Anaconda安装使用及tensorflow配置

Anaconda安装及tensorflow配置

  • 1 Anaconda安装及简单使用
    • 1.1 Anaconda安装
    • 1.2 Anaconda简单使用
  • 2 Tensorflow配置
    • 2.1 环境的创建
    • 2.2 Tensorflow版本选择
    • 2.3 Tensorflow的安装
      • 2.3.1 Tensorflow cpu版本安装
      • 2.3.2 Tensorflow gpu版本安装
  • 3 Spyder基本使用
  • 4 Jupyter Notebook基本使用

1 Anaconda安装及简单使用

1.1 Anaconda安装

Windows下的Anaconda安装比较方便,直接去Anaconda的官方网站下载即可。
Anaconda下载地址:https://www.anaconda.com/products/individual
打开网址后,点击Download,页面会直接跳转到下载界面:
在这里插入图片描述
在Windows下选择下载相应的Anaconda应用程序即可:
在这里插入图片描述
在Anaconda应用程序下载完成后,当安装到下图这一步时,上面那个方框要打勾,表示安装成功后会自动配置环境变量,否则在Anaconda安装后需要自行配置环境变量,环境变量如果不配置就无法正常使用Anaconda:
在这里插入图片描述
判断Anaconda是否安装成功,可以在命令提示符中进行,键盘输入Win+R,在弹出的对话框中输入cmd,即打开了命令提示符,在命令提示符中输入【conda –version】,其中conda是Anaconda中python包的管理工具,如果下方出现相应的conda版本,即表示Anaconda安装成功,可以正常使用,如图:
在这里插入图片描述
Anaconda安装成功后会得到图中几个exe,我们在写python程序时用到比较多的是Spyder,有时也会用到Jupyter Notebook,后面我们会介绍下相关使用。
在这里插入图片描述

1.2 Anaconda简单使用

Anaconda安装成功后,我们需要了解如何查看、安装和卸载一些python库,具体操作为:

1)查看已安装的python库,在命令提示符下输入【conda list】即可;
在这里插入图片描述
2)安装新的python库,在命令提示符下输入【conda install 库函数名】或者【pip install 库函数名】,其中pip是python包的管理工具。例如如果我们要下载numpy,我们可以输入【conda install numpy】或者【pip install numpy】;有些python库下载可能比较慢,这时候可以使用清华大学的镜像网站来下载提高速度,具体使用方法为:输入【pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 库函数名】;
在这里插入图片描述在这里插入图片描述
3)卸载python库,在命令提示符下输入【conda uninstall 库函数名】或者【pip uninstall 库函数名】,例如如果我们要卸载numpy,我们就要输入【conda uninstall numpy】或者【pip uninstall numpy】;
在这里插入图片描述

2 Tensorflow配置

2.1 环境的创建

Anaconda安装成功后会创建一个base的环境,如果不切换到其他环境,就会一直在base环境中运行,图中Applications on base(root)即表示在base环境中运行。
在这里插入图片描述
因此,我们在配置Tensorflow的时候,必须先为Tensorflow建立一个环境。建立虚拟环境可以在电脑的命令提示符中完成,具体操作方式为:

1)打开命令提示符:键盘输入Win+R,在弹出的下图所示对话框中输入cmd,即打开了命令提示符;
在这里插入图片描述
2)输入【conda info –envs】,表示查看现在已经安装的环境,右边“*”表示当前使用的环境;
在这里插入图片描述
3)创建Tensorflow环境,输入【conda create -n tensorflow python=3.7】,表示创建一个名字为tensorflow的环境,这个环境用的python版本是3.7版本的,创建环境时你也可以用你自己喜欢名字去命名;
在这里插入图片描述
4)创建成功后再输入【conda info –envs】,就会发现下方多了名为一个tensorflow的环境,我们就在这个环境下配置tensorflow;
在这里插入图片描述
至此,我们就完成了环境的建立,接下来我们就要在这个环境下配置Tensorflow,我们需要先进入这个环境,在命令提示符中输入【activate tensorflow】,我们就可以进入这个环境,进入之后是下图的样子,之后我们继续安装python库函数,都是安装在了名为tensorflow这个环境下:
在这里插入图片描述

2.2 Tensorflow版本选择

Tensorflow分为cpu版本和gpu版本,cpu版本一般电脑都可以安装,但是gpu版本只有电脑的显卡支持cuda才可以安装,这两个版本的区别主要在于运行速度,gpu版本的Tensorflow运行速度更快,所以如果电脑显卡支持cuda,推荐安装gpu版本的,不过现在的电脑一般都会支持gpu加速,但可能也有不支持的情况。
查看电脑是否支持gpu的方法:打开电脑任务管理器,选择性能,如果支持gpu,就可以看到:
在这里插入图片描述

2.3 Tensorflow的安装

Tensorflow和python会有一个版本对应问题,不同版本的Tensorflow对应的python版本不同,比如Tensorflow-2.0.0对应的Python版本为3.5-3.7,具体的版本对应可以从Tensorflow的官方文档查看。
Tensorflow文档查看网址为:https://tensorflow.google.cn/install/source_windows
下面分别为cpu版本和gpu版本的Tensorflow对应的python版本:
在这里插入图片描述
在这里插入图片描述

2.3.1 Tensorflow cpu版本安装

cpu版本的Tensorflow安装比较简单,在tensorfow环境下,输入【conda install tensorflow】,就会下载最新版本的Tensorflow,如果你想下载指定版本的,可以在Tensorflow后面加一个版本号,例如下载2.0.0的Tensorflow可以输入【conda install tensorflow==2.0.0】。
在这里插入图片描述
有时候输入这个【conda install tensorflow】后可能会出现安装不成功的情况,这时候可以输入【pip install tensorflow】。
Tensorflow安装完成后,在命令提示符中输入【python】,表示进入python的运行环境,然后输入【import tensorflow as tf】,如果输出如下,则表示安装成功:
在这里插入图片描述

2.3.2 Tensorflow gpu版本安装

Tensorflow的gpu版本安装比较麻烦,需要注意一下版本对应问题,安装步骤如下:

1)查看电脑是否安装NVIDIA驱动。在电脑搜索框中搜索NVIDIA,查看电脑中是否有NVIDIA Control Panel,这是NVIDIA的控制面板,如果没有说明电脑上没有安装NVIDIA的驱动,需要去NVIDIA的官网上下载和自己电脑显卡的NVIDIA驱动,下载地址为https://www.nvidia.com/download/index.aspx?lang=en-us。查看电脑显卡的方式为:在控制面板中搜索设备管理器,打开之后找到显示适配器,查看电脑显卡信息;
在这里插入图片描述
2)查看电脑的cuda版本。在搜索框中搜索NVIDIA,打开NVIDIA Control Panel,点击“帮助”,然后点击“系统信息”,在新弹出来的窗口中选择“组件”,在3D设置中找到“NVCUDA.dll”,对应的右侧就可以看到cuda版本,比如我的电脑的cuda版本为11.0;
在这里插入图片描述
3)下载cuda和cudnn。在官网上分别下载和自己的电脑版本对应的cuda和cudnn,下载的cuda和cudnn的版本可以低于自己的电脑,但是不能高于电脑支持的版本。cuda的下载地址为:https://developer.nvidia.com/cuda-toolkit-archive,cudnn的下载地址为:https://developer.nvidia.com/rdp/cudnn-archive,在这里要注意的是cuda和cudnn的版本也需要对应,在cudnn下载时后面会带有支持的cuda版本,选择自己下载的cuda版本对应的cudnn的版本即可;
我这里用的cuda和cudnn版本分别是10.1和7.6.5,有需要的可以自取:
cuda:链接:https://pan.baidu.com/s/1QTaCRy3S3TO70ios4VjWXw
提取码:44yt
cudnn:链接:https://pan.baidu.com/s/1SNUTajhYYs3CChiYc8E2uQ
提取码:p7yp
在这里插入图片描述
4)查看cuda是否安装成功。在命令提示符中输入【nvcc -V】,如果出现如下图所示的cuda的版本信息,表示cuda安装成功;
在这里插入图片描述
5)将cudnn中的文件复制到cuda中。cudnn下载完成后,对它进行解压,发现它是名为cuda的文件夹,将里面的三个文件夹bin,include,lib复制,找到cuda的安装路径,如果没有指定安装路径cuda是安装到C盘下的Program Files这个文件夹下,在这个文件夹中可以找到NVIDIA GPU Computing Toolkit,这就是cuda的安装路径,点开每层文件夹,一直到如下图所示的界面,将刚才复制的三个文件夹粘贴,如果出现同名文件询问是否替换都选择是;
在这里插入图片描述
6)安装tensorflow-gpu。命令提示符中切换到tensorflow环境,输入【conda install tensorflow-gpu】,如果安装不成功,就输入【pip install tensorflow-gpu】,它会自动安装最新版本的tensorflow-gpu,如果想指定版本,在tensorflow-gpu后面加版本号即可,例如安装2.1版本的tensorflow-gpu,即【conda install tensorflow-gpu==2.1.0】;
在这里插入图片描述
7)测试tensorflow-gpu是否安装成功。打开Anaconda,在上方Applications on选择tensorflow环境,然后打开Spyder,第一次打开需要安装Spyder,直接点下方的install即可。
在这里插入图片描述
安装好之后,点击launch打开Spyder,在左侧输入下侧测试代码代码,运行代码,如果可以出现下图的输出,说明gpu版本的Tensorflow配置成功,之后就可以正常使用了。

import tensorflow as tf
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
print(tf.__version__)
print('GPU:', tf.config.list_physical_devices('GPU'))
print(tf.test.is_gpu_available())

在这里插入图片描述

3 Spyder基本使用

Spyder是Anaconda用于科学计算的使用Python编程语言的集成开发环境(IDE)。在Anaconda下,如果是base环境下,Spyder是已经安装好的,我们使用使直接launch即可。在我们新建立的tensorflow环境下,它是需要安装的,点击install,稍等片刻就可以安装好。它的基本界面是这样的:
在这里插入图片描述
左侧是代码编辑区,编辑python在左侧完成,右侧控制台查看代码运行结果。
例如我们在运行tensorflow-gpu是否安装成功的代码时,在左侧输入测试代码,点击上方运行,选择运行文件,就可以在右边控制台看到输出:
在这里插入图片描述

4 Jupyter Notebook基本使用

Jupyter Notebook和Spyder一样,在Anaconda下,如果是base环境下,Spyder是已经安装好的,我们使用使直接launch即可。在我们新建立的tensorflow环境下,它是需要安装的,点击install,稍等片刻即可。
Jupyter在使用时可能比Spyder麻烦一点,例如我们想运行在这个文件夹下的python项目:C:\Users\lenovo\PycharmProjects\Beliefs,具体步骤为:

1)打开命令提示符,输入命令【cd C:\Users\lenovo\PycharmProjects\Beliefs】切换到该目录;
在这里插入图片描述
2)切换完成后输入【jupyter notebook】,就会在出现下方第二张图所示页面;
在这里插入图片描述
在这里插入图片描述
3)打开Belief_Notebook.ipynb;
在这里插入图片描述
4)在上方cell找到run all,程序就会全部运行了;
在这里插入图片描述
5)运行过程中,还没运行的这段程序前会有号,In[]就表示程序还未运行;
在这里插入图片描述
6)运行了的下面就这段程序下面就会有输出。
在这里插入图片描述

你可能感兴趣的:(python,深度学习,python,anaconda,tensorflow,深度学习)