用Anaconda+PyCharm搭建深度学习开发环境/安装conda环境/conda pip下载换源

一 、查看环境

打开Anaconda可以看见,只有一个base环境
在这里插入图片描述

二 、使用Anaconda Powershell Prompt安装环境

打开WIN10的开始菜单栏,找到Anaconda Powershell Prompt(如果在安装包的过程中出问题时,建议用这个进行操作)
在这里插入图片描述

  • 查看当前存在哪些环境
conda env list
  • 更新conda版本
conda update conda
  • 创建conda环境
conda create -n your_env_name python=x.x 
# your_env_name 就是你准备给环境起的名字,python=x.x 是python的版本

这个环境可以在C:\Users\Administrator\anaconda3\envs目录下找到(如果按照默认路径安装的话)

  • 删除不想要的虚拟环境
conda remove -n your_env_name --all
  • 激活(进入)建立好的环境
conda activate your_env_name

环境建立好之后,接下就是安装相应深度学习Packages

三、下载并安装Packages

更换默认下载源

  • 为什么要换源?
    因为Anaconda.org的服务器在国外,安装某些packages时,用conda install命令下载的速度经常很慢。清华TUNA镜像源有Anaconda仓库的镜像,将其加入conda的配置即可。
  • Tips:镜像本质上是从开源软件的软件包库中同步过来的镜像,在国内可以用这镜像加速国外开源软件的下载。像清华,阿里,他们都有自己的开源镜像站,我们可以把下载源更换为他们的镜像源。但是他们的侧重点不同,也就是镜像源中的软件不一样,所以当有些Packages找不到无法安装时,建议临时换其他镜像源试一试

这里是清华镜像的网址

Conda更换成清华下载源

打开Anaconda Powershell Prompt输入

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/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
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/peterjc123/
conda config --set show_channel_urls yes

注意是 https不是http

  • 查看下载源是否更换成功
conda config --show-sources
  • 更换为默认源
conda config --remove-key channels

如果Conda无法下载某些Packages可改用pip进行下载

有些时候,某些Packages因为不支持使用conda进行下载,可改用pip进行下载

临时换源

例如安装rasa:
pip install +库名 -i +源地址
pip install rasa -i https://mirrors.aliyun.com/pypi/simple/
pip的时候在后面加上-i参数,指定pip源 pip源就换成国内源了

• 清华 https://pypi.tuna.tsinghua.edu.cn/simple
• 中科大 https://pypi.mirrors.ustc.edu.cn/simple
• 阿里云 https://mirrors.aliyun.com/pypi/simple
• 豆瓣 http://pypi.douban.com/simple
• 默认源 https://pypi.org/

永久修改pip源

不想临时换源的话,可永久换源
一行代码搞定

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
  • 4
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
使用Anaconda3和PyCharm来配置TensorFlow-GPU 2.4.0深度学习环境是一个相对简单的过程,我将分享我的经验。 首先,你需要确保已经在计算机上安装Anaconda3和PyCharm。然后,你可以按照以下步骤进行配置: 1. 打开Anaconda Navigator,并创建一个新的虚拟环境。你可以选择Python 3.7版本,并命名环境为"tensorflow-gpu"。 2. 激活新环境后,在终端或命令提示符下输入以下命令来安装TensorFlow-GPU 2.4.0: ``` conda install tensorflow-gpu=2.4.0 ``` 3. 安装完成后,你可以通过以下命令验证TensorFlow-GPU是否正确安装: ``` python -c "import tensorflow as tf; print(tf.__version__)" ``` 如果输出显示为2.4.0,则说明TensorFlow-GPU已经成功安装。 4. 接下来,在PyCharm中打开一个新的项目。在项目设置中,选择已创建的虚拟环境"tensorflow-gpu"作为项目的Python解释器。 5. 在PyCharm的终端中,使用以下命令来安装GPU版本的TensorFlow依赖项: ``` pip install tensorflow-gpu==2.4.0 ``` 6. 安装完成后,你可以编写和运行使用TensorFlow-GPU的代码了。 在配置过程中,可能会遇到一些问题。例如,TensorFlow-GPU要求计算机上安装了适当的显卡驱动程序,并且CUDA和cuDNN版本与TensorFlow-GPU的要求相匹配。此外,如果你在安装过程中遇到任何问题,可以尝试升级或降级AnacondaPyCharm和TensorFlow-GPU版本,以找到兼容的组合。 总之,通过Anaconda3和PyCharm配置TensorFlow-GPU 2.4.0深度学习环境是一项相对简单的任务。如果按照上述步骤操作,你应该能够成功地设置和使用TensorFlow-GPU来进行深度学习任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值