anaconda base环境_配置 Anconda + tensorflowgpu + pytorch + 多环境使用jupyter notebook总结

目录

    一、安装Anaconda

    二、换源    三、安装模块

    四、创建虚拟环境

         4.1 安装 tensorflow-gpu

         4.2 安装 pytorch     五、配置 jupyter notebook 在多个环境下运行  

    六、测试代码

一、安装 Anaconda

1.1 下载

    官网 https://www.anaconda.com/，点 Individual Edition 下载即可

1.2 安装

    注意勾选添加到系统环境变量

1.3 安装好后如下

二、换源

2.1 管理员身份运行anaconda powershell prompt 2.2 添加镜像源的命令如下，这里添加的是清华源：

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/    安装pytorch必须添加这个镜像
4. conda config --set show_channel_urls yes  添加这条是为了显示该模块是哪个源安装的

2.3 删除镜像源的命令如下：    1. 删除单个的命令：conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

    2. 删除全部的命令：conda config --remove-key channels  即恢复默认下载源

三、安装模块

3.1 安装命令：

conda install 模块名

       例：conda install numpy

       conda install 模块名=版本号

       conda install numpy=1.8

3.2 卸载命令：

conda remove 模块名

        conda remove numpy

3.3 若是有些模块安装不上，可以换成 pip install 试试

四、创建虚拟环境并安装深度学习框架4.1 创建虚拟环境并安装 tensorflow-gpu 版      

        1. 创建环境命令：conda create -n tensorflow_gpu python=3.6

              斜体部分 tensorflow_gpu 是我定义的环境名字，自己随意定义即可

              python=3.6 是我指定的解释器版本，自己选择解释器=2.几 或 3.7 都行

        2. 进入(激活)环境命令：conda activate tensorflow_gpu      

        3. 安装命令：conda install tensorflow-gpu

            也可指定安装版本：conda install tensorflow-gpu=2.0

        4. 退出虚拟环境命令：conda deactivate

4.2 创建虚拟环境并安装 pytorch-gpu 版

        1. 创建环境命令：conda create -n torch_gpu python=3.6

        2. 进入(激活)环境命令：conda activate torch_gpu

        3. 安装命令：conda install pytorch torchvision cudatoolkit

指定安装版本: conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0

我在 base 环境里演示一下：

        4. 退出虚拟环境命令：conda deactivate

4.3 查看虚拟环境命令：conda env list

我这里把 tensorflow-gpu 装在了base环境里，所以就只有个 torch_gpu 虚拟环境

补充：装了 gpu 版的，就会包括 cpu 版的，训练时在代码中指定用 gpu 或者cpu去训练就行了

4.4 测试是否安装成功

五、配置多环境 jupyter notebook

1. base 环境下执行：conda install nb_conda

2. 虚拟环境下执行：conda install ipykernel 或者pip install ipykernel

3. 重新打开jupyter notebook，可以看到右下角有三个环境(前两个等同一个)

六、测试代码

pytorch测试代码如下：

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测试代码如下：

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