在Anaconda中安装新环境——以tensorflow2.0-gpu为例

有了chatGPT，终于不用再各种代码中淘合适的并且反复debug了，建议安装环境这种小case麻利地扔给chat。本博客新手向。设备以及操作系统：Window 10 + NVIDIA GeForce RTX 2060

目录

一、安装Anaconda

二、安装CUDA和cuDNN

三、创建新的虚拟环境

四、安装tensorflow2.0.0-gpu

五、版本检测

六、Anaconda基本使用以及库的安装

七、Jupyter notebook安装

---

一、安装Anaconda

最推荐通过Anaconda的方式安装，首先前往官网下载。

Free Download | Anaconda
下载之前，在下述链接中，大致选择以下适合自己操作系统的版本进行下载，这里的分类是通过操作系统类型与python版本，比较宽泛，可以按照适用较广泛的python3.7去选择。
Old package lists — Anaconda documentation

在安装过程中，你会看到一个选项：“Add Anaconda to my PATH environment variable”。默认情况下，这个选项是未选中的。选不选看个人，选中的话，会有一定与系统安装的其他python冲突的风险，不选中的话，后面运行conda命令和其他 Anaconda 附带的工具，则需要首先进入 Anaconda Prompt中。

二、安装CUDA和cuDNN

前往TensorFlow官方网站检查 TensorFlow 2.0 所需的 CUDA 和 cuDNN 版本。如下图所示，tensorflow-2.0.0需要的cuDNN版本是7.4，CUDA版本是10.0。

• 前往 CUDA下载页面 下载对应版本的 CUDA Toolkit。安装 CUDA Toolkit。
• 前往 cuDNN下载页面，下载与之前安装的 CUDA Toolkit 版本相匹配的 cuDNN。根据 NVIDIA 提供的说明，将 cuDNN 的文件解压并复制到 CUDA 的安装目录下。

三、创建新的虚拟环境

根据前面的选择，打开打开 Anaconda Prompt 或者终端以执行后续命令（这里我是加入了path，所以win+R cmd打开终端就行）

• 输入以下命令，创建一个名为tensorflow2.0-gpu的新虚拟环境，这里python选择了3.7版本，根据前述的调查，TensorFlow 2.0 是支持 Python 3.7 的。

conda create -n tensorflow2.0-gpu python=3.7

正确运行的结果是这样子的
 中间让你Proceed选Y回车

环境新建完毕。 

• 激活新创建的虚拟环境。以后每次从base进这个环境都是用这句代码。

conda activate tensorflow2.0-gpu

四、安装tensorflow2.0.0-gpu

这一步很简单，但是网络经常挂掉，绕来绕去显得很麻烦，这里前排提示两点，首先要换源，清华源或者豆瓣源什么的都可以，其次要关梯子，不然是无法访问源的。

• 使用清华源安装tensorflow2.0.0-gpu版本（不需要gpu支持的话换成tensorflow==2.0.0就行）

pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn

正确运行是这样的，爆黄爆红基本就是代理没关，源有问题等等。

成功安装结尾会显示successfully等字样。

五、版本检测

• 启动终端，输入python
• 依次执行下述代码

#输入以下代码导入 TensorFlow 库并打印版本号
import tensorflow as tf
print(tf.__version__)

#检查 GPU 是否可用，输出为 True，则表示 GPU 版本的 TensorFlow 已正确安装并能识别你的 GPU
print("GPU Available: ", tf.test.is_gpu_available())

#列出可用的 GPU 设备，如果 GPU 已正确安装，能在输出中看到类似 physical_device:device_type: "GPU" ... > 的信息
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

成功运行的截图如下 

以上步骤均显示 GPU 可用，说明已经大功告成，只要前头CUDA 和 cuDNN 库版本是对的，就没有太大的问题， 否则 GPU 将无法被 TensorFlow 识别和使用。

六、Anaconda基本使用以及库的安装

安装好上述模块后，我们试着使用以下Anaconda及新环境。点击开始界面，会显示新安装好的一些系列组件，类似下图。

其中Anaconda Prompt就是前文提到的，没有添加环境变量时候进去的入口。Anaconda Navigator是Anaconda启动按钮，点了后会出现其图像化界面，如下所示。在Home中可以看到一系列应用，根据自己的需要选取，我一般习惯用的就是Jupyter Notebook，复杂了我也不会使（。在上端可以看到是可以选择环境的，base就是基本环境，tensorflow2.0-gpu就是我们刚才新建、命名、安装所创建好的新环境，选择后续应用前记得切换好你索要进入的环境。

在Environment菜单中，有着更加详细的对于环境的显示，能够看到目前的环境中有哪些包。新安装好的环境不要着急跑别人的项目文件，99.9%会因为没有安装相应的模块报错。

 以numpy库和scipy库为例，这次我们在Anaconda prompt中执行（可以里看到与终端不同，这里就不需要在指令前加上conda，因为已经在Anaconda环境中）。

进入指定的环境，在其中安装库，附上了一些机器学习、深度学习常用的库。

activate tensorflow2.0-gpu

# 安装numpy
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn

# 安装scipy
pip install scipy -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn

# 安装Keras
pip install keras -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn

# 安装scikit-learn
pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn

# 安装pandas
pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn

# 安装matplotlib
pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn

# 安装seaborn
pip install seaborn -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn

运行界面如下所示，这里numpy已经安装好了所以显示已存在。

七、Jupyter notebook安装

就像刚才说的，Anaconda图形化界面中就有jupyter notebook，在对应的环境下install理论啥就能直接安装。但是实际上使用的时候可能因为网络安装得特别慢，或者卡住，这里给一个在Anaconda prompt中使用源安装jupyter notebook的步骤。

# 先进入对应的环境
activate tensorflow2.0-gpu

# 使用清华源安装jupyter notebook
pip install jupyter -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn

# 为jupyter notebook指定添加刚才创建的环境为核
python -m ipykernel install --user --name=tensorflow2.0-gpu --display-name="Python 3.7 (tensorflow2.0-gpu)

# 直接在该环境下打开jupyter notebook
jupyter notebook

安装jupyter时候的正确打开方式

运行完之后会有successfully等字样

添加内核和直接打开

打开之后会发现内核已经更新
 新建文件的时候点击指定的内核即可，就能应用刚才安装的tf，版本也不会报错。