深度学习环境搭建——之Anaconda3安装配置

在这里插入图片描述

序言:

工作中一直从事的是FPGA嵌入式开发,图像处理相关的工作。目前随着AI的浪潮,也被动卷入到深度学习的漩涡中,为了不被漩涡卷入深渊,只能自学些深度学习相关的知识,俗话说“好记性不如烂笔头”何况已经人到中年,想着还是把在工作中的步骤都记录下来,等到想不起来的时候可以随手翻阅查找。
一个深度学习环境的搭建,我根据使用的软件情况以及我自己的安装顺序,大致分为了四部分,Anaconda安装配置,CUDA和CUDNN安装,Pycharm安装配置,Pytorch安装配置。当然,如果你是使用得TensorFlow或者paddlepaddle,那么在最后一个安装的时候你可以自由选择,或者你可以把它们全部装上,对比看哪一个好用。

一,Anaconda安装:

Anaconda是Python的包管理器和环境管理器,使用Anaconda可以更好的管理Python的各版本的环境。
。Anaconda附带了一大批常用的数据科学包,例如conda,Python和150多个科学包及其依赖项,因此您可以直接使用Anaconda立即开始处理数据。
。管理包,Anaconda是在conda(一个包管理器和环境管理器)上发展起来的。在数据分析中,您会用到很多第三方的包,而conda可以很好的帮助您在计算机上安装和管理这些包,包括安装、卸载、更新包等操作。
。管理环境,为什么需要管理环境呢?例如您再一个项目中用到了Python2,而在另外一个项目中用到了Python3,但是同时安装两个版本的Python可能会造成很多混乱和错误,这时候conda就可以帮助你为不同的项目建立不同的运行环境。还有很多项目使用的第三方的包版本不同,如numpy、pandas等,你不可能同时安装两个版本的第三方包,这时你就可以在项目对应的环境中创建对应版本的第三方包,这个conda就可以帮助您办到。
以上说明参考:
1,https://blog.csdn.net/program_developer/article/details/79677557
2,https://blog.csdn.net/qq_36015370/article/details/79484455

1,官网下载:

https://www.anaconda.com/download/
一般不推荐,速度超级慢(你懂得~~),还容易出错,费时费力。
在这里插入图片描述
在这里插入图片描述

2,清华源的镜像下载:

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
推荐选择清华源镜像网站,当然也有中科大镜像源,阿里镜像源,这里选择清华镜像源,在里面找到你需要的软件,这里使用的是Anaconda3版本;此时官网的已经更新到Anaconda3-2023版本了,这里我选择的事2021年的版本,相对来说稳定一些,即使有问题也好查找资料。
在这里插入图片描述

3,开始安装Anaconda:

注意:
在安装的过程中非常容易出现问题,导致安装完成后不能使用;
开始跟着图示一步一步安装吧;
在这里插入图片描述
图3.1 点击Next
在这里插入图片描述
图3.2 这个你必须点击 I Agree,否则不给你到下一步啊。

在这里插入图片描述
图3.3 这里是只给你自己的账户使用还是所有人都可以使用,目前计算机基本都是自己使用,所以我选择了 All Users;
在这里插入图片描述
图3.4 这一步就是选择Anaconda安装的路径了,默认是C盘,采用默认安装到C盘可以避免一些小问题,但是后期一些配置环境等需要下载大量的问价,占用大量的C盘空间,为了防止C盘爆了,我这里选择安装到D盘(我的习惯是C盘只安装操作系统以及一些必须安装到C盘的,其他所有应用软件我都说安装到D盘)。当然如果你的C盘足够大,也可以安装到默认的位置。
** 特别注意:**
安装路径尽可能简单,并且安装路径不要有空格,不要有中文字符!!!不要有空格,不要有中文字符!!!不要有空格,不要有中文字符!!!重要的事情说三遍。

下面将来的最重要的部分,也是安装过程中易出错的部分。
在这里插入图片描述
图3.5.
第一项,Add Anaconda3 to the systen PATH environment variable,这个是说将安装路径填入到系统的环境变量中,当选择该项够,将会显示红色信息,不用管他。
第二项,Register Anaconda3 as … 这个是说系统默认要使用得Python版本,因为在开发的时候,你可能已经安装了其他版本的Python,如果两个版本不一样,最好是把第二个选项取消选择,这里我取消选择,第二项也报红色,不用管他。
直接点击 Install,等待安装。

等到安装完成后,会询问你是否Learn …,这里两个Learn都需要勾选,点击Finish。

4,配置环境变量:

右键选择我的电脑-》属性-》高级系统设置-》环境变量-》系统变量-》Path-》编辑-》新建。
添加以下内容:(括号内是说明,不需要添加)
D:\ProgramData\Anaconda3(Python需要)
D:\ProgramData\Anaconda3\Library\mingw-w64\bin(使用C with python的时候) D:\ProgramData\Anaconda3\Library\usr\bin
D:\ProgramData\Anaconda3\Library\bin(jupyter notebook动态库)
D:\ProgramData\Anaconda3\Scripts(conda自带脚本)

添加完成后见下图:
在这里插入图片描述

5,检验Anaconda是否安装成功:

打开cmd,然后在cmd中输入conda --version(注意,这里的version前面是两个横杠)
在这里插入图片描述
输入Python,查看是否已经安装好;如下所示
在这里插入图片描述
输入conda info,查看是否有效;如下所示:
在这里插入图片描述
如果没有输出,或者提示conda不是内部命令,那就是说明你的Anaconda的环境变量没有配置好。

6,打开Win下Anaconda Navigator (Anaconda3):

在这里插入图片描述
出现如下所示:
在这里插入图片描述

至此,说明Anaconda3已经安装完成,并且可以正常使用了;

7,更换Anaconda3的镜像源地址:

安装完Anaconda3后一定要更换镜像源地址,因为Anaconda3访问的事国外的网站,所以在下载依赖包和安装包的时候会特别慢,并且还极易出错(你懂得,大家都懂得^),所以我们需要更换国内的镜像源地址,这里我更换国内的清华大学镜像源地址,以及阿里云镜像源地址,使用如下的永久添加镜像的命令进行添加。
打开Anaconda Prompt;然后在其中输入如下命令:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels http://mirrors.aliyun.com/pypi/simple/

conda config --set show_channel_urls yes
最后一条指令是,设置搜索时显示通道地址
设置好后,在cmd下输入conda config --show channels,显示如下内容说明配置好国内源;
在这里插入图片描述
当然,你也可以找到打开C盘-》用户-》用户名-》.condarc文件进行可视化编辑;这里需要把“隐藏的项目”勾选上。

在这里插入图片描述

使用记事本打开,然后把上述的内容添加进去,然后保存就可以了;

现在已经完成了Anaconda3的下载,安装,环境变量设置,镜像源的配置。下面就可以开心的使用了。

以下是学习的时候参考:
参考1,https://blog.csdn.net/qq_41867638/article/details/115416554
参考2,https://blog.csdn.net/weixin_44857688/article/details/112543636

  • 3
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
使用Anaconda3和PyCharm来配置TensorFlow-GPU 2.4.0深度学习环境是一个相对简单的过程,我将分享我的经验。 首先,你需要确保已经在计算机上安装Anaconda3和PyCharm。然后,你可以按照以下步骤进行配置: 1. 打开Anaconda Navigator,并创建一个新的虚拟环境。你可以选择Python 3.7版本,并命名环境为"tensorflow-gpu"。 2. 激活新环境后,在终端或命令提示符下输入以下命令来安装TensorFlow-GPU 2.4.0: ``` conda install tensorflow-gpu=2.4.0 ``` 3. 安装完成后,你可以通过以下命令验证TensorFlow-GPU是否正确安装: ``` python -c "import tensorflow as tf; print(tf.__version__)" ``` 如果输出显示为2.4.0,则说明TensorFlow-GPU已经成功安装。 4. 接下来,在PyCharm中打开一个新的项目。在项目设置中,选择已创建的虚拟环境"tensorflow-gpu"作为项目的Python解释器。 5. 在PyCharm的终端中,使用以下命令来安装GPU版本的TensorFlow依赖项: ``` pip install tensorflow-gpu==2.4.0 ``` 6. 安装完成后,你可以编写和运行使用TensorFlow-GPU的代码了。 在配置过程中,可能会遇到一些问题。例如,TensorFlow-GPU要求计算机上安装了适当的显卡驱动程序,并且CUDA和cuDNN版本与TensorFlow-GPU的要求相匹配。此外,如果你在安装过程中遇到任何问题,可以尝试升级或降级Anaconda、PyCharm和TensorFlow-GPU版本,以找到兼容的组合。 总之,通过Anaconda3和PyCharm配置TensorFlow-GPU 2.4.0深度学习环境是一项相对简单的任务。如果按照上述步骤操作,你应该能够成功地设置和使用TensorFlow-GPU来进行深度学习任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值