Python环境的配置

从零开始搭建python环境，从anaconda安装开始，然后到cuda的相关安装配置，再到cudnn的安装配置，然后从anaconda中建立虚拟tensorflow和pytorch的虚拟环境，再各自的虚拟环境里面安装jupyter notebook并完成配置，安装tensorflow的GPU版本和pytorch的GPU版本

一、Anaconda安装

Anaconda是为方便使用Python而建立的软件包，其包含250多个工具包，多版本的Python解释器和强大的虚拟环境工具，所以Anaconda是Python的全家桶。
Anaconda可以使安装、运行和升级环境变得更简单。
1.官网下载：https://www.anaconda.com/
根据自己的情况进行下载，我这里下载的版本为Anaconda3-2020.07-Windows-x86_64.exe
文件下载完成后开始安装
2.进入安装界面，点击Next继续

3.用户协议，点击I Agree

4.选择All Users，点击Next

5.接下来选择安装路径，这里不建议装在C盘，安装完大概3个G左右，路径要知道自己安到了哪里（后续使用不同环境的时候会用到这个安装路径），选择好了之后点击Next

6.接下来是重中之重，第一个选项是添加环境变量，默认是没有勾选的，请务必勾选上，如果这里不勾选，后续安装完成后想要自行添加环境变量会非常麻烦。
勾选完后点击Install安装，如果忘了勾选可以卸载重装

7.进入安装界面

8.安装成功，点击Next

9.Finish安装完成

10.安装完成后在开始菜单会多出一个快捷方式，也就是Anaconda下的子程序

11.打开命令行，Win+R输入cmd

12.修改清华源，命令如下：

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

移除清华源：

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

这个命令是为了移除之前conda config --show channels显示的清华源

另外关于Anaconda的使用可自行百度

二、Jupyter的安装与相关配置

关于jupyter，在安装了anaconda，默认的root环境下会有jupyter notebook的，但是新创建了虚拟环境之后，我们还需要重新安装jupyter notebook。

1、安装命令:

pip install jupyter notebook

2、修改默认空间：

Jupyter notebook --generate-config

此时会在C盘user下面的.jupyter目录下面产生一个jupyter_notebook_config.py的文件:

用Editplus打开该文件（记事本也可以），找到c.Notebook，建立你的新工作路径，取消注释，c前面的#要去掉。

修改完后点击保存，这下就修改好了路径

cmd后输入jupyter notebook，可以发现你的路径已更改

3、安装拓展功能：

conda install –c conda-forge jupyter_contrib_nbextensions

下载过程：

三、Cuda的安装

CUDA是一个并行运算的一个计算平台，而CuDNN是在上面的一个深度神经网络的GPU加速库。
如果想用TensorFlow或者pytorch的GPU版本，这两个是必须要安装的。但前提是计算机有显卡，且是NVIDIA的。
1.下载链接：https://developer.nvidia.com/cuda-10.0-download

2.下载完成后，打开下载的驱动，开始安装
安装路径选择默认即可，点击OK

3.协议条款，点击同意并继续

4.安装选项，选择自定义安装

5.自定义安装这里可以进行一些设置，否则有可能会导致安装失败，选项界面如下：

首先，CUDA里的Visual Studio Integration需要取消勾选；然后点开Driver comonents，Display Driver这一行，前面显示的是Cuda本身包含的驱动版本是411.31，如果电脑目前安装的驱动版本号新于Cuda本身自带的驱动版本号，那一定要把这个勾去掉，否则会安装失败(相同的话，就不用去取勾了)

6.接下来选择安装位置，默认即可，（后面会用到这个路径）选择下一步

7.点击关闭，安装完成；

8.打开下面这个路径，查看是否含有nvcc.exe，有这个说明CUDA安装成功。

9.打开下面的文件夹，查看是否含有cuti64_102.dll，有就说明CUPT1安装成功

四、Cudnn安装

同样的，去官网下载: https://developer.nvidia.com/rdp/cudnn-download
选择Cudnn for CUDA10.2，这个需要登录账户，注册个邮箱或者用微信登录即可，注册过程可能比较慢

1.登陆后选择cuDNN Download，首先勾选用户协议，然后如图所示下载相应版本

2.下载完成之后，解压cudnn:


3.将解压后文件夹复制到CUDA文件夹下，路径如下：

里面的文件是不相同的，直接复制即可

4.接下来，要配置环境变量，在window系统的设置中，搜索高级系统设置，点击进入环境变量

5.在系统变量中找到Path，点击编辑

6.点击新建，添加对应的路径（没有的添加上去）

当安装完Cuda的时候，会自动的cuda的bin目录以及libnvvp目录加入到环境变量中，但是并没有加CUPA和Cudnn的路径，我们需要把这俩加入进来，这样，在使用TensorFlow的时候，才不会报错

7.测试cuda，win+R输入cmd打开命令行,输入nvcc –V，查看返回结果：

五、建立tf虚拟环境并安装tf2.0GPU版本

1.首先，建立一个tfenv的环境:

conda create -n tfenv python=3.7

2.激活环境：

conda activate tfenv

3.安装cudatoolkit：

conda install cudatoolkit=10.1

4.安装cudnn：

conda install cudnn=7.6

5.安装tensorflow-gpu==2.0.0-beta1：

Pip install tensorflow-gpu==2.0.0-beta1 -i https://pypi.douban.com/simple

（网速太慢可能会导致安装失败）

6.安装完毕之后，测试是否安装成功

在当前环境下，先输入python进入环境，然后输入以下命令：

Import tensorflow as tfenv
print(tf.test.is_gpu_available())

如果输出True，说明安装成功

六、建立pytorch虚拟环境并安装pytorchGPU版本

这里和上面就基本上是一样的过程了，这里是按照pytorch的GPU版本。
1.建立虚拟环境

conda create –n pytorch_gpu python=3.7

2.安装torch和torchvision，进入下面这个网站:
http://download.pytorch.org/whl/torch_stable.html
找符合系统版本、cuda版本的torch，采用搜索的方式找
我的是cuda10.0，python3.7版本，win10系统，64位。
下载下来：


把对应的两个.whl文件下载下来。
3.回到命令行，输入以下命令安装：

pip install "torch-1.2.0-cp37-cp37m-win_amd64.whl"
pip install "torchvision-0.4.0-cp37-cp37m-win_amd64.whl"

注意要先把文件移动到C盘里的user目录下，不然会报错

4.安装完毕，进行测试，依然是进入python环境，然后输入：

import torch
print(torch.cuda.is_available()) # 输出为true即为成功！

显示版本号：

print(torch.__version__) # 注意是双下划线

七、实验分析与总结

至此，一个比较完美的python环境就配置好了，在机子上搭建好python环境，以后跑模型实验就方便很多了，不管是tf项目还是pytorch项目，都能用这一套环境实验。
根据教程走，整个安装过程其实很简单，但在安装过程中，按照教程逐步进行，需要细心地跟着每个步骤走，不然就容易出错，导致后面一系列的环境配置失败，也就只能一而再再而三的安装卸载。

参考链接

https://mp.weixin.qq.com/s/L2odIhRhxVE9CZefJDGRvQ