intel芯片mac安装Anaconda、Jupyter、TensorFlow环境

安装Anaconda

点击此处在官网下载安装包，如下图:

点击安装包安装即可，注意安装路径。接下来修改环境变量，使得命令行中输入python，默认使用的是anaconda的python环境。这样就不需要安装python经常使用的包了。

1. open ~/.bash_profile
2. 如图(忽视上面几行注释)
3. 刷新环境变量：source ~/.bash_profile

此时，在终端中执行python将使用conda的python环境：

注:
macOS添加环境变量教程

正常打开Anaconda便是安装成功:

给anaconda添加国内镜像源

1. 查看镜像源: conda config --show channels
2. 添加(两条命令):
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/
3. 再次查看镜像源: conda config --show channels

macOS中PyCharm配置Anaconda环境的方法

我们的目的是在PyCharm使用Anaconda自带的python以及它丰富的第三方库，所以这一步才是最重要的。

在安装PyCharm成功后第一次打开，先选择创建一个新的项目，然后选择环境的时候依次选择:

这一步最为关键，也是最容易出错的。当我们看到上图所示的内容之后，第一反应就是点击 Conda Environmenr，这是不正确的，也是很多人都会遇到的困惑。正确的选择应该是 System Interpreter。

1. 打开python interpreter
   
   2.选择system interpreter 后，点击“…”，选择add，找到anaconda安装路径下python.app/Contents/MacOS/python，点击ok。即可完成配置。
   
   之后新建项目时，如下图所示:
   

配置JupyterLab的默认工作路径

目的: 自己创建一个文件夹专门放JupyterLab中的文件

创建一个py文件，命令: jupyter notebook --generate-config

打开这个py文件: open /Users/waldo/.jupyter/jupyter_notebook_config.py
找到下图对应位置修改notebook默认工作目录(去掉注释符)，保存:

重新打开后，是空的(处于默认的wpforJupyter文件夹里面)：

注：mac不能装cuda，跳过

安装tensorflow

在conda虚拟环境安全tensorflow

虚拟环境相当于沙盒，避免不能框架的互相影响，这样甚至可以安装多个不同版本的tensorflow。也方便卸载，直接把虚拟环境删除就行

1. 打开终端，输入如下命令，创建了一个名为“tf2_8”的虚拟环境: 
   conda create -n tf2_8 python=3.9
2. 执行命令，来激活tf2_8虚拟环境: conda activate tf2_8
3. 执行命令在虚拟环境中进行Tensorflow的安装: pip3 install tensorflow
4. 退出虚拟环境: conda deactivate

使用命令conda info -e查看虚拟环境“tf2_8”是否已经安装成功:

jupyter虚拟环境的配置

此时打开jupyter notebook，执行import tensorflow as tf是不成功的，需要如下配置

打开系统终端，执行以下命令:

1. conda activate tf2_8 //注意替换虚拟环境名

2. conda install ipykernel //安装ipykernel

3. python -m ipykernel install --name tf2_8 //在ipykernel中安装当前环境

4. conda deactivate

打开jupyter，切换kernel:


执行测试代码，有报错不用管，因为没用GPU加速:

//测试代码
import tensorflow as tf
import os
os.environ["CUDA_VISIBLE_DEVICES"]="0"
tf.compat.v1.disable_eager_execution()
hello=tf.constant('Hello,TensorFlow')
config=tf.compat.v1.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.9
sess=tf.compat.v1.Session(config=config)
print(sess.run(hello))

conda命令补充

常用操作命令：

一、环境操作

1.查看环境管理的全部命令帮助：

conda env -h

2.查看已创建的conda所有虚拟环境：

conda info -e

3.创建虚拟环境：
conda create env_name
//(env_name)是环境名称,这条命令将会给Biopython创建一个新的环境，位置在Anaconda安装文件的/envs/

创建指定python版本的虚拟环境：
conda create env_name python=3.9 (3.6为python的版本，根据自己的需要更改)

创建包含某些包的虚拟环境：
conda create env_name numpy scipy

创建指定python版本下包含某些包的虚拟环境：
conda create env_name python=3.9 numpy scipy

激活（进入）某个虚拟环境：
新的开发环境会被默认安装在conda目录下envs文件目录下,你可以指定一个其他的路径；
如果没有指定安装python的版本，conda会安装最初安装conda时所装的那个版本的python。

macOS:
conda activate env_name

退出某个虚拟环境：
conda deactivate

复制某个虚拟环境：
conda create new_env_name old_env_name

删除某个虚拟环境：
conda remove -n env_name --all

二、包管理
查看已安装的包：
conda list

查看指定虚拟环境下的包：
conda list -n xxx

查找包：
conda search xxx

更新包：
conda update xxx

安装包：
conda install xxx
pip install xxx

指定的安装虚拟环境:
conda install -n env_name xxx

安装anaconda发行版中所有的包:
conda install anaconda

卸载包：
conda remove xxx

三、管理conda
检查conda版本：
conda --version

升级当前版本的conda：
conda update conda

查看已经安装的包：
pip list 或者 conda list

安装和更新：
pip install requests
pip install requests --upgrade
或者
conda install requests
conda update requests

更新所有库
conda update --all

更新 conda 自身
conda update conda

更新 anaconda 自身
conda update anaconda