anaconda创建虚拟环境安装不同深度学习框架

最近带一个学弟做毕设，深度学习方向，需要安装TensorFlow、PyTorch等深度学习框架。想当初自己是新手的时候可没少被配环境、安装深度学习框架折腾…吃一堑长一智，趁着带毕设，重新回顾一下配环境、装框架那些事儿，并形成文档，方便后期查看~~

说在前面的话

使用anaconda安装TensorFlow、Caffe、PyTorch等深度学习框架很方便，大致思路为：首先通过anaconda创建虚拟环境（如果没有安装过anaconda，先要安装anaconda）；其次在不同的虚拟环境下安装不同版本的深度学习框架（例如在一个虚拟环境上安装一个tensorflow1.4，在另一个虚拟环境中上安装一个tensorflow1.6，在另一个虚拟环境中安装pytorch），这样做的好处是一旦配置出错，可以直接删除虚拟环境包，而不影响整个系统。

一 使用anaconda创建虚拟环境

1. 在系统上安装anaconda
2. 通过anaconda创建虚拟环境

conda create -n py3tf pip python=3.5

上述代码创建了一个名叫py3tf的虚拟环境（环境名字可以随便起，但最好包含tf、caffe或pytorch和对相应的版本字样，以免日后混淆），并在这个环境里安装了python3.5。
【注：】这里的python3.5和anaconda的版本没有对应关系，假设通过anaconda安装的python版本是3.6，但是这里也可以安装python3.5。

3. 通过如下命令进入虚拟环境

source activate py3tf

这就进入了虚拟环境，进入后你会发现命令行和之前的有所不同，这时命令行前面多了括号，括号里面含有虚拟环境的名字，之后在这种状态下安装的所有内容就都会安装在虚拟环境里，退出虚拟环境后，将不能使用该虚拟环境中安装的东西。

二 修改下载源

修改下载源主要是为了加快下载速度。
**pip源设置：**在linux系统下创建.pip文件夹，穿件pip.conf文本，写入以下内容（这里使用清华源）。

[global]
 index-url = https://pypi.tuna.tsinghua.edu.cn/simple

**conda源设置：**在终端输入

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

三 在虚拟环境中安装cuda和cudnn

如果你的系统中已经安装了cuda和cudnn，这一步就不需要执行了，虚拟环境需要使用cuda和cudnn时会自动调用系统中的。但是如果你的系统的cudnn和cuda版本和所要安装的TensorFlow或者PyTorch不匹配，就需要在虚拟环境中重新安装，安装方法如下：

conda install cudnn=7.1.2

通过上述命令安装cudnn，会自动安装依赖项 cuda（也可以自己通过conda install cuda =9.0自己安装），这里我安装的cudnn版本是7.1.2。如果安装不成功的话，可以尝试加入清华的源（上述命令 加入 -c 源地址）。

四 在虚拟环境中安装TensorFlow和Keras

1. 安装TensorFlow

pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.12.0-cp35-cp35m-linux_x86_64.whl

后面给的地址是gpu版的TensorFlow（linux环境，gpu版本，cp35-cp35m表示python的版本是python35，tensorflow的版本是1.12.0）。这里是软件包位置https://tensorflow.google.cn/install/pip找到与python版本一致的url放到这里。
【注：】有时候上述命令一次不行，需要再试一次，再不行的话就要考虑cuda与cudnn的问题了。

2. 安装Keras

pip install keras

3. 安装opencv

pip install opencv-python

4. 测试安装的内容

在虚拟环境下输入python，进入python环境，看看包是否可以导入

import tensorflow as tf  # 查看是否可以导入tensorflow

tf.__version__    # 查看tensorflow版本

import keras     # 查看是否可以导入keras

keras.__version__    # 查看keras版本

import cv2     # 查看是否可以导入opencv

cv2.__version__     # 查看opencv版本

五 在虚拟环境中安装PyTorch

1. 安装PyTorch
   创建虚拟环境和配置cuda与cudnn跟上述是一样的，使用source activate name（自己定义的虚拟环境名字）进入虚拟环境就以后，需要去pytorch官网https://pytorch.org/get-started/locally/按照你的系统环境选择相应的操作系统（win or linux）、conda版本、Python版本、cuda版本，响应版本选择好后会给出安装命令，如下：

conda install pytorch torchvision -c pytorch

2. 测试PyTorch

import torch
torch__version__

六 配置环境常用命令

1. 查看已安装的虚拟环境

conda env list

2. 进入虚拟环境

source activate 虚拟环境名称

3. 退出虚拟环境

source deactivate

4. 删除虚拟环境

conda remove -n 虚拟环境名称 --all

5. 删除虚拟环境中的包

conda remove --name $虚拟环境名称  $包名称

6. 查看包

conda list

7. 创造一个相同环境

conda create --name py3tf16gpu --clone py3tf   #根据py3tf16创造一个名称为py3tf16gpu的虚拟环境