)容中發(fā)現(xiàn)這句話
if [ -f "/home/tom/anaconda3/etc/profile.d/conda.sh" ]; then
. "/home/tom/anaconda3/etc/profile.d/conda.sh"
CONDA_CHANGEPS1=false conda activate base
我們把它改造一下。
alias condapy3='. /home/tom/anaconda3/etc/profile.d/conda.sh && conda activate tensorflow_gpuenv'
其中tensorflow_gpuenv環(huán)境我們還沒有建立，可以先改成base，conda activate <環(huán)境名字>就是激活這個環(huán)境用的，但沒有前面那句就無法使用。
要建立這個環(huán)境，首先我把注釋解除，檢查一下是不是進入了Python3，是的話ctrl+D退出Python。
conda create -n tensorflow_gpuenv tensorflow-gpu
conda activate tensorflow_gpuenv
如果不需要gpu的話就直接把后面的-gpu去掉就行了。
如果嫌速度太慢的話就換清華的channel，目前還是能用的，但是網(wǎng)上有些文章說它掛了，現(xiàn)在應(yīng)該是復(fù)活了。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
這樣以來不但tensorflow-gpu安裝好了，就連cudnn和cudatoolkit也一并好了，用pip的話就很不方便了。
安裝好之后，bashrc里注釋掉剛剛那些內(nèi)容，把剛剛提到的alias condapy3='. /home/tom/anaconda3/etc/profile.d/conda.sh && conda activate tensorflow_gpuenv'這句話加上去。
新開一個terminal，輸入我們自己設(shè)置的condapy3，當(dāng)然這個其實你起什么名字都可以。
然后就可以正常使用了，新開一個terminal還是原來的Python2，想使用tensorflow環(huán)境的話就在終端輸入剛剛的condapy3.如果想在anaconda環(huán)境下使用ros包的話，那就新建一個Python2的環(huán)境，再用pip安裝那些ros包。同理，其他無法用conda安裝的包也都可以試著用pip，反過來pip無法安裝的包用conda說不定就能安裝。但tensorflow-gpu一定要用conda安裝。
如果安裝完成后用測試代碼發(fā)現(xiàn)報錯，比如
Error: CUDA driver version is insufficient for CUDA runtime version
問題極有可能出在顯卡驅(qū)動上，可能有不止一個顯卡驅(qū)動，這個時候建議手動重新安裝顯卡驅(qū)動。
