python|Anaconda安装使用及tensorflow配置 python|深度学习

Anaconda安装及tensorflow配置

1 Anaconda安装及简单使用

1.1 Anaconda安装
1.2 Anaconda简单使用

2 Tensorflow配置

2.1 环境的创建
2.2 Tensorflow版本选择
2.3 Tensorflow的安装

2.3.1 Tensorflow cpu版本安装
2.3.2 Tensorflow gpu版本安装

3 Spyder基本使用
4 Jupyter Notebook基本使用

1 Anaconda安装及简单使用 1.1 Anaconda安装 Windows下的Anaconda安装比较方便，直接去Anaconda的官方网站下载即可。
Anaconda下载地址：https://www.anaconda.com/products/individual
打开网址后，点击Download，页面会直接跳转到下载界面：

文章图片

在Windows下选择下载相应的Anaconda应用程序即可：

文章图片

在Anaconda应用程序下载完成后，当安装到下图这一步时，上面那个方框要打勾，表示安装成功后会自动配置环境变量，否则在Anaconda安装后需要自行配置环境变量，环境变量如果不配置就无法正常使用Anaconda：

文章图片

判断Anaconda是否安装成功，可以在命令提示符中进行，键盘输入Win+R，在弹出的对话框中输入cmd，即打开了命令提示符，在命令提示符中输入【conda –version】，其中conda是Anaconda中python包的管理工具，如果下方出现相应的conda版本，即表示Anaconda安装成功，可以正常使用，如图：

文章图片

Anaconda安装成功后会得到图中几个exe，我们在写python程序时用到比较多的是Spyder，有时也会用到Jupyter Notebook，后面我们会介绍下相关使用。

文章图片

1.2 Anaconda简单使用 Anaconda安装成功后，我们需要了解如何查看、安装和卸载一些python库，具体操作为：
1)查看已安装的python库，在命令提示符下输入【conda list】即可；

文章图片

2)安装新的python库，在命令提示符下输入【conda install 库函数名】或者【pip install 库函数名】，其中pip是python包的管理工具。例如如果我们要下载numpy，我们可以输入【conda install numpy】或者【pip install numpy】；有些python库下载可能比较慢，这时候可以使用清华大学的镜像网站来下载提高速度，具体使用方法为：输入【pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 库函数名】；

文章图片

文章图片

3)卸载python库，在命令提示符下输入【conda uninstall 库函数名】或者【pip uninstall 库函数名】，例如如果我们要卸载numpy，我们就要输入【conda uninstall numpy】或者【pip uninstall numpy】；

文章图片

2 Tensorflow配置 2.1 环境的创建 Anaconda安装成功后会创建一个base的环境，如果不切换到其他环境，就会一直在base环境中运行，图中Applications on base(root)即表示在base环境中运行。

文章图片

因此，我们在配置Tensorflow的时候，必须先为Tensorflow建立一个环境。建立虚拟环境可以在电脑的命令提示符中完成，具体操作方式为：
1)打开命令提示符：键盘输入Win+R，在弹出的下图所示对话框中输入cmd，即打开了命令提示符；

文章图片

2)输入【conda info –envs】，表示查看现在已经安装的环境，右边“*”表示当前使用的环境；

文章图片

3)创建Tensorflow环境，输入【conda create -n tensorflow python=3.7】，表示创建一个名字为tensorflow的环境，这个环境用的python版本是3.7版本的，创建环境时你也可以用你自己喜欢名字去命名；

文章图片

4)创建成功后再输入【conda info –envs】，就会发现下方多了名为一个tensorflow的环境，我们就在这个环境下配置tensorflow；

文章图片

至此，我们就完成了环境的建立，接下来我们就要在这个环境下配置Tensorflow，我们需要先进入这个环境，在命令提示符中输入【activate tensorflow】，我们就可以进入这个环境，进入之后是下图的样子，之后我们继续安装python库函数，都是安装在了名为tensorflow这个环境下：

文章图片

2.2 Tensorflow版本选择 Tensorflow分为cpu版本和gpu版本，cpu版本一般电脑都可以安装，但是gpu版本只有电脑的显卡支持cuda才可以安装，这两个版本的区别主要在于运行速度，gpu版本的Tensorflow运行速度更快，所以如果电脑显卡支持cuda，推荐安装gpu版本的，不过现在的电脑一般都会支持gpu加速，但可能也有不支持的情况。
查看电脑是否支持gpu的方法：打开电脑任务管理器，选择性能，如果支持gpu，就可以看到：

文章图片

2.3 Tensorflow的安装 Tensorflow和python会有一个版本对应问题，不同版本的Tensorflow对应的python版本不同，比如Tensorflow-2.0.0对应的Python版本为3.5-3.7，具体的版本对应可以从Tensorflow的官方文档查看。
Tensorflow文档查看网址为：https://tensorflow.google.cn/install/source_windows
下面分别为cpu版本和gpu版本的Tensorflow对应的python版本：

文章图片

文章图片

2.3.1 Tensorflow cpu版本安装
cpu版本的Tensorflow安装比较简单，在tensorfow环境下，输入【conda install tensorflow】，就会下载最新版本的Tensorflow，如果你想下载指定版本的，可以在Tensorflow后面加一个版本号，例如下载2.0.0的Tensorflow可以输入【conda install tensorflow==2.0.0】。

文章图片

有时候输入这个【conda install tensorflow】后可能会出现安装不成功的情况，这时候可以输入【pip install tensorflow】。
Tensorflow安装完成后，在命令提示符中输入【python】，表示进入python的运行环境，然后输入【import tensorflow as tf】，如果输出如下，则表示安装成功：

文章图片

2.3.2 Tensorflow gpu版本安装
Tensorflow的gpu版本安装比较麻烦，需要注意一下版本对应问题，安装步骤如下：
1)查看电脑是否安装NVIDIA驱动。在电脑搜索框中搜索NVIDIA，查看电脑中是否有NVIDIA Control Panel，这是NVIDIA的控制面板，如果没有说明电脑上没有安装NVIDIA的驱动，需要去NVIDIA的官网上下载和自己电脑显卡的NVIDIA驱动，下载地址为https://www.nvidia.com/download/index.aspx?lang=en-us。查看电脑显卡的方式为：在控制面板中搜索设备管理器，打开之后找到显示适配器，查看电脑显卡信息；

文章图片

2)查看电脑的cuda版本。在搜索框中搜索NVIDIA，打开NVIDIA Control Panel，点击“帮助”，然后点击“系统信息”，在新弹出来的窗口中选择“组件”，在3D设置中找到“NVCUDA.dll”，对应的右侧就可以看到cuda版本，比如我的电脑的cuda版本为11.0；

文章图片

3)下载cuda和cudnn。在官网上分别下载和自己的电脑版本对应的cuda和cudnn，下载的cuda和cudnn的版本可以低于自己的电脑，但是不能高于电脑支持的版本。cuda的下载地址为：https://developer.nvidia.com/cuda-toolkit-archive，cudnn的下载地址为：https://developer.nvidia.com/rdp/cudnn-archive，在这里要注意的是cuda和cudnn的版本也需要对应，在cudnn下载时后面会带有支持的cuda版本，选择自己下载的cuda版本对应的cudnn的版本即可；
我这里用的cuda和cudnn版本分别是10.1和7.6.5，有需要的可以自取：
cuda：链接：https://pan.baidu.com/s/1QTaCRy3S3TO70ios4VjWXw
提取码：44yt
cudnn：链接：https://pan.baidu.com/s/1SNUTajhYYs3CChiYc8E2uQ
提取码：p7yp

文章图片

4)查看cuda是否安装成功。在命令提示符中输入【nvcc -V】，如果出现如下图所示的cuda的版本信息，表示cuda安装成功；

文章图片

5)将cudnn中的文件复制到cuda中。cudnn下载完成后，对它进行解压，发现它是名为cuda的文件夹，将里面的三个文件夹bin，include，lib复制，找到cuda的安装路径，如果没有指定安装路径cuda是安装到C盘下的Program Files这个文件夹下，在这个文件夹中可以找到NVIDIA GPU Computing Toolkit，这就是cuda的安装路径，点开每层文件夹，一直到如下图所示的界面，将刚才复制的三个文件夹粘贴，如果出现同名文件询问是否替换都选择是；

文章图片

6)安装tensorflow-gpu。命令提示符中切换到tensorflow环境，输入【conda install tensorflow-gpu】，如果安装不成功，就输入【pip install tensorflow-gpu】，它会自动安装最新版本的tensorflow-gpu，如果想指定版本，在tensorflow-gpu后面加版本号即可，例如安装2.1版本的tensorflow-gpu，即【conda install tensorflow-gpu==2.1.0】;

文章图片

7)测试tensorflow-gpu是否安装成功。打开Anaconda，在上方Applications on选择tensorflow环境，然后打开Spyder，第一次打开需要安装Spyder，直接点下方的install即可。

文章图片

安装好之后，点击launch打开Spyder，在左侧输入下侧测试代码代码，运行代码，如果可以出现下图的输出，说明gpu版本的Tensorflow配置成功，之后就可以正常使用了。

import tensorflow as tf a = tf.constant(1.) b = tf.constant(2.) print(a+b) print(tf.__version__) print('GPU:', tf.config.list_physical_devices('GPU')) print(tf.test.is_gpu_available())

文章图片

3 Spyder基本使用 Spyder是Anaconda用于科学计算的使用Python编程语言的集成开发环境（IDE）。在Anaconda下，如果是base环境下，Spyder是已经安装好的，我们使用使直接launch即可。在我们新建立的tensorflow环境下，它是需要安装的，点击install，稍等片刻就可以安装好。它的基本界面是这样的：

文章图片

左侧是代码编辑区，编辑python在左侧完成，右侧控制台查看代码运行结果。
例如我们在运行tensorflow-gpu是否安装成功的代码时，在左侧输入测试代码，点击上方运行，选择运行文件，就可以在右边控制台看到输出：

文章图片

4 Jupyter Notebook基本使用 Jupyter Notebook和Spyder一样，在Anaconda下，如果是base环境下，Spyder是已经安装好的，我们使用使直接launch即可。在我们新建立的tensorflow环境下，它是需要安装的，点击install，稍等片刻即可。
Jupyter在使用时可能比Spyder麻烦一点，例如我们想运行在这个文件夹下的python项目：C:\Users\lenovo\PycharmProjects\Beliefs，具体步骤为：
【python|Anaconda安装使用及tensorflow配置】1)打开命令提示符，输入命令【cd C:\Users\lenovo\PycharmProjects\Beliefs】切换到该目录；