Anaconda+VSCode 配置 tensorflow 环境

1. Anaconda下载

1.1 去清华镜像站https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下载旧的版本，不要去官网下载新版本，可能会出现anaconda-navigator找不到的情况；

下载过程：

不勾选添加环境变量（Add Anaconda to my PATH environment variable），后需手动添加（否则cmd出现“conda”不是内部或者外部命令）。

不勾选Register Anaconda as my default Python 

其余默认

        添加环境变量：双击path

        1是Python需要，2是conda自带脚本，3是jupyter notebook动态库，4不知道，5是使用C with python的时候

                ​​

1.2 已经下载了官方版本，找不到anaconda-navigator：

①添加环境变量后，唤起cmd，执行conda install anaconda navigator

②可能在\Anaconda3\pkgs\anaconda-navigator-1.9.7-py37_0\Scripts这里

③不通过清爽的anaconda-navigator里配置tensorflow环境，直接在丑陋的（dbq）anaconda-prompt配置

④新找到的方法：

打开cmd，打开anaconda所在目录(例如我的：cd/dD:\anaconda\anaconda3)，之后执行python .\Lib\_nsis.py mkmenus，就好了！！！！！！！！

1.3 配置国内镜像源

在命令后加清华镜像源：-i https://pypi.tuna.tsinghua.edu.cn/simple

在cmd或anaconda prompt中运行：

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

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/


//在下载时显示使用的源
conda config --set show_channel_urls yes

//换回conda的默认源
conda config --remove-key channels

检查是否配置完毕：

conda config --show channels

//或者

conda info

 

2. 在Anaconda中配置Tensorflow环境（cpu）

2.1 有anaconda-navigator

打开anaconda-navigator→environment→Create，新建环境→命名tensorflow，选择python版本；

左键单击新建的环境右边的绿色小三角；

选择点击Open Terminal

在对话框中执行：ppip install -U tensorflow ==版本号 -i https://pypi.tuna.tsinghua.edu.cn/simple

（换成其他的源下载速度显著提升，出现Cannot unpack file报错时换源试试，还不行的话只能老老实实下载了，慢就慢点吧）

 清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/ 
 中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
 阿里云 http://mirrors.aliyun.com/pypi/simple/ 
 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/ 

2.2 没有anaconda-navigator

cmd中执行：

conda create -n tensorflow python=3.6

上述代码即在anaconda-navigator 界面中，创建环境名为 TensorFlow，Python 版本为 3.6 的环境的等价操作。

后需要添加以下三个系统环境变量：

          

 2.3 使用tensorflow对应的python解释器

在VScode中选择，快捷键ctrl+shift+p，搜索“python select”，进行选择

3. 在Anaconda中配置Tensorflow环境（gpu）

3.1 创建虚拟环境并检查版本

3.1.1 创建虚拟环境

同2.1

3.1.2 查询版本

tensorflow官网上有

3.1.2 安装 CUDA

        CUDA是英伟达公司推出的一个运算平台，它拥有大量数据运算的能力，这里简单理解为CUDA是一个超级计算器就好，TensorFlow框架可以利用CUDA这个超级计算器来提升运算速度，缩短运行时间。

        cuda下载地址：CUDA Toolkit Archive | NVIDIA Developer

 下载之后双击运行，下列路径默认就好

 同意并继续。

自定义：

这里CUDA一定要勾选上，下面的可选可不选，对后续没有影响：

• 在组件CUDA一栏中，取消勾选Visual Studio Integration（因为我们并没有使用Visual Stduio环境，即使勾选上了也会安装失败）

 在Driver components一栏比较Display Driver的新版本和当前版本的信息。

• 若当前版本高于新版本，则取消勾选Display Driver；
• 若当前版本低于新版本，则保留默认安装信息即可

 下面这个安装位置可以自己改。要截图记录一下你装到哪里了，后面要用到：

 后续一路默认安装即可。

下一步配置环境变量：

如果换了安装路径的话大概率是要自己手动添加环境变量的

 检验是否安装成功

cmd运行：

nvcc --version

出现下述结果即为成功：

3.1.3 安装cudnn

        cuDNN是NVIDIA 公司推出的用于深度神经网络的GPU加速库（但还需要安装cuDNN神经网络加速库），有了它N卡才能在GPU上完成深度学习的计算。上文我们把CUDA看做超级计算器，这里我们把cuDNN看做超级计算器与数据平台连接的数据线。

        cudnn下载地址：cuDNN Archive | NVIDIA Developer

        这个要你自己注册英伟达账户才能下载

 安装后解压：

 接下来：

• 要将cudnn文件中的对应文件夹下的所有文件复制 到对应的安装目录中，
• 而 不是 把cudnn文件中的文件夹复制过去。eg：复制的不是cudnn中的bin文件夹，而是bin文件夹下的所有文件。

举例：

3.2 安装tensorflow-gpu

上面3.1.1已经创建好环境了，我们检查一下，打开anaconda prompt，执行conda env list，看到有一个名为 tfgpu 的环境

 激活环境，conda activate tfgpu

 进入tfgpu环境后，到tfgpu安装路径下，

d:
cd D:\anaconda\anaconda3\envs\tfgpu

输入以下命令：

pip install tensorflow-gpu==2.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

无报错就安装好了。 

打开vscode或其他python环境，导入tensorflow包进行测试 ，查看tensorflow的版本信息

import tensorflow as tf
tf.__version__

4. 下载VS Code

4.1 下载过程

需要注意的是勾选：添加快捷方式到桌面、添加到path

官网地址下载特别慢，使用国内镜像下载

首先复制下载链接：在官网开始下载后，在浏览器下载任务列表中找到下载地址

例如：https://az764295.vo.msecnd.net/stable/d045a5eda657f4d7b676dedbfa7aab8207f8a075/VSCodeSetup-x64-1.72.2.exe

替换为国内镜像vscode.cdn.azure.cn

更改后的地址下载地址：http://vscode.cdn.azure.cn/stable/d045a5eda657f4d7b676dedbfa7aab8207f8a075/VSCodeSetup-x64-1.72.2.exe

注意：https需要替换为http

（原文链接：https://blog.csdn.net/weixin_40293364/article/details/127647766）

4.2 添加插件：

作为新手安装的插件，仅供参考