anaconda安装配置深度学习环境（pytorch，tensorflow）
目录
-
- 01 anaconda安装
-
- 开始安装
- 02 配置anaconda
-
- 配置环境变量
- 配置国内镜像
- 创建虚拟环境
- 虚拟环境的切换
- 虚拟环境卸载
- 03 第三方包的管理
-
- 包安装
- 包卸载
- pip指定包安装目录
- 04 拓展（选看）
-
- anaconda相关
- jupyter notebook相关
- CUDA相关
- CuDNN相关
- 安装Pytorch相关
- 安装Tensorflow相关
- 我的环境版本
01 anaconda安装
下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
上面的是国内的下载地址，官网下载比较慢，有耐心的可以直接去官网下载
开始安装
- 推荐把下面的两个选项勾选上
等待安装完成即可
注意：
- 由于anaconda比较大，如果C盘空间足够可以直接安装到C盘，一路NEXT就可以了，如果C盘空间比较小，安装位置需要重新选择
02 配置anaconda
配置环境变量
把安装目录下的Scripts文件夹配置一下即可：[anaconda安装位置]\Scripts
配置完在DOS里面检测一下，使用命令：conda --version
配置国内镜像
为什么要配置国内镜像？
- 因为国外的网站下载比较慢
我们需要修改.condarc文件的内容，该文件在C盘下的用户目录里面，注意此文件夹是一个隐藏文件夹
如果怎么也找不到.condarc文件，就在DOS窗口下执行命令：conda config，然后在查找。
因为.condarc默认是不会自动创建的，只有当用户第一次使用conda config命令时，系统才会自动创建.condarc文件（.condarc叫运行期配置文件）。
接下来我们使用命令来修改.condarc中的内容，依次在DOS中执行下面的命令
conda config --set ssl_verify yes
# 清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
# 中科大源
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes
执行完命令之后的.condarc文件
ssl_verify: true
channels:
- https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
- https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
- https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- defaults
show_channel_urls: true
注意：如果你不喜欢在DOS里面执行命令，也可以直接用记事本的方式打开.condarc文件夹，然后手动在里面添加URL，格式按照上面的即可。
创建虚拟环境
我们现在来安装我们自己独立的Python环境，在DOS中执行下面的命令来安装（此处以python3.6版本为例，你也可以安装别的版本）：
conda create -n python36 python=3.6
- python36是新添加环境的名字，可以自定义修改
- python=3.6是要安装的Python版本
- anaconda会把我们的虚拟环境安装到这个目录下面
[anaconda安装位置]\envs
虚拟环境的切换
切换虚拟环境使用activate 命令
还记得前面安装anaconda的时候，有个打对勾安装默认Python版本的地方，如果你勾选了就会安装一个默认的Python版本。如果我们想激活这个版本就可以使用下面的命令：activate 或者 activate base
进入之后在里面输入python回车即可查看
如果我们想激活我们上面安装的版本，可以使用命令：activate python36
退出该环境，可以使用命令：deactivate python36
- 在激活新环境后，我们所做的操作便都是在新环境下的，包括pip命令来安装第三方库
虚拟环境卸载
在卸载环境之前我们要看看我们都是装了哪些环境，可以使用命令查看我们安装的所有虚拟环境：conda env list
使用命令卸载安装的环境：conda remove -n env_name --all
- 例如：
conda remove -n python36 --all
03 第三方包的管理
- 在安装之前我们可以查看一下里面已经存在的包：
conda list
包安装
无论是在默认的环境下安装包，还是在虚拟环境下安装包，我们都需要先激活相应的环境才可以安装，激活方式如下：
- 激活默认环境使用命令：
activate或者activate base - 激活虚拟环境使用命令：
activate 环境名称
安装包有两种方式，一种是使用conda命令安装，一种是使用自带的pip命令安装，两者都是支持的。
-
DOS下使用conda命令安装：
conda install 包名字 -
例如：
conda install numpy -
DOS下使用pip命令安装：
pip install 包名子 -
例如：
pip install numpy -
默认环境安装的包位置：
[anaconda安装位置]\Lib\site-packages -
虚拟环境安装的包位置：
[anaconda安装位置]\envs\[虚拟环境名称]\Lib\site-packages
包卸载
卸载什么环境的下面的包，就要先激活什么环境，这里就不在啰嗦了，既然安装包有两种方式，那么卸载包一样也是有两种方式，如下：
conda remove 包名字pip uninstall 包名字
pip指定包安装目录
为什么要说这个问题那？
-
在anaconda配置的虚拟环境中使用conda命令或者使用pip命令安装包的时候，按道理来说包应该在
[anaconda安装目录]\envs\[虚拟环境名称]\Lib\site-packages文件夹下面，有时候我们激活虚拟环境之后，使用pip命令安装包，却给下载到了C盘中，例如我的是C:\Users\AISMALL\AppData\Roaming\Python\Python37\site-packages，这个不是我们想要的，所以如果出现这种情况，我们就需要做如下修改 -
方式一：使用pip安装的时候指定文件夹
pip install -t 文件夹路径 包名字 -
方式二：设置 pip 默认安装路径（每个虚拟环境都要设置）
-
修改site.py文件：
[anaconda安装目录]\envs\[虚拟环境名称]\Lib\site.py -
修改
USER_SITE和USER_BASE两个字段的值 -
修改之前
USER_SITE = None USER_BASE = None -
修改之后
USER_SITE = "[anaconda安装目录]\envs\[虚拟环境名称]\Lib\site-packages" USER_BASE = "[anaconda安装目录]\envs\[虚拟环境名称]\Scripts" -
使用命令查看、验证
python -m site
-
04 拓展（选看）
anaconda相关
anaconda是怎样帮我们管理Python环境的，我们可以通过观察anaconda的安装目录发现一点小问题：
- 默认的Python环境：
- 虚拟Python环境：
- anaconda所谓的创建虚拟环境其实就是
安装了一个真实的python环境, 只不过我们可以通过activate，conda等命令去随意的切换我们当前的python环境, 用不同版本的解释器和不同的包环境去运行python脚本.
默认环境和虚拟环境都是可以独立使用的，当我们选取Python解释器的时候，只需要到对应的文件夹去选取就可以了。
jupyter notebook相关
关于jupyter notebook就不多说了，我们来谈谈在anaconda中如何使用jupyter notebook：
-
第一步：我们可以DOS窗口中激活一个Python环境，例如：
activate base，激活默认的Python环境 -
第二步：使用命令：
jupyter notebook，打开我们的jupyter notebook笔记本 -
注意：如果执行
jupyter notebook命令时显示未安装，我们可以使用命令：conda install jupyter notebook来安装一下jupyter notebook笔记本然后在打开。
如何修改jupyter notebook笔记本文件的存储位置：
- 第一步：在Python环境下执行命令：
jupyter notebook --generate-config，生成jupyter notebook的配置文件，配置文件的位置（会在DOS窗口中提醒），例如：C:\Users\AISMALL\.jupyter\jupyter_notebook_config.py - 第二步：找到这个文件使用记事本打开，然后在记事本中使用ctrl+f打开搜索窗口，搜索：
c.NotebookApp.Notebook_dir，然后把前面的#号去掉，在引号里面加入我们存放jupyter notebook文件的路径即可 - 注意：修改完之后要重新打开DOS窗口，进入之前激活的Python环境。
CUDA相关
在安装CUDA的时候要先查看你的显卡（英伟达）所匹配的CUDA版本
- 查看方法：电脑桌面空白处右键，NVIDIA控制面板，系统信息，组件
- 下载网址：官网地址
- 下载之后安装就可以了，CUDA好像只能安装在C盘，所以不用选择安装位置，
- 安装的时候选择
安装选项要选择自定义安装，其他的默认即可，一路下一步，直到装好。
查看是否安装成功：
- 安装完毕后在DOS中执行命令：
nvcc -V可以查看安装是否成功。 - 注意：CUDA安装好之后不需要配置环境变量，安装过程会自动帮我们配置好
CuDNN相关
CuDNN为深度学习，矩阵运算的一个加速库，有了这个库我们的算力会增加很多。
- 注意：CuDNN版本
必须与CUDA的版本匹配，我的CUDA的版本是11.0，我们可以在官网查看对应的CuDNN版本。 - 官网链接：官网链接，在下载之前需要先注册才可以下载
如何安装
- CuDNN是一个免安装的加速库，下载好之后将下载的文件解压。然后将里面的三个文件夹拷贝到这个路径下即可：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
查看是否安装成功
- 在DOC下将路径切换到这个目录：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\demo_suite - 执行命令：
bandwidthTest.exe，看结果是否为PASS，Result = PASS - 执行命令：
deviceQuery.exe，查看结果是否为PASS，Result = PASS
疑惑问题：
- 我安装CUDA11以上版本的时候好像自带了这些文件夹，我拷贝的时候覆盖了，不知道不覆盖可不可以。
安装Pytorch相关
安装pytorch
- 第一步：进入pytorch官网：官网链接
- 第二步：点击
Get Started，根据自己安装的CUDA和系统来选择
conda install pytorch torchvision torchaudio cudatoolkit=11.0 -c pytorch
- 第三步：把上面方框中的内容复制下来（听说删除
-c pytorch才是从清华源镜像下载，不去除就是强制从官网下载，如果不是科学上网网速可能会很慢，但是但是但是，从清华源下载的pytorch好像不能使用GPU加速，也就是不支持GPU，所以如果你要想使用GPU加速还是按照官网链接进行下载吧，慢一点就慢一点吧，血与泪的经验呀。） - 第四步：在要安装Pytorch的虚拟环境中执行上面复制的命令即可
- 注意：
版本，版本，版本，重要的事说三遍，pytorch和CUDA版本一定要匹配
查看是否安装成功：
- 第一步：在DOC激活我们的Python虚拟环境：
activate 环境名称 - 第二步：使用python命令激活python解释器：
python - 第三步：导入我们需要的包：
import torch - 第四步：执行命令查看版本：
torch.__version__ - 第五步：查看是否支持GPU加速：
print("gpu:",torch.cuda.is_available())
安装Tensorflow相关
方式一（推荐使用）：一键安装
我发现的国内比较好的镜像源是豆瓣源，使用豆瓣源安装tensorflow-gpu版本的命令如下(速度是真的快)：pip install --user --upgrade --ignore-installed tensorflow-gpu==2.3.0 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
方式二：
我们使用pip命令来安装Tensorflow，安装之前同样要注意版本，与CUDA要对应，我的CUDA版本是11.x的所以，我要安装2.4.0版本的tensorflow，具体如何查看对应版本，我们可以去这个网站：官网链接，耐心点要查看的内容在下面，使劲向下拉，内容截图如下：
开始安装(嫌弃这种方法麻烦的可以直接看后记中的安装方法)：
- 第一步：在DOC下激活python虚拟环境
- 第二步：执行安装命令
pip install --user --upgrade --ignore-installed tensorflow-gpu==2.4.0 - 使用这条命令可以反复执行，直到安装成功，因为这条命令可以忽略已经安装过的内容，避免了安装到一半没成功再次安装就需要卸载重来的问题。
- 可惜每次都失败，阿西吧，拜拜了，我们看看运行命令之后下载的是个什么东西，通过下图可以看出，是一个轮子。
- 我们直接去官网下载这个轮子试试：
- 速度还可以80k/s，能接受。
- 下载完毕之后在DOC下将目录切换到下载轮子的文件夹位置，激活python虚拟环境，然后使用pip命令安装：
pip install --upgrade --ignore-installed tensorflow_gpu-2.4.1-cp37-cp37m-win_amd64.whl
查看是否安装成功：
- 第一步：在DOC激活我们的Python虚拟环境：
activate 环境名称 - 第二步：使用python命令激活python解释器：
python - 第三步：导入我们需要的包：
import tensorflow as tf - 第四步：执行命令查看版本：
tf.__version__ - 第五步：查看是否支持GPU加速：
print("gpu:",tf.test.is_gpu_available())
注意事项：
-
使用上面的命令安装的时候比较慢(简直就是龟速，还报错)，因为是从外网下载安装，我们可以指定国内的镜像源来进行安装。
-
我们也可以通过源码来安装，具体的可以百度一下，有点麻烦。
百度云连接：tensorflow_gpu-2.4.1-cp37-cp37m-win_amd64.whl
- 链接：
https://pan.baidu.com/s/1Z8zyldWy5lMtCztg8xa60Q - 提取码：
s9g8
我的环境版本
最后说一下我选的版本：
- CUDA版本：11.2
- Python版本：3.7
- pycharm社区版（免费）
- pytorch版本：1.8.1