anaconda base環境_配置 Anconda + tensorflowgpu + pytorch + 多環境使用jupyter notebook總結

目錄

    一、安裝Anaconda

    二、換源    三、安裝子產品

    四、建立虛拟環境

         4.1 安裝 tensorflow-gpu

         4.2 安裝 pytorch     五、配置 jupyter notebook 在多個環境下運作  

    六、測試代碼

一、安裝 Anaconda

1.1 下載下傳

    官網 https://www.anaconda.com/，點 Individual Edition 下載下傳即可

1.2 安裝

    注意勾選添加到系統環境變量

1.3 安裝好後如下

二、換源

2.1 管理者身份運作anaconda powershell prompt 2.2 添加鏡像源的指令如下，這裡添加的是清華源：

1. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
2. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
3. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud//pytorch/    安裝pytorch必須添加這個鏡像
4. conda config --set show_channel_urls yes  添加這條是為了顯示該子產品是哪個源安裝的

2.3 删除鏡像源的指令如下：    1. 删除單個的指令：conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

    2. 删除全部的指令：conda config --remove-key channels  即恢複預設下載下傳源

三、安裝子產品

3.1 安裝指令：

conda install 子產品名

       例：conda install numpy

       conda install 子產品名=版本号

       conda install numpy=1.8

3.2 解除安裝指令：

conda remove 子產品名

        conda remove numpy

3.3 若是有些子產品安裝不上，可以換成 pip install 試試

四、建立虛拟環境并安裝深度學習架構4.1 建立虛拟環境并安裝 tensorflow-gpu 版      

        1. 建立環境指令：conda create -n tensorflow_gpu python=3.6

              斜體部分 tensorflow_gpu 是我定義的環境名字，自己随意定義即可

              python=3.6 是我指定的解釋器版本，自己選擇解釋器=2.幾 或 3.7 都行

        2. 進入(激活)環境指令：conda activate tensorflow_gpu      

        3. 安裝指令：conda install tensorflow-gpu

            也可指定安裝版本：conda install tensorflow-gpu=2.0

        4. 退出虛拟環境指令：conda deactivate

4.2 建立虛拟環境并安裝 pytorch-gpu 版

        1. 建立環境指令：conda create -n torch_gpu python=3.6

        2. 進入(激活)環境指令：conda activate torch_gpu

        3. 安裝指令：conda install pytorch torchvision cudatoolkit

指定安裝版本: conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0

我在 base 環境裡示範一下：

        4. 退出虛拟環境指令：conda deactivate

4.3 檢視虛拟環境指令：conda env list

我這裡把 tensorflow-gpu 裝在了base環境裡，是以就隻有個 torch_gpu 虛拟環境

補充：裝了 gpu 版的，就會包括 cpu 版的，訓練時在代碼中指定用 gpu 或者cpu去訓練就行了

4.4 測試是否安裝成功

五、配置多環境 jupyter notebook

1. base 環境下執行：conda install nb_conda

2. 虛拟環境下執行：conda install ipykernel 或者pip install ipykernel

3. 重新打開jupyter notebook，可以看到右下角有三個環境(前兩個等同一個)

六、測試代碼

pytorch測試代碼如下：

import torchflag = torch.cuda.is_available()print(flag)ngpu= 1# Decide which device we want to run ondevice = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")print(device)print(torch.cuda.get_device_name(0))print(torch.rand(3,3).cuda())
           

tensorflow-gpu測試代碼如下：

import tensorflow as tfversion = tf.__version__gpu_ok = tf.test.is_gpu_available()print("tf version:",version,"\nuse GPU",gpu_ok)