Miniconda或Anaconda配置tensorflow和pytorch

前提：安装python3.8.1、cuda、cudnn。前文有提到

Miniconda 安装

Anaconda 指的是一个开源的 Python 发行版本，其包含了 conda、Python 等 180 多个科 学包及其依赖项，可以快捷获取包且对包能够进行管理，同时对环境可以统一管理。若平时 不需要使用那么多库，可以考虑安装更小的 miniconda 发行版。 Conda 是包及其依赖项和环境的管理工具，可以快速安装、运行和升级包。同时还能便 捷管理环境，通过简单命令就可以创建一个完全独立的环境来运行不同版本的 python。

以下 miniconda 为例，介绍其安装以及简单命令使用教程：

1.在 https://docs.conda.io/en/latest/miniconda.html 网址查询，下载对应 Python3.8 版本号的 Miniconda3-py38_4.10.3-Windows-x86_64.exe

点击下载好的.exe 文件点击 next 进行安装，记住安装路径，在配置环境变量的时候需要 用到。
 

勾选第二个选项：

点击完成。

2.配置环境：在系统环境变量中，将以下 3 个目录添加到 path 中。

3.添加 conda 镜像服务器：

因为 conda 下载文件要用到国外的服务器，速度一般会比较慢，我们可以通过增加一个 清华的镜像服务器来解决。打开 cmd 终端或者 Anaconda Prompt，粘贴并运行下面两行代码：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls ye

双环境创建：

Tensorflow2.4 环境搭

1.安装完 Miniconda3 后，为便于创建 Tensorflow 和 Pytorch 两个深度学习平台，我们首先 通过 Miniconda3 创建两个虚拟环境，一个为 py3.8-tf2.4，用来搭建 Tensorflow2.4 深度学习 平台；另一个虚拟环境为 py3.8-torch1.8，用来搭建 Pytorch1.8 深度学习平台。 具体操作步骤如下： 打开 Anaconda Prompt 或 win+r→cmd 命令窗口，输入以下命令并回车，再在提示时输 入“y”再回车。几分钟过后，可创建对应 python 版本的虚拟环境： conda create –n py3.8-tf2.4 python==3.

报错 ：

解决办法：

1.添加清华镜像网站：

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes

2.更改镜像源文件.condarc，.condarc默认是不会自动创建的，只有当用户第一次使用conda config命令时，系统才会自动创建.condarc文件。

找到.condrac文件删除 - defaults 所在的一整行内容即可。

报错：IMPORTANT: You may need to close and restart your shell after running ‘conda init’

运行下面两行代码并重启终端

conda init cmd.exe
conda init powershell

2.激活如下：其中“py3.8-tf2.4”为将用来搭建搭建 Tensorflow2.4 平台的虚拟环境名称，“3.8”为新环境 对应的 python 版本

3.同样步骤，再执行： conda create –n py3.8-torch1.8 python==3.8 会得到名称为“py3.8-torch1.8”的虚拟环境，它将用来搭建搭建 Pytorch1.8 深度学习平台。 重新进入 Anaconda Prompt ， 可以使用“conda env list”命令查看已有环境。

（提示：移除命令是"conda remove -n py3.8-torch1.8 --all"）

4.激活 py3.8-tf2.4 环境后，可以先使用python -version查看虚拟环境的python版本，如果是2.7版本，需要升级python，可以使用conda  install python==3.8.1,我们使用豆瓣源通过如下 pip 命令一次性安装 tensorflow2.4 平 台所需要的所有资源。

conda install pip

pip install numpy pandas matplotlib sklearn notebook tensorflow-gpu==2.4.0 -i https://pypi.doubanio.com/simple

报错：

解决办法：关掉梯子

测试tensorflow：

激活环境，进入python，输入

import tensorflow as tf 

tf.test.is_gpu_available()

返回ture则安装完成。

报错：could not load dynamic library cusolver64_11.dll

解决办法：打开目录：

将cusolver64_11.dll文件复制重命名为cusolver64_10.dll.

重新运行，返回ture。

5.安装 ipykernel包

上面步骤安装完后，考虑别到要使用 jupyter notebook 为深度学习编译器，则需要安装 ipykernel 包。 进入 Anaconda Prompt 窗口，激活 py3.8-tf.2.4 环境（如第一步），输入 conda install ipykernel 回车。 

完成！！！！！！！！！！！！

Pytorch1.8 环境搭

1.在py3.8-torch1.8 环境下，通过 pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f 实现 torch1.8 深 度学习平台的搭建。但直接通过 pip 按安装会很慢，这里我们使用 torch1.8 的轮子进行安装。

①下载 torch1.8 轮子：

pytorch与torchvision下载链接：

1.https://download.pytorch.org/whl/torch_stable.html。（苦日子）

2.pytorch-wheels-cu111安装包下载_开源镜像站-阿里云 (aliyun.com)。

（注意：cu101代表cuda10.1，cp37代表python版本，win_amd64代表是windows系统下载的）

②安装：

1）拷贝下载好的两个轮子"D:Miniconda3\envs\py3.8-torch1.8\Scripts"目录下。

2）在"D:Miniconda3\envs\py3.8-torch1.8\Scripts"目录栏下输入“cmd”回车激 活命令窗口，并在该窗口输入“conda activate py3.8-torch1.8”回车激活 py3.8-torch1.8 环境。

pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu118 -i https://pypi.tuna.tsinghua.edu.cn/simple

3）py3.8-torch1.8 环境下输入： pip install torch-1.8.1+cu111-cp38-cp38-win_amd64.whl 回车 上面安装完后，接着输入 pip install torchvision-0.9.1+cu111-cp38-cp38-win_amd64.whl 回车

4）重新进入 Anaconda Prompt 窗口，激活 py3.8-torch1.8 环境，输入如下命令： pip install numpy pandas matplotlib sklearn notebook -i https://pypi.doubanio.com/simple 实现资源包和 jupyter 的安装。

5)安装 ipykernel 包

重新进入 Anaconda Prompt 窗口，激活 py3.8-tf.2.4 环境，输入 conda install ipykernel 回车。

4.测试 torch1.8

重新进入 Anaconda Prompt 窗口，激活 py3.8-tf.2.4 环境，先键入 python 进入 python 工 作环境，然后键入 import torch，如果未报错，则 pytorch 安装成功，之后输入指令 torce.cuda.is_available(),如果显示 True，则 GPU 可被 pytorch 使用。

报错：

import torch Traceback (most recent call last): File "<stdin>", line 1, in <module> ModuleNotFoundError: No module named 'torch' torce.cuda.is_available() Traceback (most recent call last): File "<stdin>", line 1, in <module> NameError: name 'torce' is not defined

解决办法：运行 conda install pytorch torchvision torchaudio。

再尝试

import torch
print(torch.__version__)
print(torch.cuda.is_available())