Win10+Anaconda3+TF2.0+PT1.3.1x

0. 安装Nvidia驱动

• win10安装Anaconda、Cuda、Cudnn和Pytorch(gpu版)
• 查看GPU使用情况

D:\> nvidia-smi

• 检查CUDA安装成功

D:\>  nvcc -V 

• 安装CUDA
  • 安装CUDA：默认安装即可
• 安装cuDNN
  • 解压CuDNN压缩包
  • 把bin、include、lib目录中的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1下的对应目录中
  • 把以下目录添加path中:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib\x64

1.Anaconda3:

• 常用命令

conda create -n 环境名 numpy python=3.6    #后面可以接其他包 =用来指明版本
conda list         # 查看安装包列表
conda --version # 查看版本号
conda info -e    #用于查看拥有的环境
conda remove -n 虚拟环境名称 --all    #删除对应环境
conda create –n 新名 –-clone 旧名    #用于克隆，改名也蛮好的

• Anaconda3安装完成之后，以管理员身份运行anaconda propmt
• 更新所有的库

conda update --all 

• 若Win10安装Anacondad3之后没有pip则执行：

# 以管理员身份运行
cd  C:\ProgramData\Anaconda3\Scripts
easy_install.exe pip
python -m pip install --user --upgrade pip

2. 安装

• 升级pip

python -m pip install --user --upgrade pip

• 创建tensorflow模块目录

    conda create -n ai pip python=3.6

• 激活模块

    conda activate ai

• 禁用模块

conda deactivate

• pip install

$ pip install SomePackage            # 最新版本
$ pip install SomePackage==1.0.4     # 指定版本
$ pip install 'SomePackage>=1.0.4'   # 最小版本

• 禁用conda自动激活base

conda config --set auto_activate_base false

2.1 安装PyTorch

• 访问PyTorch Get Started
• 选择环境
  
• 下载torch包torch-1.3.1-cp36-cp36m-win_amd64.whl从（https://download.pytorch.org/whl/torch_stable.html）,(先下载后安装，速度快)
• 安装torch和torchvision

(ai)xx> pip install torch===1.3.1 torchvision===0.4.1  -f  torch-1.3.1-cp36-cp36m-win_amd64.whl
# 或指定多个文件
(ai)xx>pip3 install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio===0.8.1 -f torch-1.8.1+cu111-cp39-cp39-win_amd64.whl -f torchvision-0.9.1+cu111-cp39-cp39-win_amd64.whl

• 测试(先执行python)

import torch
import torchvision
print(torch.__version__)
print(torch.cuda.is_available())  # 返回True, 则PyTorch的GPU安装成功

• 错误解决

pip install Pillow==6.1   # ImportError: cannot import name 'PILLOW_VERSION'

• 使用Pip更新Pytorch和torchvision

# 列举pip当前可以更新的所有安装包
pip list --outdated --format=legacy
# 更新pytorch和torchvision安装包
pip install --upgrade pytorch torchvision

• 使用conda更新Pytorch和torchvision

# 建议将其添加soumith为您的Anaconda（或Miniconda）的源服务器
conda config --add channels soumith
# 更新pytorch和torchvision安装包
conda update pytorch torchvision

• 卸载Pytorch重新安装

pip uninstall torch

2.2 安装tensorflow-gpu 2.0

• 下载GPU版本 (先下载后安装，速度快)

https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.0.0-cp36-cp36m-win_amd64.whl

• 安装tensorflow

pip install tensorflow-gpu==2.0.0 -f d:\ztools\tensorflow_gpu-2.0.0-cp36-cp36m-win_amd64.whl

• 升级tensorflow

    pip install --user --upgrade tensorflow         #升级到最新版本 (不支持GPU)
    pip install --user --upgrade tensorflow-gpu     #升级到最新版本 (支持GPU) 

• 查看TensorFlow版本号

import tensorflow as tf;
print(tf.__version__)    # 获取TensorFlow版本号

• 查看GPU是否安装好

import tensorflow as tf;
tf.test.is_built_with_cuda()   #检测cuda 返回true或者false
tf.test.is_gpu_available()    # 检测gpu 返回true或者false
                                           # 如果两个都是true 那么gpu就安装好了

• 错误解决

#  FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be  understood as (type, (1,)) / '(1,)type'.  _np_qint8 = np.dtype([("qint8", np.int8, 1)])
pip install numpy==1.16.0

2.3 安装OpenCV

• 安装

pip install opencv-python==4.1.2.30                 # only install main modules
pip install opencv-contrib-python==4.1.2.30     #  install both main and contrib modules

• 测试

import cv2
print(cv2.__version__)

2.4 Win10下载安装Graphviz

• 注：pip install graphviz安装可以成功，但无效（即plot_model报错）
• 下载地址

https://www2.graphviz.org/Packages/development/windows/10/cmake/Release/x64/

3. 问题解决

3.1 安装Anaconda3

3.1.1 Install Microsfot VSCode failed

• 解决方案：在/anaconda3/pkgs/vscode_inst.py中的def haveInternet():中增加允许重定向allow_redirects=True

def haveInternet():
    try:
        r = requests.head(VSCODE_ENDPOINT, timeout=5, allow_redirects=True)
        assert r.status_code == 200
        return True
    except Exception as e:
        log.exception('haveInternet')
        return False

4. 修改Anaconda中Jupyter Notebook默认路径

• 查看配置文件的路径
• NotebookApp

jupyter notebook --generate-config

• 修改jupyter_notebook_config.py

## The directory to use for notebooks and kernels.
#c.NotebookApp.notebook_dir = ''
#将其改为
## The directory to use for notebooks and kernels.
c.NotebookApp.notebook_dir = 'E:\Jupyter'
#其中E:\Jupyter为自己的工作空间

• ServerApp

jupyter-lab --generate-config

• 修改 jupyter_lab_config.py

## DEPRECATED, use root_dir.
#  Default: ''
# c.ServerApp.notebook_dir = ''
#修改为
## DEPRECATED, use root_dir.
#  Default: ''
c.ServerApp.notebook_dir = 'D:\Jupyter'

• 打開jupyter notebook的快捷方式，按右鍵選內容-属性。
  • 将起始位置：后面的内容改为你的路径，如：D:\Jupyter这样的路径
  • 将目标：%USERPROFILE%/ 改为 起始位置填写的一样的路径
    

5. 把Conda虚拟环境增加到jupyter notebook的kernel中

• anaconda-navigator无法启动

# 1. 执行 Anaconda Prompt
# 2. 执行 anaconda-navigator

5.1 方案1

• 在Conda虚拟环境增加到jupyter notebook的kernel中，即在Conda虚拟环境中安装jupyter notebook
  • 打开Anaconda Navigator, 在【Applications on】中选择自己的Conda虚拟环境名称，然后点【jupyter notebook】下方的【Install】
  • 安装好之后，就变成【Launch】了
  • 启动Jupyter Notebook之后，就可在 Kernel => Change kernel中选择自己的虚拟环境了，如 Python [conda env: mytensorflow]

5.2 方案2

# 安装jupyter notebook
pip install ipykernel
pip install jupyter

# 创建conda环境
# 激活环境
# 把conda env 增加到jupyter notebook kernel中
(ai) D:\> python3 -m ipykernel install --user --name tf --display-name "Python3(tf)"

# 打开notebook服务器：
(ai) D:\> jupyter notebook

# 如果经常需要用jupyter notebook，那么最好在创建虚拟环境的时候便安装好ipykernel
conda create -n 环境名称 python=3.5 ipykernel

# 查看jupyter notebook kernel
jupyter kernelspec list

# 删除jupyter notebook kernel
jupyter kernelspec remove kernelname

6. 在PyCharm中设置Conda虚拟环境

• File=>Settings=>Proejct:basic=>Project Interpreter=>Add=>Conda Evironment=>Existing environment=>Interpreter
• 选择Conda虚拟环境下的python.exe，如：C:\Anaconda3\envs\mytensorflow\python.exe

7. TensorFlow FutureWarning

• Warning如下：

Python36\site-packages\tensorboard\compat\tensorflow_stub\dtypes.py:541: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'. _np_qint8 = np.dtype([("qint8", np.int8, 1)])

• 解决方案

#把
np.dtype([("qint8", np.int8, 1)])
#修改为
np.dtype([("qint8", np.int8, (1,))])