Anaconda+TensorFlow安装配置过程

Win8.1+TensorFlow1.14+Pyhton3.7+CUDA10

这几天一直在配置 Python 环境，遇到了许多坑。决定开一篇文章，记录一下自己的踩坑过程，避免在将来重装时遇到同样的问题。同时也分享给同样要做 Python 开发的小伙伴们，希望你们能少走一些弯路。

近几年数据科学与大数据的发展直接促使Python编程语言作为大众化的主力编程语言，主要原因有以下几点

• 语法简单
• 各领域的 Package 十分充足
• 开发效率高

我在这里安装的是 Anaconda + Pycharm 。所以也介绍这两个的安装

Anaconda

Anaconda指的是一个开源的Python发行版本，是管理 Python 环境（environment）和包（package）的一个软件。

• Environment ：Python 的各种版本，比如 Python 2.7 或者 3.5 ，3.6等
• Package ： 各种开源的包，调用包中的函数来完成任务

管理各种的 Python 环境与各种的包是一件非常麻烦的事情，但是我们有了 Anaconda 这个软件，让我们对 python 的各种操作变得更容易了！

安装

首先进入 Anaconda 的官网 点击右上角的 Download，进入下载页面，根据操作系统下载相应的版本：

下载好之后双击打开，前面过程下一步就行，到步后： 假如你的电脑有好几个 Users ，才需要考虑这个问题.其实我们电脑一般就一个 User，就我们一个人使用，如果你的电脑有多个用户，选择All Users，我这里直接 All User，继续点击 Next 。

有些 Windows 的电脑默认安装是C盘的一个隐藏文件夹，这就导致有时候安装包没有权限，同时用 PyCharm的时候无法读取Anaconda的虚拟环境。并且，Anaconda 与后期的各种 Python 环境，包会占用非常大的空间。所以，建议将 Anaconda 安装到系统盘之外！

高级选项这里，不要勾选第一项。我们手动添加变量环境到 %Path%。

之后一直下一步就行，不建议改动。安装好之后我们添加变量环境：

右键计算机 —> 属性 —> 高级系统设置 -----> 变量环境

点击 编辑

将一下路径添加到变量中。我的是安装在 D 盘中，文件夹为 Anaconda3 ，把这两个改成你自己的。

D:\Anaconda3\
D:\Anaconda3\Scripts
D:\Anaconda3\Library\bin
D:\Anaconda3\Library\mingw-w64\bin

之后就可以打开命令行输入 conda --version。如果输出了版本号说明安装成功。！！

管理虚拟环境

安装完成后会有一个 Anaconda Prompt，叫做终端，是Shell的一种。

输入 conda list 或者 pip list 会把已经安装的包显示出来

通过 conda info <package.name> 可以查看某个包的的详细信息。

可以看到最前面有一个 (base)，说明我们此时在 这个环境下。你可以输入python试试, 这样会进入base环境的python解释器。可以输入 exit() 退出。

我们当然不满足一个base环境, 我们应该为自己的程序安装单独的虚拟环境。用下面的命令可以创建新的环境

conda create --name <your.environment.name> python=3.7 numpy scipy

就是创建一个名为<your.environment.name> 的环境（名字可以自己取）， 并指定python版本为3.7， numpy和 scipy 表示我们在安装这个环境的时候把这两个包也装上。

我们可以通过下面的命令删除某个环境

conda remove --name <your.environment.name> --all

假设我创建了一个名为 tensorflow 名称的一个python环境，通过“ conda activate <环境名称>” 来进入那个环境中

通过 conda deactivate 来退出环境，回到 base 中

如果忘记了环境名称，可以查看一下所有的环境 ：conda env list 或者 conda info ---envs

安装环境包

• 输入conda install <package.name>或者 pip install <package.name>来安装某个包。

• pip install <package.name>=x.x.x 可以安装指定某个版本。

  pip只是一个包管理器，所以它不能为你管理环境。pip 甚至不能升级 python，因为它不像conda一样把python当做包来处理。但是它可以安装一些conda安装不了的包。

• 输入 pip install --upgrade <package.name> 来更新某个包。

• conda update --all 可以把所有包都更新一下

我们把这三个包更新一下

pip install --upgrade numpy
pip install --upgrade pandas
pip install --upgrade scipy

• 卸载包：pip uninstall <package.name>

推荐安装的 Python 环境包

• numpy (Data Manipulation)
• pandas (Data Analyze)
• scipy (Scientific Computation)
• matplotlib and seaborn (Drawing Figures)
• scikit-learn (Machine Learning)

安装TensorFlow

版本可以自己选择，如果没有选择版本默认安装最新的，我这里指定的gpu的1.14版本。

国内安装包速度慢，建议是用清华大学镜像

pip install tensorflow-gpu==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

国内的话请在pip install 后面加上-i https://pypi.tuna.tsinghua.edu.cn/simple这句话，这样下载速度更快些！

豆瓣的镜像：http://pypi.douban.com/simple/

中国科学技术大学：http://pypi.mirrors.ustc.edu.cn/simple/

其他常用命令可以查看 https://blog.csdn.net/fyuanfena/article/details/52080270

Pycharm

Pycharm 是一款非常强大的编辑器。使用它的原因是这款软件的代码补全和提示功能做的特别特别好！所以写代码来说会省不少事情！

下载版本有社区版Community 与专业版Professional，建议下载专业版，可以免费试用一个月或者使用学校的邮箱去申请一年的免费试用。

这个官网由于某些原因上不去，所以大家自己想办法搭梯子或者找其他安装方法。

安装完成 PyCharm 之后，我们需要用 PyCharm 读取 Anaconda 创建的虚拟环境

首先 Create New Project

在 Location 填写你选择的工作路径，叫做Project，这个路径很有用，选择的这个文件夹地址将会是文件读取的相对路径。

在 Existing interpreter 处的 Interpreter 点击后面的三个点。

在这个页面， Interpreter 后的点选择路径

首先，找到安装Anaconda的文件夹；然后找 envs 这个文件夹，就是安装的环境的路径，在 TensorFlow 中找到 python.exe

这样就可以了。

打开PyCharm的界面也可以进行环境的配置，先选择界面上的设置 。选择左侧的Project；里面选择Python Interpreter；右上角选择小齿轮的设置；后续读取Anaconda创建环境中的操作和上面一样。

CUDA & cuDNN

提前告知：在安装 CUDA 的过程中，你可能会遇到很多很多坑！！要有耐心！（QAQ）

如果要用英伟达的显卡去加速训练深度学习模型，需要安装CUDA和CuDnn。注意：TensorFlow 版本 ，CUDA版本，CuDnn版本三者要对应。

CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。 CUDA的本质是一个工具包（ToolKit）。而 cuDNN是一个SDK，是一个专门用于神经网络的加速包。

CUDA 的下载地址 https://developer.nvidia.com/cuda-toolkit-archive

cuDNN 下载地址： https://developer.nvidia.com/rdp/cudnn-download

没有账号需要注册账号，账号登录后，找到自己对应的CUDA版本，点击下载。下载后就是个压缩文件。

网上有说 CUDA 版本要和电脑的显卡有关，要先看英伟达控制面板 CUDA 版本，然后下载对应版本的CUDA。我试过了，我的电脑一开始是CUDA7.5，安装之后 TensorFlow1.14不支持，所以我就直接下载了 CUDA10 发现能用，而且英伟达控制面板里的CUDA 版本也变为10了。

下图为 windows 系统中的版本对应，其他系统百度都能找到。

安装 CUDA

我们之前安装的是 TensorFlow1.14.0 所以安装 CUDA10

找到 CUDA 版本，根据操作系统下载。有 network 和 local 两种。network 版安装的时候要联网，一般就 十几MB。而local 版则是离线安装，已经把所有组建下载了，因此一般在2GB左右。我用的是离线版。

选择自定义

下面注意 CUDA 是必装的，如果你的 Display Driver 当前版本比新版本还要高就不装，新版本大于就当前版本就装。这里建议大家安装新版本，如果不更新 Display Driver 的话，在导入 tensorflow 包的时候可能会出现 CUDA驱动版本不满足CUDA运行版本 的错误。

这里我就默认C盘了

这一步很重要：下面检测你的电脑中是否有Visual Studio 环境（因为我的电脑里已经有了VS，所以没有那个界面了，大家知道就好）。 可能会要求你的电脑中有 Visual Studio，如果没有的话要勾选一个选项才能下一步（选项说的就是你的电脑中没有VS环境，是否继续？）如果你继续安装 CUDA 八成装不上，不要问我为什么（QAQ）。所以下载一个VS去吧！我用的是 VS2017 版本。

安装好之后，打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin (改成你自己的安装路径)，查看nvcc.exe,有这个nvcc.exe就说明CUDA安装已成功.

打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64，查看有没有cuti64_100.dll （如果安装的是10.1版本则是cuti64_101.dll ）有这个cuti64_101.dll就说明CUPT1已成功

配置cuDNN

解压cuDNN后，将对应的bin、lib、include与CUDA10对应的bin、lib、include进行合并。

就是把 cuDNN 中的文件 复制 到 CUDA10 安装目录下对应的文件夹中。每个文件都像下面这样！

配置环境变量

安装完CUDA后，CUDA会自动添加到环境变量中，多了 CUDA_PATH 和 CUDA_PATH_V10_0

CUPTA和CUDNN还没有加进来，所以必须将它们添加到路径，这样使用Tensorflow的时候才不会报错 。

将下面几个变量添加到 Path 中，跟前面 Anaconda 一样

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin;

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64;

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include;

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64;

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\bin\win64;

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\common\lib\x64;

测试 CUDA

输入 nvcc -V

代码测试

import tensorflow as tf
sess = tf.Session(config=tf.compat.v1.ConfigProto(log_device_placement=True))

from __future__ import print_function
import tensorflow as tf
a = tf.constant(2)
b = tf.constant(3)
add = tf.add(a,b)
sess = tf.Session()
print('a+b= ',sess.run(add))
sess.close()

如果有报错，根据报错信息上网查一下解决方案。

参考资料

Win10安装CUDA10和cuDNN