CPU环境主要用来做深度学习部署，毕竟显存太贵，模型如果能压缩部署在CPU服务器上，能节约大量成本。

模型部署技术的学习成本比模型训练低得多，下面是我部署CPU开发环境的记录。

首先从清华源下载最新版的miniconda：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh

安装：

bash Miniconda3-latest-Linux-x86_64.sh

安装完成之后重新打开终端即可使用，接下来按照https://mirror.tuna.tsinghua.edu.cn/help/anaconda/的说明添加conda源（pip源也可以做相应的修改）

接下来可以创建虚拟环境了，我选择的python版本是3.7。

conda create -n py37 python=3.7

切换环境：
source activate py37

安装pytorch和torchvision
conda install pytorch-cpu torchvision

然后就可以开始干活了。

如果conda路径有问题的话：

echo 'export PATH="./anaconda3/bin:$PATH"' >> ~/.bashrc