1 安装AnaConda 或者 MiniConda
- 安装AnaConda和MiniConda其中一个即可,安装过程是一样的,以Anaconda举例说明。
- 安装步骤:
(1)下载 Anaconda :官网 或者 清华镜像网站
(2)下载需要的版本即可,安装的时候注意最好使用默认路径,更换路径的话不要有中文,一定要勾选添加环境变量!
(3)安装好后可以添加国内源:打开Anaconda自带的命令行:Anaconda pormpt ;执行:conda config --set show_channel_urls yes
;.condarc
文件在C:\Users\Administrator目录下;将下述内容替换到.condarc
文件,.condarc
文件用记事本打开。
channels:
- defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
2 创建虚拟环境
- 创建:
conda create -n tf2 python=3.6 -y
( tf2 为虚拟环境名,-y 确认安装默认的工具包) - 查看:
conda info -e
或者conda env list
- 激活:
conda activate tf2
3 安装函数库
- 函数库主要有:基本函数库、tensorflow、pytorch、等等。
- 基本命令:
pip install --
或者conda install --
- 安装方法,建议使用
requirements.txt
安装,方法如下:
(1)创建一个txt
文档,命名为:requirements.txt
,将需要安装的函数库名称写到里面即可(下面是深度学习用到的基本函数库):
numpy
dataclasses
pandas
matplotlib
opencv-python==3.4.2.17
opencv-contrib-python==3.4.2.17
pillow
sklearn
scipy
jupyter
notebook
absl-py==0.9
tensorflow
tensorflow_datasets
-i "https://mirrors.aliyun.com/pypi/simple"
注意:由于我们这里安装的是tensorflow-gpu 版本,所以记事本里面是gpu版本,除tensorflow函数库的安装有区别,其他的与常用函数库安装一致。
(2)安装方式,进入到保存 requirements.txt 文件的目录,打开命令行,用 cd 命令进入目录,再执行指令 pip install -r requirements.txt
即可安装函数库!
(3)安装tensorflow-gpu版本,还应当安装:cudatoolkit 和 cudnn : conda install cudatoolkit==10.1.243 cudnn
(4)以上就装好了基本函数库和tensorflow-gpu 2.3版本
- pytorch安装:
4 Pycharm中配置安装的虚拟环境,进行开发
- pycharm 中也可以打开 jupter notebook, 然后就是当前pycharm目录和环境,方便代码调试!