python三种虚拟环境安装方法和tensorflow1.12安装

虚拟环境安装有三种方式，都比较简单，都测试没啥问题。我暂时使用的是第三种方式

1、使用virtualenvwrapper-win配置虚拟环境

参考链接：Python虚拟环境的搭建

#1、安装 virtualenvwrapper-win 包
pip install virtualenvwrapper-win

#2、查看虚拟环境
workon

#3、创建虚拟环境命令
mkvirtualenv -p python Exe文件绝对路径 虚拟环境绝对路径
#如果不设置虚拟环境绝对路径，默认创建在C:\Users\Administrator\Envs目录下

#3.1样例1：因为我Anaconda里面本来就是python3.7的，先创建一个python3.7的虚拟环境
mkvirtualenv -p C:\Anaconda3\python.exe py37
#3.2样例2：我还想创建一个python3.6的环境，在Anaconda里面也有，在Anaconda3\pkgs目录下，按照如下命令创建一个python3.6.10的虚拟环境
mkvirtualenv -p C:\Anaconda3\pkgs\python-3.6.10-h9f7ef89_2\python.exe py36_10
#3.3样例3：我还像创建一个python2的环境，路径在C:\Python27\ArcGIS10.7目录下有个python2.7
mkvirtualenv -p C:\Python27\ArcGIS10.7\python.exe D:\Python_Env\py3610

#4、进入虚拟环境
workon 虚拟环境名称

#5、退出虚拟环境命令：
deactivate

#6、删除虚拟环境，切换到虚拟环境目录，删除对应的虚拟环境名称即可删除
#注：虚拟环境目录，这种方法安装了虚拟环境可以在该目录下找到对应名称的虚拟环境
#C:\Users\Administrator\Envs

2、使用virtualenv包安装虚拟环境

#1、安装virtualenv包
pip install -U pip virtualenv

#2、查看virtualenv版本
virtualenv --version

3、创建一个虚拟环境目录，切换到该目录下，在地址栏输入cmd,调出cmd命令框
输入命令：
virtualenv --system-site-package -p C:\Anaconda3\pkgs\python-3.6.10-h9f7ef89_2\python.exe ./tf112

进入虚拟环境，直接运行
.\tf112\Scripts\activate

虚拟环境目录就是当前目录下的tf112文件夹

3、使用conda安装虚拟环境

1、查看安装的位置
conda info --envs

2.1、conda安装虚拟环境，conda下的python是3.7的，安装虚拟环境python 3.6.10 和anaconda环境(环境较大，但是比较齐全)
conda create -n py36 python=3.6.10 anaconda


2.2、conda安装虚拟环境，只安装python 3.6.10  (只占用十几兆，精简、小巧)，【需要什么包再安装什么包，精简虚拟环境对于编译exe是非常友好的，编译时间短，输出exe占用空间小】
conda create -n py36 python=3.6.10

3、激活虚拟环境
activate py36

4、退出虚拟环境
conda deactivate

4、删除虚拟环境
conda env remove -n env_name

下面是虚拟环境只安装了python环境，没有安装anaconda。是不是特别精简

新增安装flask包后，只占用104M

4、配置tensorflow 环境

1、激活py36的环境，查看安装包

2、安装tensorflow_gpu==1.12.0

pip install tensorflow_gpu==1.12

3、安装成功后查看安装包

4、这时候如果进python环境加载tensorflow会报错，还需要安装无gpu版本的tensorflow

pip install tensorflow==1.12

5、此时numpy版本1.19，为了更适配tensorflow,需要把numpy版本降低到1.16

pip install numpy==1.16

6、查看安装包及版本号

7、这时候可以进入到python环境中，尽情玩耍了

8、测试tensorflow的GPU是否可用

import tensorflow as tf
#输出显示测试安装结果
print('GPU',tf.test.is_gpu_available())

GPU成功：

GPU不成功：

说明：屏蔽tensorflow的提示

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'