python环境配置

一.流程

搭建python环境：

1. anaconda安装
2. cuda相关安装配置
3. cudnn安装配置
4. 从anaconda建立虚拟tensorflow和pytorch的虚拟环境
5. 在各自的环境里面安装jupyter notebook
6. 安装tensorflow的GPU版本和pytorch的GPU版本

二.Anaconda

• 作用：Python软件包集锦,管理虚拟环境

• 安装方式：官网直接下载即可
  https://www.anaconda.com/products/individual
  

• 验证安装成功：命令行输入

conda

• 进入虚拟环境

activate

注意，这是一个默认环境。

• 包管理常用命令：

//列出当前环境已经安装的包
conda list

//安装命令
conda install 包名(版本号)
pip install 包名

//卸载命令
conda remove 包名(版本号)
pip uninstall 包名

//更新命令
conda update 包名(版本号)

• 虚拟环境管理命令
  当然，有些时候不同的实验项目需要的包版本不同，这时需要我们创建多个虚拟环境。

//列出已有的虚拟环境
conda env list

//新建虚拟环境
conda create -n 虚拟环境名  pytho=版本号

//激活虚拟环境
activate 虚拟环境名

//离开虚拟环境名
deactivate

//删除虚拟环境
conda env remove -n 虚拟环境名

• 共享环境

我们可以把当前项目的依赖打包或者加载别人的包来快速配置环境

//把当前环境下安装的包保存为YAML文件
conda env export > environment.yaml

activate 虚拟环境名

//安装所有包
conda env update -f=/path/toenvironment.yaml

或者用pip

//导出当前包
pip freeze > requirements.txt

//加载文件到该项目的代码库中
pip install -r /path/requirments.txt

三.Jupyter

• 安装

安装了anaconda后，默认的root环境下会有jupyter notebook的，但新建的虚拟环境中，需要重新配置。

pip install jupyter notebook

四.Cuda 和 Cudnn

CUDA是一个并行计算的计算平台，CuDNN是上面的一个深度神经网络的GPU加速库。要想使用TensorFlow或者pytorch的GPU版本，这两个是必须的。

1. CUDA

• 安装(以CUDA10.0为例)
  https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
  下载完成后，开始安装，选择自定义安装，并取消取勾 GeForce …和 Visual Studio… 和Display Driver(目前安装的版本号新于Cuda自带的版本号时)

• 验证安装成功

2. Cudnn

• 安装：这里选择 Cudnn for CUDA10.0
  https://developer.nvidia.com/rdp/cudnn-download

下载之后将cudnn文件夹解压复制到CUDA文件夹下

• 配置环境变量
  下载之后，PATH中会自动加入CUDA的bin目录和libnvvp目录，但并没有加入CUDA和Cudnn目录
  
  所以我们需要加进来CUPTI路径和Cudnn路径，这样在使用Tensorflow时才不会报错。
  
• 验证安装成功

//cmd
nvcc -V

五.安装tf2.0 GPU版本

• 首先建立一个虚拟环境

conda create -n 虚拟环境名 python=版本号

注意，anaconda的源地址配置在.condarc中，可以修改该文件中地址来更换源

• 安装

//激活虚拟环境名
activate 虚拟环境名

//安装Tensorflow-gpu(当然也可以用conda)
pip install tensorflow-gpu=2.0.0-beta0

• 验证安装成功

python
import tensorflow as tf
print(tf.test.is_gpu_available())

注意，安装GPU版本的Tensorflow时，会自动去找对应版本的cuda对应的dll文件。

如果有这个文件，而且也加入了bin目录到环境变量，报找不到dll文件的错误的话，可能是anconda启动源的问题，解决办法是从cmd界面进入虚拟环境，而不是Anaconda prompt启动命令进入虚拟环境。

六.安装pytorch的GPU版本

• 创建虚拟环境

conda create -n pytorch_gpu python=版本号

• 安装torch 和 torchvision
  地址：http://download.pytorch.org/whl/torch_stable.html
  找到符合cuda版本，torch版本，python版本，系统类型，系统位数的whl文件
  
  妈妈再也不用担心我的网速了！
  torchvision同理
  不过要注意安装对应的torchvision版本
  

下载之后在命令行安装即可

pip install torch-XXXXXXXXXXXXXXXXXXXXXXX
pip install torchvision-XXXXXXXXXXXXXXXXX

• 验证安装成功
  在python环境中输入

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

这样，pytorch的GPU版本安装完毕。