使用Anaconda安装pytorch和tesorflow以及相关环境配置

Anaconda拥有非常强大的python包和库管理功能，并且机器学习常用的pytorch和tensorflow两个库可以直接使用anaconda安装，这两个库的官网分别是：https://pytorch.org/，https://tensorflow.google.cn/，对于其他python包的安装同样可以使用该教程。如果遇到本教程中没有解决的问题，可以去某度搜索关键词寻找相关解决方案。

目录

 一、Anaconda安装

 二、配置Anaconda环境

1. 更换下载镜像源

2. 创建虚拟环境和设置下载包到anaconda路径下

 三、安装Pytorch和tensorflow

1. 安装虚拟环境

 2. 安装pytorch

 3. 安装tensorflow

 4. 在Jupyter和spyder中配置环境

① Jupyter

② spyder

五、CPU or GPU

---

 一、Anaconda安装

Anaconda安装有两种方式：一是去Anaconda官网（https://www.anaconda.com/）下载；二是去清华镜像下载（https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/），建议安装最新版本。安装教程比较简单，可以直接百度搜索，建议安装在系统盘以外的盘里。安装完以后一定要手动配置环境变量，不然在使用过程中会报错，具体方法是：依次打开“设置——系统——关于——高级系统设置——环境变量——系统变量——path”，在里面依次添加如下路径（见下图）：

 二、配置Anaconda环境

1. 更换下载镜像源

清华大学开源软件镜像站：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

中国科技大学镜像站：

http://mirrors.ustc.edu.cn/anaconda/pkgs/free/

阿里巴巴开源镜像：

https://opsx.alibaba.com/mirror

更换方法：

打开Anaconda prompt，直接输入

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

conda config --set show_channel_urls yes

那么你的目录 C:\Users<你的用户名> 下就会生成配置文件.condarc，

​

 打开后文件长这样，

​

 我这里是输入了多个镜像站点，不同站点之间优先级不同，最新加入的优先级最高。

2. 创建虚拟环境和设置下载包到anaconda路径下

首先在Anaconda下输入，

conda config –show

找到下图所示的信息，我这里的环境都是在Anaconda目录下，

​

 修改方法是，找到C:\Users<你的用户名>目录下的.condarc文件，添加如下信息即可，

​

这样做了以后，如果包还会下载到C:\Users<你的用户名>\.conda目录下，这是因为没有给Anaconda目录下pkgs和envs两个文件的写入权限，具体的修改方式为：右键单击pkgs和envs文件、点击属性、点击安全、选中Users、改写权限。

​

 三、安装Pytorch和tensorflow

1. 安装虚拟环境

Conda create -n pytoch python=3.x
Conda create -n tensorflow python=3.x

Python版本根据自己安装的pytorch和tensorflow版本确定，可自行到官网查询，虚拟环境最好安装到Anaconda目录下的envs文件。

检查环境是否安装成功

Conda env list

​

 激活虚拟环境

Conda activate pytorch
Conda activate tensorflow

​

 2. 安装pytorch

在pytorch官网（https://pytorch.org/）可以查看到GPU（CUDA）和CPU两个不同版本的安装方法，不同的pytorch版本需要不同的python环境，可去官网查询。

​

 3. 安装tensorflow

同样的tensorflow也有GPU和CPU两个版本，不同版本的安装方式在官网（https://tensorflow.google.cn/）上均有叙述，这里进行简单介绍。

CPU版本：

pip install tensorflow

GPU版本（ 需要提前配置好CUDA环境）：

pip install tensorflow-gpu

​

 4. 在Jupyter和spyder中配置环境

① Jupyter

在刚创建的虚拟环境下安装ipykernel库，

conda install ipykernel

在当前环境下将该环境写入jupyter（注意：name后跟当前环境名），

python -m ipykernel install --user --name mydemo --display-name mydemo

② spyder

在虚拟环境下安装spyder，

conda install spyder==x.x.x
pip install spyder==x.x.x

这一步是为了确保所有依赖安装成功，没有缺少的依赖。在实测中发现：conda安装会少安装一部分依赖，导致spyder无法启动；再次使用  pip 安装可以确保所有依赖成功安装。如果打开spyder出现内核不匹配问题，可以运行，

conda install spyder-kernels=x.x.x

更换到指定内核。

五、CPU or GPU

在英伟达官网https://developer.nvidia.com/上可以下载对应的CUDA版本，那么我们应该安装GPU版本还是CPU版本呢？如果你的电脑上有一张GTX 1070或更好的英伟达显卡，那么可以安装GPU版本，否则就安装GPU版本。

• 深度学习核心的是GPU（深度学习加速），即http://mirrors.ustc.edu.cn/anaconda/pkgs/free/的选择将从根本上决定你的深度学习体验。

电脑配置

• 可以进行深度学习的显卡（有些显卡不能进行深度学习）【独立显卡】
• 显存的大小不能低于4G
• 内存的大小不能低于8G
• CPU不能低于四核八线程

GPU选择建议

• 使用GTX 1070或更好的GPU
• 购买带有张量核心的RTX GPU
• 在GPU上进行原型设计，然后在TPU或云GPU上训练模型

 显卡选择网址

• https://timdettmers.com/2019/04/03/which-gpu-for-deep-learning/
• https://www.sohu.com/a/305898939_610300

文章部分内容引自：

(3条消息) 深度学习需要的电脑配置_小鹏AI的博客-CSDN博客_深度学习电脑配置https://blog.csdn.net/qq_38973721/article/details/105964170?utm_term=%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0%E6%9C%AC%E7%94%B5%E8%84%91&utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2~all~sobaiduweb~default-0-105964170-null-null&spm=3001.4430