多种类多版本深度学习框架使用良好实践

历史原因，总是难免在gpu服务器上使用不同版本的tf、torch，最近因为做一个情感分析的项目，还需要使用百度的paddlepaddle。如何灵活地切换使用这些框架，避免它们之间恼人的依赖冲突，笔者最近摸索了一套方法，分享给大家。

使用conda管理不同版本的框架

笔者实践中，曾经在一个环境中安装多个不同的框架，但是偶尔会遇到一些难解的bug，于是总结出一条经验：每个环境中仅安装一个框架的一个版本。比如，建一个环境tf224，那么这个环境仅安装tensorflow的2.24版本，这样就有效地避免了各种框架或者同一框架不同版本的冲突。

使用jupyter启动服务，使用框架

在安装好了框架的环境下，启动jupyter服务，通过指定配置文件，可以设置访问密码，指定服务端口。然后，通过浏览器，输入ip和端口就可以访问，如下所示：

不同的环境可以启动不同的jupyter服务

为了同时使用不同的框架，笔者的办法是，在~/.jupyter 目录下针对不同的环境生成不同的配置文件，如下所示：

这些配置文件，不同之处主要在于端口设置不同。

然后在不同的环境下，都启动一个jupyter notebook，启动的时候通过--config 指定配置文件，如下所示：

nohup jupyter-notebook  --config  /root/.jupyter/jupyter_notebook_config_torch.py  --allow-root >torch_nohup.out 2>&1 &

可以同时打开不同的框架了

在书签中存下不同jupyter 服务的访问地址，如下所示：

这样，就可以根据需要自由地选择不同的框架来使用了。方便灵活好用！