机器学习（1）——安装与配置 Anconda 、tensorflow、keras、jupyter notebook

Anconda的安装

这位大佬的博客讲的就较为详细了：anconda的安装教程
安装好的了anconda，juepyter notbook 就可以直接使用了。

安装tensorflow-gpu之前须知

安装之前需要了解的，最重要的东西就是版本的问题，首先再 windows powershell 中键入nvidia-smi，查看自己的显卡驱动，以及的与其对应的 CDUA 的版本，我的如下（我的显卡是RTX3050）：

无疑是 11.3，另外一种查看方式是到 TensorFlow 官网手册中查看：

目前这个表中只给到了 2.4.0 ，但是目前最新的是 2.5.0，不过放心，2.5与2.4 都都适配 cuda 11。

下载CUDA和cuDNN

根据上面的版本信息，进入到 英伟达的官网 下载相应版本的cuda
以下时我选择的：

cuDNN的下载网址
cuDNN的下载就非常坑逼了，特别是注册账号，反正我网页使用QQ登录刷新了N次都不行，一直显示如下：

之魔性，然后我又想到换一个方式注册一个，于是去下载了Nvidia Geforce Experience 在这个软件里注册，结果还是一样的错误，好家伙，于是我又去搞了加速器，第一个UU加速器没有用，第二个腾讯加速器起效果了，终于使用qq登起了，然后又再次回到网页去cuDNN下载网页，又是刷新了N次，一气呵成（如果网络像我一样不好，就赶紧填完登录的注册的东西，中途停留久了，妈的又会卡，简直了） 。

下载都是挺快的，就是到注册那一步挺麻烦的。

安装 CUDA 和 cuDNN

准备好了两个文件下面就开始进行安装

1、CUDA的安装

找到之前下载的CUDA文件，然后以管理员身份运行，第一个是提取那个路径默认就好了，本来也属于临时文件，然后ok即可，接下来选择自定义：

下一步，在此界面下，取消勾选 Visual Studio Integration 这个属于VS插件，网上说容易导致安装失败，索性就不勾选了。
继续下一步，这里安装路径我选择的默认的C盘的路径，毕竟想到是计算能力的东西，C盘空间允许的情况下，这种东西放C盘还是有好处的。

下一步，等待安装完成，完成后，通过cmd 进行 nvcc -V 可以检查是否安装成功：

2、cuDNN的安装

之前我们下载下来就是一个压缩包，安装过程就是个解压复制粘贴的过程，将压缩包解压后，将其中的文件：

以上都复制粘贴到刚刚C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3中，

3、环境配置

这里弄完了后就是进行环境配置了，环境变量的配置过程应该都熟悉（【我的电脑】_【高级系统设置】——【环境变量】——【系统变量】——【path】），需要注意的是这里是在系统变量中的 path 进行配置的，如下：

红色方框的1，2得自己加，3、4是打开就自动加好的。

tensorflow 的安装

首先是在Anconda中创建一个tensorflow的环境，一般来说的会用指令创建，但是Anconda 已经安装好了，用Anconda Navigetor 创建，如图所示：

左边的创建一个名为 tensorflow 的环境，右边会出现一部分，这里的图是我后面又在此虚拟环境中安装了 tensorflow-gpu 以后的结果，那下面就是讲如何安装 tensorflow-gpu。 完成创建tensorflow 的环境后，再 cmd 中 加入 activate tensorflow 进入到tensorflow 虚拟环境中，然后输入以下指令：

pip install tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple #默认安装最新版
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.5.0 #指定版本安装

上面我都是用的清华的源，这样快点，但是即使是这样下载也是会出现好几次的失败，这主要是网路问题，失败了就重新执行就好了。我因为电脑显卡配置上都符合最新版，所以就直接使用了第一条指令。
下载后，可以在 cmd 的 tensorflow 环境中 使用 conda list 查看到自己下载安装好的包以及版本，其实是 在Anconda Navigetor 中也能看到。

指令测试：

打开 Ancanda Powershell promte 然后依次输入

 conda activate tensorflow
 python
 import tensorflow as tf
 print(tf.__version__)
 print('GPU',tf.test.is_gpu_available())
 
 exit() #退出python
 
 conda deactivate tensorflow #退出虚拟环境

结果如图：

至此 tensorflow-gpu 算是完全安装完毕了。

Keras 安装

接下来就是安装另外一个模块-Keras，这个直接在 Anconda Powershell prompt :

测试Keras ，出现以下错误：

根据查阅属于keras的版本问题，不过很恼火的是，目前github中提供的对应关系上，我没做找到 tensorflow 2.5 与 哪版 keras 对应，所以我就自己试这个改变keras的版本，反正输错一次版本号它会提示目前有的版本号：

之前直接使用 pip install keras 我这个默认下载的是2.4.3，因为2.4.3出现了上述的版本问题，所以我就试着提高到2.5.0rc0，此时我在使用import keras 就没有出现报错了。我想可能tensorflow 2.5 与 keras 2.5.0rc0 对应吧。

卸载环境

• 1：打开anaconda的命令行工具
• 2：确保当前不是在你要卸载的环境下，如果是切换到其他环境，使用命令：

activate xxx

xxx为其他环境

• 3：卸载命令：

conda uninstall -n yyy --all

yyy 表示你要卸载的虚拟环境

下载安装包 —— 使用conda的命令

conda install -c conda-forge pandas==1.3.5

• pandas 替换成需要下载的包名即对应版本

启动 jupyter notebook 测试 tensorflow 与 Keras

接下来当 jupyter notebook 中进行测试：

（1）使用 Anconda Powershell prompt 进入tensorflow 虚拟环境（再激活tensorflow的状态下）
（2）执行指令：

conda install ipython

下载完成后，再执行：

conda install jupyter

完成之后，再执行：

ipython kernelspec install-self --user

一般成功后会出现的类似提示是：

Installed kernelspec python3 in C:\Users\。。。。。\AppData\Roaming\jupyter\kernels\python3

（3）再在tensorflow 虚拟环境下键入：jupyter notebook

此时打开的 jupyter notebook 就可以使用 tensorflow 了，如下:

jupyter notebook 的代码补全

我参考的这位大佬的很有用：jupyter notebook 的代码补全

至此，机器学习的基本准备工作算是完成了。后续讲开始机器学习的学习之路