目录
一、安装与配置
对照网上的教程先后安装了
1.Anaconda
https://www.anaconda.com/distribution/#download-section 可能需要科学上网
若进不去网站，尝试百度云（2020.07版本↓）
链接: https://pan.baidu.com/s/1t2857BzMXGSyVwvpEW5d3A 提取码: sj5s
或者清华镜像
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
以百度云安装包为例：
先解压，运行64位版本：
Next→I Agree→Next →（改文件路径 注意要空文件夹）→Next→
（记得勾选 √ 第一项：将Anaconda 添加到环境变量中。见下图）→ Install
→（等待一段时间）→Next→Next→Finish
安装完成后可以将常用的 Anaconda Navigator、Jupyter Notebook、Anaconda Powershell Prompt（这个比Anaconda Prompt多一些功能？）放到开始屏幕，方便使用
测试anaconda是否安装完成：
win+R→cmd→conda
若出现以下信息则安装成功
2.配置Anaconda清华镜像
用Anaconda Prompt运行 可能要以管理员身份运行
（暂时添加官方库的镜像即可，后面若不可用（下载还是慢），再尝试换其他源）
20220710： 直接全给他装上，tmd!!!
conda官方库的镜像
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 --set show_channel_urls yes
conda第三方库 Conda Forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda第三方库 pytorch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda第三方库 msys2
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda第三方库 bioconda
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda第三方库 menpo
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
恢复默认下载源：conda config --remove-key channels
移除特定源：conda config --remove channels ‘源网址’
补充
中科大源：
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
3.Pycharm
下载链接: https://pan.baidu.com/s/11CgPJcp7NVymKF7nVpiutg 提取码: yn9e
（链接附安装方法）
https://www.bilibili.com/read/cv7395468/
官网下载：
https://www.jetbrains.com/
https://www.jetbrains.com/pycharm/
（可能要科学上网）
4个选项可以全勾选？
4.Pycharm配置conda环境（该步骤可省略，直接见7）
新建一个Project。命名后选择 Existing interpreter，点右侧 …
点右侧 …
然后选择 anaconda文件夹下的python.exe 。 OK→OK→Create后 conda环境就配置好了
方法二： 也可以点 左上角File→Settings→Project (当前工程)：Python Interpreter →右上角齿轮 Add
选择Existing environment 右侧 …。选择 anaconda文件夹下的python.exe 。即可
若出现以下错误，可以找到.condarc文件（C:\Users\Ding Ding），删去 -defaults 即可。
补充说明 ：New environment与Existing environment区别？
https://blog.csdn.net/yandajiangjun/article/details/102502190?utm_medium=distribute.pc_relevant.none-task-blog-title-2&spm=1001.2101.3001.4242
5.安装TensorFlow 1.14.0
在Anaconda Prompt用命令安装TensorFlow
https://blog.51cto.com/acevi/2103437
代码如下：
①conda create -n tensorflow python=3.5(只是建了个环境文件夹 还没有真正安装tensorflow)
②activate tensorflow
(在anaconda prompt， activate后前面还是(base) 。应该是有冲突。可以win+R cmd： activate tensorflow) 见问题（1） （1）关于anaconda prompt无法activate 环境
解决方案： ②改为 conda activate tensorflow
③下载tensorflow
（建议安装1.14 比较稳定？）
%用这个成功了，中国科学技术大学的源（清华的源不行 2020.11.23）
pip --default-timeout=1000000 install -U -i http://pypi.mirrors.ustc.edu.cn/simple/ --upgrade tensorflow==1.14.0
%↑↑↑防止超时，且可指定版本。 代码改为 tensorflow-gpu==1.14.0 可下载gpu版本
%可能需要改为https
or
https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.14.0
可能需要更新pip
python -m pip install --upgrade pip
*其他源：*
https://pypi.tuna.tsinghua.edu.cn/simple/
http://mirrors.aliyun.com/pypi/simple/
https://pypi.mirrors.ustc.edu.cn/simple/
http://pypi.mirrors.ustc.edu.cn/simple/
http://pypi.douban.com/simple/
这个可以下载成功，但版本是1.2.1
conda install tensorflow
其他：
以下代码下载均很慢（已配置清华镜像）
pip install --upgrade --ignore-installed tensorflow %cpu版本
pip install --upgrade --ignore-installed tensorflow-gpu %gpu版本
pip3 install --upgrade tensorflow
下载慢，可以试试科学上网或者用移动流量试试？
或者尝试本地安装 links for tensorflow
④测试是否安装成功
查询tensorflow版本
import tensorflow as tf
tf.__version__
简单测试：
tensorflow 2.x版本更新了很多机制，注意代码区别
见 1.x版本与2.x版本区别
python
import tensorflow as tf
hello=tf.constant('hello,world')
sess=tf.Session()
print(sess.run(hello))
2.x版本
python
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior() %使TensorFlow2.x的功能无效化
hello=tf.constant('hello,world')
sess=tf.Session()
print(sess.run(hello))
x=tf.constant(1)
y=tf.constant(2)
z=x+y
sess=tf.Session()
print(sess.run(z))
6.安装keras 2.2.5
keras和tensorflow版本对应关系
tensorflow1.14.0 对应 keras 2.2.5
安装keras 2.2.5
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple keras==2.2.5 #安装Keras
pip install keras==2.2 -i https://pypi.douban.com/simple
7.Pycharm配置tensorflow环境
新建Project，选择一个环境就行
conda base环境 （之前第4步已配置好conda环境）
conda tensorflow环境
测试代码：
吴恩达机器学习作业一-线性回归--tensorflow实现 代码节选
import numpy as np
import pandas as pd
import matplotlib as plt
import tensorflow as tf
path = "D:\MachineLearning\exerise1\ex1data1.txt"
data = pd.read_csv(path, header=None, names=['Population', 'Profit'])
print(data.head())
base环境运行没有问题 应该是anaconda已经安装好了numpy、pandas、matplotlib
tensorflow环境运行有问题 numpy版本过高（1.18.5）、未安装pandas、matplotlib （见8）
原因：base环境有是因为anaconda已经自带了一些常用包。tensorflow环境是自己新建的环境，还需要自己安装所需要的包！（见8）
8.安装numpy、pandas、matplotlib
先到tensorflow环境： conda activate tensorflow
%pip uninstall numpy %不需删除，下载新版本的时候会自动删除旧版本
%pip install numpy==1.16.0 %失败
%pip install numpy==1.16.0 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com %成功
conda install matplotlib %成功 会附带安装numpy等多个包
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib %失败
conda install pandas %会附带安装numpy等多个包 (此时该环境可能有两个版本numpy 需要卸载一个)
pip uninstall numpy
pip install numpy==1.16.0 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
也可以在Anaconda navigator下载，可能会有点慢（科学上网？）——不推荐
9. 配置jupyter notebook
下完Anaconda自带一个jupyter notebook
Anaconda Navigator页面也可安装jupyter notebook
不知道这两个有什么区别？ 实际打开是一样的
Jupyter Notebook 打开指定文件夹
（1）在工作目录上方直接键入 jupyter notebook
（2）在工作目录 空白处 shfit + 鼠标右键 在此处打开powershell窗口 然后输入 jupyter notebook
（3）win+R cmd 盘符方法（待补充）
将Chrome设置为Jupyter_notebook的默认浏览器
Step1: 点击 Anaconda prompt 键入jupyter notebook --generate-config
2:找到jupyter_notebook_config.py 文件， 记事本打开 搜索c.NotebookApp.browser
在下方键入以下代码== (关键是找到chrome浏览器的位置）==
import webbrowser
webbrowser.register("chrome",None,webbrowser.GenericBrowser(u"这里是Chrome浏览器安装位置"))
c.NotebookApp.browser = 'chrome'
Jupyter Notebook中切换conda虚拟环境
法一
（1）base环境安装 nb_conda conda install nb_conda
安装nb_conda 报错
可以将前面各种 源 装上，应该就可以运行了
(2)如果此时jupyter kernel中还不显示conda新增的环境
安装ipykernel库，利用ipykernel库将该虚拟环境写入到jupyter中。
先打开对应的环境conda activate paddle_3.6
然后 conda install ipykernel
一般来说到这里 jupyter就可以使用anaconda中新建的环境了
python -m ipykernel install --user --name 环境名 --display-name “python 环境名” #这一步是否需要？待测试
补充：
conda create -n 环境名称 python=3.6 ipykernel # 创建环境开始就安装ipykernel
conda install -n 环境名称 ipykernel #直接指定环境安装ipykernel
jupyter kernelspec list #查看kernel列表。
（此时只显示了一个kernel：python3，但不影响jupyter正常使用环境。）
安装完ipykernel后还是没有反应？似乎不太行，谨慎使用
conda activate paddle_3.6
python -m ipykernel install --user --name paddle_3.6 --display-name "paddle_3.6"
jupyter kernelspec remove paddle_3.6 #删除kernel
法二（之前的方法）
之前的环境都配置好了，可以在pycharm运行代码。
如果要在 jupyter notebook 运行 tensorflow 环境的话，可能还需要配置一下
首先进入tensorflow环境：conda activate tensorflow
conda install ipython
conda install jupyter
jupyter kernelspec list查看当前可用kernels
如果没有将tf环境添加进来，尝试下列语句
python -m ipykernel install --user --name myenv --display-name "Python (myenv)" 待测试
若报错 AttributeError: type object 'IOLoop' has no attribute 'initialized'
原因是安装的 tornado 版本与 jupyter 不匹配
conda install tornado=4.5
然后重新打开Anaconda Powershell Prompt，在base环境输入（直接输入）
conda install nb_conda_kernels
安装完成后重新打开 jupyter notebook
这样就可以在 jupyter notebook-Kernel- 自由更改环境了
参考 https://github.com/Anaconda-Platform/nb_conda_kernels
也可以在Anaconda Powershell Prompt- tensorflow 环境 输入jupyter notebook进入
该方法是从 C盘根目录（默认目录）打开jupyter notebook，可能还需要修改 文件所在路径。有点麻烦。
jupyter打开conda报错 EnviromentLocationNotFound
原因
之前版本conda是envs=[],而4.4版本之后envs=[root_env_dir]，然而这个目录通常并不是空的，官方可能在后续的更新中解决这个问题。
解决方法
进入 E:\Anaconda\Lib\site-packages\nb_conda 打开envmanager.py文件
查找这一句:
return {
"environments": [root_env] + [get_info(env)
for env in info['envs']]
}
改成：
return {
"environments": [root_env] + [get_info(env) for env in info['envs']
if env != root_env['dir']]
}
重启jupyter
jupyter 配置环境的 内核无法连接
pip install --upgrade ipykernel
若报错，可以改成pip install --ignore-installed ipykernel --upgrade
应该跟prompt-toolkit 有点关系
https://blog.csdn.net/justwaityou1314/article/details/115206966
https://blog.csdn.net/qq_15056979/article/details/89527839
tf-keras-python对应关系
☆python3.7 tf2.2.0 keras2.3.1安装
# python3.7 tf2.2.0 keras2.3.1
conda create -n tf2.2 python=3.7
conda activate tf2.2
pip --default-timeout=1000000 install -U -i https://pypi.mirrors.ustc.edu.cn/simple/ --upgrade tensorflow==2.2.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple keras==2.3.1
# matplotlib numpy pandas
conda install matplotlib # 附带numpy
★python3.8 tf2.4.0-gpu安装
# python3.8 tf2.4.0-gpu tf2以上不需要安装keras？
conda create -n tf2.4-gpu python=3.8
conda activate tf2.4-gpu
pip --default-timeout=1000000 install -U -i https://pypi.mirrors.ustc.edu.cn/simple/ --upgrade tensorflow==2.4.0
# matplotlib numpy pandas
conda install matplotlib # 附带numpy
cuda
先更新了一下Nvidia的显卡驱动到最新（用Nvidia Experience客户端自动更新），然后打开控制面板查看支持的cuda版本，可以看到最新的驱动支持cuda11.1 （20210617： cuda 11.2.115）
版本对应关系
CUDA下载
最后下到默认目录（C盘）
检测是否安装成功
win+R→cmd 输入nvcc -V
cuDNN
下载完成后，进行解压缩，并将解压后的cudnn文件夹中的bin、include、lib文件夹复制到CUDA安装目录下。
环境变量配置
一般来说环境变量会自动配置，可以取系统里面看看
测试安装结果
import tensorflow as tf
tf.config.list_physical_devices() # or tf.config.list_physical_devices("GPU")
import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
import tensorflow as tf
import os
os.environ['TF_XLA_FLAGS'] = '--tf_xla_enable_xla_devices'
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
print(tf.__version__)
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
print('GPU:', tf.test.is_gpu_available())
检测gpu加速的效果
检测gpu加速的效果
import tensorflow as tf
import timeit
with tf.device('/cpu:0'):
cpu_a = tf.random.normal([10000, 1000])
cpu_b = tf.random.normal([1000, 2000])
print(cpu_a.device, cpu_b.device)
with tf.device('/gpu:0'):
gpu_a = tf.random.normal([10000, 1000])
gpu_b = tf.random.normal([1000, 2000])
print(gpu_a.device, gpu_b.device)
def cpu_run():
with tf.device('/cpu:0'):
c = tf.matmul(cpu_a, cpu_b)
return c
def gpu_run():
with tf.device('/gpu:0'):
c = tf.matmul(gpu_a, gpu_b)
return c
# warm up 这里就当是先给gpu热热身了
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('warmup:', cpu_time, gpu_time)
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('run time:', cpu_time, gpu_time)
报错
发现使用GPU版本的TF时会提示缺少cusolver64_10.dll，发现文件中只有cusolver64_11.dll，将cusolver64_11.dll复制后，改名为cusolver64_10.dll，解决问题。
报错：各种dll文件找不到
将所有缺少dll文件复制到C:\Windows\System文件夹下
https://www.pianshen.com/article/37081444749/
自己尝试的解决方案：
把C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin 添加到环境变量
计算机-属性-高级系统设置-高级-环境变量-系统变量-Path双击-新建C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
删除System下的.dll文件 仍可以运行！
tf2.4-gpu环境运行
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
其他包安装
cv2
pip install opencv-python #有点慢
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python #这个可以
scipy
pip install scipy #有点慢
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple scipy #未测试
skimage
# 这个好像会附带安装scipy
# conda install scikit-image # 新版本0.18不行，内置程序被重置了
conda install scikit-image==0.15.0
pip install scikit-image==0.15.0
tqdm(进度条可视化)
pip install tqdm
pyreadline（代码自动补全）
conda install pyreadline
还不知道这个功能有什么用
二、问题：
（1）关于anaconda prompt无法activate 环境
原因是Power Shell不兼容anaconda （https://blog.csdn.net/kdongyi/article/details/81905494?utm_medium=distribute.pc_relevant.none-task-blog-title-2&spm=1001.2101.3001.4242）
conda install -n root -c pscondaenvs pscondaenvs
Set-ExecutionPolicy RemoteSigned 后选择Y（以管理员方式运行anaconda prompt 或者power shell）
好像conda版本过高会报错。因此不建议用anaconda propmt改环境，用cmd就好。
解决方案： 用conda activate Tensorflow
（2）Pycharm配置conda环境报错
若出现以下错误，可以找到.condarc文件（C:\Users\Ding Ding），删去 -defaults 即可。
（3）pip损坏 重新安装
先下载 pip https://pypi.org/project/pip/19.1.1/#files
解压到tensorflow环境所在文件夹：T:\Anaconda\envs\tensorflow
在Anaconda Powershell Prompt 切换工作路径 到tensorflow所在文件夹：
conda activate tensorflow %先打开tensorflow环境
cd T:\Anaconda\envs\tensorflow\pip-19.1.1 %切换到pip文件所在路径
python setup.py install %安装pip
（4）pip损坏 重新安装
报错：Original error was: DLL load failed: 找不到指定的模块。
某天在 tf2.2环境跑代码，突然报错。检测所有库都无法import（numpy tf等）
解决办法：安装numpy-base
conda install numpy-base #用了这个
pip install numpy-base
（5）conda一直在 'Solving environment: ’
装 nb_conda的时候 conda一直在 'Solving environment: ’
问题未解决
（1）更换源
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 --set show_channel_urls yes
（2）.condarc文件 删去- defaults
（3）conda config --set channel_priority flexible
（3）conda update conda
三、补充说明
1、pip和conda区别
简而言之，pip是Python包的通用管理器; conda是一个与语言无关的跨平台环境管理器。对于用户，最显着的区别可能是这样的：pip在任何环境中安装python包; conda安装在conda环境中的任何包。
使用conda install包的时候，默认是装在root环境下的。（因此安装时需先进入 环境：activate env_name）
conda能够创建可以包含不同版本的Python或其他软件包的隔离环境。在使用数据科学工具时，这非常有用，因为不同的工具可能包含冲突的要求，这些要求可能会阻止它们全部安装到单个环境中。 Pip没有内置的环境支持，而是依赖于virtualenv或venv 等其他工具来创建隔离环境。
在anaconda下用pip装包的原因：尽管在anaconda下我们可以很方便的使用conda install来安装我们需要的依赖，但是anaconda本身只提供部分包，远没有pip提供的包多，有时conda无法安装我们需要的包，我们需要用pip将其装到conda环境里。
安装特定版本的包：
conda install numpy=1.93
pip install numpy==1.93
2、conda常用命令
conda在指定环境下安装包：conda create -n env_name python=3.5
conda create -n env_name numpy matplotlib python=3.5
打开虚拟环境：activate env_name
退出虚拟环境：deactivate env_name
删除环境：conda remove -n env_name --all
删除虚拟环境中的包：conda remove --name $your_env_name $package_name ？
常用命令
conda list：查看安装了哪些包。
conda install package_name(包名)：安装包
conda env list 或 conda info -e：查看当前存在哪些虚拟环境
update
升级Anaconda需要先升级conda
conda update conda
conda update anaconda
指定升级某一个库，例如 pandas：conda update pandas
自动检测并升级 Anaconda 管理器中的所有可升级的库：conda update --all
☆3、用conda安装TensorFlow
http://www.sohu.com/a/259103573_657064
（与 pip 安装相比，conda 安装可以带来超过 8 倍的速度提升。
GPU 版本的安装也更加简单：conda 安装将自动安装 GPU 支持所需的 CUDA 和 CuDNN 库。pip 安装则需要手动安装这些库。）未验证！！
conda install tensorflow
conda install tensorflow-gpu
conda install --channel https://conda.anaconda.org/anaconda tensorflow=1.6.0
4、用pip装包时的注意事项
首先，我们需要判断目前我们用的pip指令，会把包装到哪里，通常情况下，pip不像conda一样，他不知道环境，我们首先要确保我们用的是本环境的pip，这样pip install时，包才会创建到本环境中，不然包会创建到base环境，供各个不同的其他conda环境共享，此时可能会产生版本冲突问题。
查看pip环境：which -a pip
(经试验，anaconda4.8版本，在conda create新的环境时，已经默认在新环境装了pip，此时activate进入该环境后，用pip命令安装的包，默认会装在本环境中,不必担心pip一个包后后会将其他环境的包改变版本的情况)
当然我们自己创建的conda环境里，可能没有pip，此时进入自己的conda环境也会默认用base环境的pip，这就需要我们自己将pip安装入本环境，尽量不要使用base的pip在其他环境装包，这样也会装在base里，有产生版本冲突的可能（上文已讲）。
在自己conda环境安装pip：conda install pip
安装好本环境的pip之后，在本环境中使用pip install安装的包，就只在本conda中了，我们可以用conda list查看我们的包
待办
1.使用.yml文件配置conda环境
将.yml文件放到 C:\Users\Administrator 下
打开Anaconda Powershell Prompt
conda env create -f install/env-cpu.yml
conda env update -f env-cpu.yml
2. pip安装本地包
pip install -e
2018
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
