Anaconda下tensorflow虚拟环境的创建，和一些命令行代码笔记

 1.创建虚拟环境

1.1查看已经安装的环境

右边“*”表示当前使用的环境

conda env list

一些其他常用的命令：

删除一个环境：conda env remove -n xxxxx(环境名字)

查看所有已安装包：conda list

卸载包：conda remove package-name

【anaconda】conda创建、查看、删除虚拟环境（anaconda命令集）_查看conda虚拟环境_miracleo_的博客-CSDN博客

 1.2创建tensorflow环境

输入命令：conda create -n tensorflow python=3.7，表示创建一个名字为tensorflow的环境，这个环境用的python版本是3.7版本的

conda create -n tensorflow python=3.7
conda create -n tfmask python=3.6
conda create -n tftree python=3.7
conda create -n tftreegpu python=3.7

1.3进入环境

输入命令：activate tensorflow，就可以进入tensorflow环境中

1.4安装指定版本的tensorflow

pip install tensorflow==2.8.0

我这里安装的是2.8版本，可以到官方网站找你需要的版本安装命令

tensorflow · PyPI

2.根据requirement创建环境

实测这个功能很难用，比如使用conda安装tensorflow，conda会自动帮你安装一些依赖包，但是使用pip的命令，会先帮你安装这些依赖包，而且版本是错误的

在使用Python的时候，需要把安装的Package通过requirements.txt导出来，一个命令便可部署新环境。

requirements.txt，是用于记录所有依赖包及其精确的版本号。

2.1自动生成requirement.txt命令：

pip freeze > requirements.txt

这个命令会记录一些本地的包，不适合其他电脑使用。使用下面这个

pip list --format=freeze > requirements.txt
pip freeze 导出含有路径 (@ file:///) 问题小记_pip 导出包含有@-CSDN博客

执行成功后，会自动生成requirement.txt文件，位置与Python文件同级。

2.2安装requirement.txt在新环境

执行命令即可一键安装完所需要的第三方库。

在你的 requirements.txt文件夹所在的路径执行这个命令，win11切换路径的办法是

cd

切换盘符c-》D的命令是 D：

pip install -r requirements.txt

可以添加镜像源加快速度

pip install -r requirements.txt -i https://pypi.douban.com/simple

3.删除环境和环境里面带的包

conda remove -n  xxxxx(名字) --all 

最后不要这样，因为虽然这个环境不能用了，但是这个包其他环境可能可以用到，避免重复下载

• conda env remove -n xxxxx(环境名字)

4.tensorflow-gpu==2.8，python=3.7对应的numpy版本
 

 tensorflow和numpy 兼容版本_statsmodels和numpy之间兼容的版本范围-CSDN博客

numpy==1.21.5，

numpy==1.14.5，

numpy==1.15.1，numpy==1.15.4，

numpy==1.16.0，numpy==1.16.2，numpy==1.16.4

numpy==1.17.1，numpy==1.18.2，numpy==1.19.5，

上面这些都不行，根据下面的报错得知，需要numpy》=1.20.

pip install --upgrade numpy==1.21.0
pip install --upgrade numpy==1.21.4

4.1 使用numpy==1.18.2，可以运行但是不是gpu版本的tensorflow，而是在cpu上面跑

 GitHub - Unibas3D/TreeSketchNet: A deep learning system for procedural modeling of 3D Tree meshes.

具体流程如下

先安装numpy

pip install numpy==1.18.2

pip install tensorflow-gpu==2.8.0

pip install protobuf==3.20.1

pip install tensorflow-addons

pip install keras_cv_attention_models

5.tensorflow-gpu==1.13.1，python=3.7对应的numpy版本
 

根据这个图，尝试pip install numpy==1.16.0