conda创建虚拟环境,vscode运行github上的深度学习代码

因为自己电脑的环境配置的tensorflow和keras的版本太高了,运行和学习前辈的代码需要重新卸载和安装,但是这么做的时间成本有点高,因此我们可以用conda创建一个虚拟的环境,在虚拟环境上运行我们下载的代码。

 比如我下载的这个代码,它需要tensorflow 0.12.1和keras 1.1.2的环境。

首先,我们要知道python3.6以上的版本是无法安装tensorflow 2以下的版本的,否则会报错。

所以,我们先在anaconda prompt创建一个叫xnhj的虚拟环境,配置python:

conda create --name xnhj python=3.5        //xnhj是你的虚拟环境的名字

激活环境:

activate xnhj

安装tensorflow:

pip install tensorflow==0.12.1

安装keras:

pip install  keras==1.1.2

关闭环境:

conda deactivate

安装中遇到的问题:

网速的问题,安装超时:

 注意下网速就行了。

后来系统自动下载了1.0.0版本的tensorflow,把tensorflow 0.12.1给卸载了(哭)。

conda创建虚拟环境,vscode运行github上的深度学习代码_第1张图片 

然后,在anaconda里envs目录下会出现xnhj:

conda创建虚拟环境,vscode运行github上的深度学习代码_第2张图片

 选择我们配置的虚拟环境:

conda创建虚拟环境,vscode运行github上的深度学习代码_第3张图片

 有些同学这么选就可以用了,但是有些同学这么选还是不行,那么可以看一下setting.json文件,修改配置:

conda创建虚拟环境,vscode运行github上的深度学习代码_第4张图片

再试着运行一下,如果还不行,再修改一下conda的环境文件:

conda创建虚拟环境,vscode运行github上的深度学习代码_第5张图片 

 原本的配置是这样的:

conda创建虚拟环境,vscode运行github上的深度学习代码_第6张图片

 

默认是第一个,后来我把其他的环境删掉了,变成下图,就可以了(开心):

 运行程序:

发现没有pandas包:

 

我们要在虚拟环境(xnhj)中安装pandas,在anaconda prompt中输入以下代码:

conda activate xnhj
conda install pandas

检查是否安装成功,然后退出虚拟环境:

conda创建虚拟环境,vscode运行github上的深度学习代码_第7张图片

 重新启动vscode和虚拟环境。

同理,导入sklearn。

后来又遇到了问题:

conda创建虚拟环境,vscode运行github上的深度学习代码_第8张图片

参考这篇博文:

​​​​​​解决numpy.core.multiarray failed to import问题_Shaelyn_W的博客-CSDN博客

后来又经过一系列调试import包的版本,最后终于运行起来了。

conda创建虚拟环境,vscode运行github上的深度学习代码_第9张图片

 

参考博文:

解决Pthon中无法安装旧版本TensorFlow问题_Feng-licong-CSDN博客_安装不了低版本tensorflow

pip安装指定keras版本_baidu_32936911的博客-CSDN博客_安装keras指定版本

你可能感兴趣的:(深度学习,人工智能)