今天重新配置环境,距上次配置环境已经过了几个月了,很多步骤都忘了。因此想来更新一帖,记录一下,方便自己以后再次配置环境,也希望对刚刚入门深度学习的萌新有点指导意义。
1.创建环境
使用 Anaconda 建立环境(==Anaconda十分好用,非常建议大家下载==)
具体流程:打开Anaconda Prompt
打开后Anaconda Prompt,我们就直接进入了base环境。此时,我们可以通过以下命令流来创建一个新的环境
conda create -n name(此处的name是你所要创建的环境的名字) python=3.7(python版本自己指定))
如下,我创建了一个名为SCI_Re的环境,该环境采用Python3.7作为Interpreter(编译器)
这样环境就创建完毕,是不是超级简单?创建完环境后,以后我们就可以在该环境中下载各种我们所需要的库/包了。
2.进入到所配置的环境
创建完环境后,接下来是就是配置环境了。
配置环境的第一步是需要我们先进入到我们要配置的环境当中。同样是先打开Anaconda Prompt,进入到基础的base环境中。然后通过输入下面的conda语令进入到我们刚刚创建的SCI_Re环境。
conda activate SCI_Re
下图显示我们已经成功进入到SCI_Re环境中
3.配置环境(下载Tensorflow)
在进入到我们所创建的环境中后,接下来我们就可以在该环境中下载各种库/包,从而实现环境的配置啦。
下载和安装深度学习环境中的各种库时,相比于pycharm中的GUI可视化操作,我更倾向于使用pip指令或者conda指令。其中,conda指令是最舒服的(因为conda可以根据你当前的环境,配置可与其相兼容的库/包。而pip指令则需要你知道自己的环境兼容哪个版本的库/包,若无指定,则pip默认下载目标库/包的最新版本,而有时候由于版本过新,很可能出现不兼容的问题。)
===P.S.pip是python自带的下载工具,一般来讲,安装完pyhton后,就可以使用pip工具了。===
此处,我使用pip工具下载Tensorflow
pip install tensorflow gpu==2.2.0 -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host pypi.aliyun.com
如下图所示:
该tensorflow_gpu版本是我在NVDIA官网上找到的。不同的显卡,驱动对应着不同的版本,大家可以自行查阅电脑对应的版本。
官网查阅链接:
在 Windows 环境中从源代码构建 | TensorFlow
参考链接: