anaconda3+tensorflow（配置GPU加速）2.1+oencv环境搭建

安装过程中遇到了不少坑比如更换源与不更换源，conda install与pip install的区别，如何下载更快，如何配置GPU加速等，在下面的文章中我会指明。

一 ：anaconda以及各种库的安装
anaconda是一个安装包管理器，但是它还具有环境隔离的作用，就比如我安装了python3.5以及配套的各种库，过了一段时间我想要更换python3.7和对应版本的库但是又不想卸载原有的库，此时anaconda的环境隔离就很有用了，因为在anaconda的各个环境内可以任意安装各种库，并且环境之间互相不影响。
anaconda下载地址为：

https://www.anaconda.com/products/individual

把网页拉到底，选择下载版本：

这里我是使用的是与python3.7对应的版本。下载完毕之后直接双击打开，选择同意，下一步即可，然后直到提示环境变量时按照下图配置：

然后一切按照默认执行。安装完毕后找到下图文件：

点击进入一个类似于DOS窗的环境，接下来我们要做的就是在anaconda里面建立一个环境，在该环境下安装各种库（环境与环境之间独立，所以再新建别的环境时不会有影响。）
首先执行下图红框圈中的命令建立环境：

然后提示是否继续，输入y继续：

自此，环境建立完毕。接下来要做的是进入刚才建立的环境，在该环境下进行各种库的安装：
首先进入环境

然后把常用的库安装上，包含：opencv-python,opencv-contrib-python,scipy,tensorflow-gpu，numpy,matplotlib。

下面就说明这些库怎么安装（给出两种方法）：
1.使用默认源：

上图就是用pip安装opencv（安装其他库同理，只需要把install后面的库名字改掉）,使用的是默认源，下载比较慢，可能会下载失败。其实对于已经推出了一段时间的版本，我们完全可以使用国内源。
2.换用国内源
这里举的例子是安装tensorflow 2.1.0的GPU版本：

pip install tensorflow-gpu==2.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

可以看到我使用的是清华的镜像站（请额外注意，pip使用清华的镜像站的确很快，但是anaconda就不要再使用清华镜像站了，因为已经不支持了，需要换中科大的镜像站）。安装别的库也是同理，把install后面的库名字换掉即可。

在使用上述两种方式把库安装完毕后我们可以在环境内使用pip list查看都安装了什么库，我电脑上在anaconda之外还有一个python3.7版本及对应的库，只不过那时候是手动下载各种库然后使用pip3安装（点击这里查看）。请注意，在anaconda的独立环境内我们是使用pip安装的，这是不同点。正是这个不同点让我看到了以下的现象：在cmd中定位到我原本安装的python目录下，然后执行pip list输出的是anaconda本身的库（不是anaconda内各个独立环境内安装的库，这是不可见的），pip3 list输出的才是我在anaconda独立环境之外安装的库。在anaconda的独立环境内使用pip list输出的是该环境安装的库（请注意不是anaconda本身安装时的库，二者不一样，等一下再说），而使用pip3 list输出的则是在anaconda独立环境之外安装的库。也就是以后我在anaconda外给原本的python安装库时就得使用pip3，在anaconda的任意环境之内需要使用pip安装库，否则就会串库（比如在anaconda独立环境内使用pip3 uninstall xxx会把外面的库卸载掉而不是卸载该环境的库），这点不知道为什么没有隔离开。不过在各个环境间使用pip是互不影响的，并且anaconda外安装的python的库与anaconda环境内安装的库互相不能调用
请注意：anaconda本身在没有建立任何环境时是具有一个python版本的（就是下载时那个版本），这个版本可以形象的称之为实体版本python，它对应安装的库位于：Lib的site-packages内


在上面Lib的同级目录下有一个目录envs：

我们在anaconda内建立的独立环境就位于该文件夹下：

可以看到现在只有一个环境名为Tensorflow_surrounding2.1，我们进入环境的根目录：

可以看到这里也有一个Lib目录，打开后发现也有名为site-packages的目录，这里存放的便是在独立环境内下载的库了：

并且在Tensorflow_surrounding2.1这个目录里还能看到python编译器：

这便是在该独立环境下安装的python，形象的称之为虚拟版本的python（相对于上面讲的anaconda本身的实体版本的python）。接下来在安装英伟达套件的时候还会再辨析conda iinstall与pip install的区别。

截止到目前，我们已经完成的任务是安装anaconda,建立独立环境,在独立环境内安装tensorflow,opencv等各种库。下面就是要安装tensorflow的GPU加速支持相关的套件，这个必须要安装，除非安装的是CPU版本的tensorflow。

二 ：CUDA,CUDNN的安装
这两个东西是英伟达针对自加显卡推出的深度学习以及GPU加速的套件，安装方法如下：
（1.）首先还是先进入刚才建立的独立环境Tensorflow_surrounding2.1，然后我们需要给conda install更换源，因为这两个东西很大，不换源实在是太慢：
输入conda config --show，然后会给出一大堆输出，找到下图圈中的段落：

我这里已经更换了中科大的源，在没更换之前这里为空。
然后添加中科大的源：

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

添加之后效果就是刚才看到的那样，只有中科大一个channel，直接就成为了默认源。
接下来输入命令：

conda config --set show_channel_urls yes

然后换源工作就完成了。如果是后期要换默认源的话使用下列命令删除中科大源，再按上边换源步骤从头来：

conda config --remove channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

（2.）更新显卡驱动
安装那两个套件要求必须是英伟显卡，并且驱动本版大于418.96。
我电脑是GTX 1050ti,原本驱动版本是387，去官网下载新版驱动：

https://www.nvidia.com/Download/Find.aspx?lang=en-us

然后按照下图方法找驱动：

其中一定要注意两个红框部分，笔记本要选带notebook标识的，Type要选择标准，否则下载的驱动就是带dch后缀的，这个是没有控制面板的驱动，安装不上。
点击search后如图：

点进去点击下载会跳转一个页面：

请不要直接点击下载，因为直接下载很慢很慢，请右键复制下载按钮的链接到迅雷下载，这样速度很快。下载完毕后双击打开，会先检查兼容性，然后就选精简安装，然后一路默认下来就OK了。别忘了更新完重启电脑，重启后鼠标右键打开英伟达驱动面板就会发现版本号更新了。
（3.）接下来的任务就是安装两个套件，在更换源之后下载起来就比较快了：
a.）

conda install cudatoolkit=10.1

然后会询问是否继续,输入y等待安装完成：

b.）

conda install cudnn=7.6

自此，一切任务都完成了，验证是否安装成功见下图：


上图就是各种库安装无误，tensorflow GPU加速一切正常时的结果。

注：在安装英伟达套件的时候是conda install，这跟pip install有什么区别？
区别：
（1.）pip install只能安装标准的python库；conda install可以安装各种库，不只是python的库。
（2.）pip install是在某个独立环境下使用的，安装的库位于各个独立环境的Lib->site-packages下（见上文）。在一个独立环境下用pip安装的库在别的独立环境不可见。conda install也是在某个独立环境下使用的，然而它下载的库位于anaconda根目录的pkgs目录下，该目录是envs目录的同级目录，而envs下就是建立的各个独立环境（见上文），anaconda会把下载的文件安装到各个独立环境内，在各独立环境根目录下的Library->bin内可以找到。之后在别的独立环境再次执行conda install的时候会先去anaconda根目录下的pkgs目录找对应的文件，如果有就直接复制到独立环境并安装，找不到时才会下载，然后再安装到独立环境。所以说在某一个独立环境内conda install是先下载一次然后在别的独立环境都可以免下载直接安装，而pip install就是每次都是先下载再安装（即使已经有独立环境用pip install安装了相应的包，换一个独立环境还是要再次下载）。