通过Anaconda完成python及深度学习环境搭建

使用conda管理python环境

在进行深度学习的环境搭配中，我们常常会因项目要求，需要下载不同版本的python或者搭建不同版本的tensorflow、pytorch环境。好在有anaconda，我们可以通过anaconda进行不同环境的搭建，下面我将介绍anaconda常用的几个功能

使用conda配置不同Python环境

我们可以在终端直接采用以下指令搭建新的Python环境，我将创建Python=3.6的新虚拟环境，并将其命名为my_name(可随意更改)。

conda create -n my_name python=3.6

下载新环境成功后，我们可以在终端对其进行激活

conda activate my_name

激活后，我们目前的python环境就由系统默认的base环境切换到了所搭建的新环境中。此时我们在终端的操作（如第三方库的下载）都会存储到该python环境下。

比如我们现在下载tensorflow-gpu == 1.15.0的版本，将介绍pip和conda两种指令下载方式

#pip指令下载
pip install tensorflow-gpu == 1.15.0
#conda指令下载
conda install tensorflow-gpu == 1.15.0

好了，如果有一直跟着一步步到这里的小伙伴，可能遇到了个位数KB/s的下载速度，实在是惨不忍睹，下完后可能黄花菜都凉了…
好在有很多界内的大牛们整出了镜像，使用镜像下载可以大大的提高下载速度，由于本文主要介绍环境搭建，具体如何使用镜像下载提高下载速度请看博客https://blog.csdn.net/guowei_huai/article/details/114923203?spm=1001.2014.3001.5502。

使用conda管理jupyter notebook

现在很多人都在用jupyter notebook，那么我们如何为jupyter notebook添加已经在conda创建的虚拟环境呢？这样可以大大提高我们撸代码的效率。
以下操作要求已经安装好anaconda，并且完成上述虚拟环境的安装。

• 首先激活已经安装的虚拟环境，并安装ipykernel，在终端下执行以下指令

conda activate my_name
conda install -n my_name(环境名称) ipykernel

• 将环境写入notebook的kernel中

python -m ipykernel install --user --name 环境名称 --display-name "在jupyter中显示的环境名称"

安装完成后，在终端输入 jupyter notebook进入在创建新文件时，就能够看到新创建的环境了。

如果想要删除kernel环境，可以执行以下操作：

jupyter kernelspec remove 环境名称

另外：为了解决部分人下载anaconda超时的问题，这里附上Anaconda的镜像下载地址，选取版本后直接下载即可
https://mirrors.bfsu.edu.cn/anaconda/archive/