基于Tensorflow框架的深度学习环境搭建（包括解决pip下载包慢的问题）

此环境搭建是在Windows10系统上进行的，组合为anaconda2019. 10+tensorflow2. 1+pycharm。遇坑太多，以此纪念。

1. 安装Anaconda3

官网下载Anaconda2019.10，安装，将anaconda3加入环境变量

2. TensorFlow的安装

2.1 创建TF2.1环境

开始屏幕打开anaconda prompt 输入：conda create -n TF2.1 python=3.7， 选择y表示同意安装相关软件包

激活环境

2.2 安装cudatoolkit10.1以及cudnn7.6

如果报错说明电脑上没有英伟达显卡，直接跳过2.2 ，进入2.3

2.3 安装tensorflow2.1

继续输入pip install tensorflow==2.1 大小大约是350MB，运行到这里大概你就会发现电脑下载很慢，所以我们要选择镜像源，这里我用的是清华镜像。我们只需要对电脑上的.condaarc文件进行修改即可。
Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改。
用记事本打开C盘用户管理员下的.condaarc文件，这里我是C:\Users\ASUS\.condaarc，输入以下代码块：

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

保存后，运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。重新安装发现会很快。

3. Pycharm新建工程，写入代码进行验证

3.1 安装pycharm

官网直接下载，用社区版就行，最新版

安装过后重启电脑

3.2 创建项目

选择已存在的解释器，设置环境变量

点击已经存在的anaconda环境，会自动跳出来TF2.1

点击create，创建成功。

3.3 测试环境

创建test.py
测试代码如下：

import tensorflow as tf

tensorflow_version = tf.__version__
gpu_available = tf.test.is_gpu_available()
print("tensorflow version", tensorflow_version, "\tGPU available", gpu_available)
a = tf.constant([1.0, 2.0], name="a")
b = tf.constant([1.0, 2.0], name="b")
result = tf.add(a, b, name="add")
print(result)

测试成功，环境搭建完成！准备开始下一步学习吧！

课程指导：北大的tensorflow笔记