工具包安装-梳理

1. conda 虚拟环境安装

1. 创建虚拟环境

conda create -n env_name python=3.7

使用 conda env list，查看已有环境名称，conda activate env_name 进入已建立的新环境。

2. 虚拟环境添加 jupyter

conda install ipykernel

# jupyter notebook 中添加新内核名称 kernel_name, 可与环境名不一样，但一样更好区分
python -m  ipykernel install --user --name kernel-name # env_name 

3. jupyter 内核操作

  参考链接 - Jupyter Notebook Kernels: How to Add, Change, Remove

jupyter kernelspec list    # 查看已有内核

jupyter kernelspec remove <kernel-name>   # 删除内核

4. 第三方安装包中 requirements.txt

  参考链接 - python 项目自动生成环境配置文件requirements.txt

pip install -r requirements.txt    # 安装

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

pip freeze > requirements.txt   # 整个环境安装包保存到requirements.txt

# 单个项目中安装包保存到requirements.txt
pip install pipreqs
pipreqs .

5. windows 深度学习环境 pytorch 、tensorflow
  ref - link ⭐️ ⭐️

1. 查看本机的显卡配置，（是否为独显）（以 英伟达 NVIDIA 介绍）；
     在 nvida官网 查看显卡是否支持GPU 加速，及算力大小 。
2. 安装 NVIDIA 显卡驱动；
     在 NVIDIA控制面板（win 桌面右键）-> 帮助 -> 系统信息 -> 组件， 查看 NVCUDA64.DLL 后面的 CUDA 参数（所能支持的版本号）
3. 安装 Visual Studio（社区版即可），cuda 安装时需要 C++ 环境；
4. 安装 cuda，cuda toolkit - link，这里需要查看 GPU显卡 所能支持的 cuda 版本；
     将 CUDA 环境 配置到 系统环境变量中
     cmd 中 输入 nvcc --version 查看 cuda 是否安装成功
5. 安装 CuDNN (深度学习加速库)， 安装最新 CuDNN 即可；

前1~5 步为深度学习的环境依赖，接下来安装深度学习pytorch、tensorflow环境。

• pytorch 安装
    (1) conda 创建虚拟环境
    (2) conda 安装 Pytorch-GPU，官网-link，建议更换为国内源
    (3) python 环境下输入torch.cuda.is_available() 查看是否 安装成功

• tensorflow 安装 ref-link
    (1) conda 创建虚拟环境
    (2) 查看 TensorFlow 版本与Python、CUDA、CuDNN 版本之间的 对应关系-link
    (3) 更换国内源安装

pip install --ignore-installed --upgrade tensorflow-gpu==2.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple  
# 版本号自定义（示例为 2.4.0）

   (4) python 环境下输入tf.test.gpu_device_name() 查看是否 安装成功

2. 使用网络代理后网络连接断掉–解决

  控制面板 $\Rightarrow$ Internet 选项 $\Rightarrow$ 连接 $\Rightarrow$ 局域网设置 $\Rightarrow$ 自动检测设置（A）,勾选