Anaconda 环境配置 pycharm虚拟环境配置 tensorflow cpu&gpu环境配置 jupyter中添加conda虚拟环境
安装包下载 https://www.anaconda.com/distribution/
Anaconda 安装 需要注意的三个地方
其他时候默认下一步就可以
虚拟环境配置
打开 Anaconda Prompt(Anaconda3)
创建虚拟环境
创建一个名为python3的python版本为3.7的python虚拟环境,这个过程需要等待几分钟,以下所有命令都在在terminal下执:
# 创建一个名为python3的python版本为3.7的python虚拟环境
conda create --name python3 python=3.7
激活虚拟环境与退出虚拟环境
# 激活虚拟环境python3
activate python3
查找虚拟环境
# 查找虚拟环境,带' * ' 号的是默认的真实环境
conda info --envs
删除虚拟环境
# 删除虚拟环境python3
conda remove -n python3 --all
命令退出当前虚拟环境
#命令退出当前虚拟环境
deactivate
tensoflow安装
激活创建的相应虚拟环境
# conda 命令安装 tensorflow-gpu, 会同时下载cuda和cdnn库
conda install tensorflow-gpu
#conda 命令安装 tensorflow
conda install tensorflow
conda库下载较慢时,推荐使用 豆瓣源 或者 阿里云源 下载包
# 使用豆瓣源下载tensorflow 最新版
pip install --index-url https://pypi.douban.com/simple tensorflow
# 使用豆瓣源下载tensorflow-gpu 最新版
pip install --index-url https://pypi.douban.com/simple tensorflow-gpu
# 使用豆瓣源下载opencv 最新版
pip install --index-url https://pypi.douban.com/simple opencv-python
# 使用阿里云源
pip install --index-url http://mirrors.aliyun.com/pypi/simple/ tensorflow
tensorflow其他依赖的模块:
# tensorflow 开发常用包一键安装
pip install numpy matplotlib jupyter scikit-image librosa keras --upgrade
- numpy 是用来存储和处理大型矩阵的科学计算包,比 Python 自身的嵌套列表结构 list 要高效的多。
- matplotlib 是 Python 最著名的绘图表,它提供了一整套和 MATLAB 相似的命令 API,十分适合交互式地进行制图。
- jupyter notebook 是 ipython 的升级版,能够在浏览器中创建和共享代码、方程、说明文档。
- scikit-image 有一组图像处理的算法,可以使过滤一张图片变得很简单,非常适合用于对图像的预处理。
- librosa 是用 Python 进行音频提取的第三方库,有很多方式可以提取音频特征。
nltk模块
# nltk 模块中包含着大量的语料库,可以很方便地完成很多自然语言处理的任务,包括分词、词性标注、命名实体识别及句法分析。
pip install nltk --upgrade
# 安装完成后,需要导入 nltk 工具包,下载 nltk 数据源:
import nltk
nltk.download()
tflearn
# TFLearn 是另一个支持 TensorFlow 的第三方框架。
pip install git+https://github.com/tflearn/tflearn.git
pycharm
安装包下载: https://www.jetbrains.com/zh-cn/pycharm/download/
这里使用的是pycharm community版本,安装的时候一路向下即可。
添加虚拟环境
打开pycharm设置Setting页面,如下图的8步操作
对于已有Pycharm项目的环境修改
在打开项目的情况下,在设置里修改,如下图
新建项目虚拟环境选择
对于新建ycharm项目时,应选择已有环境来创建项目。若需要其他环境可以在anaconda 命令行下配置好虚拟环境后,再打开项目切换至所需的虚拟环境
对于具体虚拟环境的配置更改就可以可以在anaconda的命令行下更改了。
jupyter中添加conda虚拟环境
# 第一步 安装ipykernel
在有虚拟环境的情况下,安装ipykernel, 例如在我们之前建立的虚拟环境叫python3
conda install -n python3 ipykernel
# 也可以创建虚拟环境时直接加入ipykernel
conda create -n 要创建的虚拟环境名称 python=3.6 ipykernel
#第二步
# 激活conda环境
activate python3
#第三步
# 将环境写入notebook的kernel中(一定要先激活conda环境)
# python -m ipykernel install --user --name 环境名称 --display-name "在jupyter中显示的环境名称"
python -m ipykernel install --user --name python3 --display-name python3
#第四步
# 打开notebook服务器(在之前安装Anaconda已经安装jupyter notebook)
jupyter notebook
#输入命令后,会自动打开jupyter notebook的浏览器界面,新建python文件就可以看到虚拟环境了
# 附
# 删除kernel环境:
jupyter kernelspec remove 环境名称
新建文件时选择虚拟环境
切换代码环境
tensorflow-gpu配置
参考 官网 https://tensorflow.google.cn/install/gpu 的硬件要求和软件要求进行配置,如下图所示。
首先,打开 设备管理器 -> 显示适配器 查看自己的显卡。
点击支持的CUDA的GPU卡,找到自己显卡对应的计算能力,我的显卡为Quadro P600, 计算能力为6.1,满足官网要求的计算能力3.5的硬件要求。
软件要求第一项一般系统自带,开机自动启动。打开nvidia控制面板可以看到我的版本为425.45,满足要求。
nvidia控制面板,一般开系统自带
# 使用管理员打开Anaconda Prompt
conda install cudnn=7.6 cuda=10.1
# 创建虚拟环境 tensorflo-gpu
conda create -n tensorflow-gpu python=3.7 ipykernel
# 激活conda环境
activate python3
# 将环境写入notebook的kernel中
pykernel install --user --name tensoflow-gpu --display-name tensorflow-gpu
# 安装tensorflow-gpu
# 使用豆瓣源下载tensorflow-gpu 最新版
pip install --index-url https://pypi.douban.com/simple tensorflow-gpu==2.0.0
# 使用豆瓣源下载opencv 最新版
pip install --index-url https://pypi.douban.com/simple opencv-python
# tensorflow 开发常用包一键安装
pip install numpy matplotlib jupyter scikit-image librosa keras --upgrade
# gpu测试代码
import tensorflow as tf
version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:",version,"\nuse GPU",gpu_ok)
测试代码输出
tf version: 2.0.0
use GPU True