借助北外镜像用miniconda从零开始搭建深度学习框架pytorch和tensorflow

前言

此教程适合第一次接触深度学习的同学。
本菜鸡突然被迫改变方向开始接触深度学习，但是搭建环境却让我非常难受，我很怕我自己跟着网上的教程搭建出问题，因为时间有点赶所以直接请教了一个大佬。前提是电脑已经装好了python3.8（此版本只是基础，实际上后面会在conda的环境中重新安装python3.7，但是环境外的python也必须要有)

北外镜像

使用镜像是为了让安装速度快一些，不用等那么久。现在的北外镜像比清华镜像速度稍微快一些，在百度直接搜索北外镜像，点击第一条就是，找到anaconda然后点进去，如图所示：

1. 选择anaconda 点进去以后显示以上界面；
2. 用户目录 指的是自己电脑c盘下的C:\Users\xd_w，其中xd_w是我的名字，选择你自己的即可。点进去会发现你没有.condarc文件（此文件是为了更换anaconda的源，不然使用这个镜像可能会用不了）；
3. 为了创建该文件，只能通过cmd控制台，使用 conda config --set show_channel_urls yes 命令创建该文件，然后将该文件用vscode打开（不能用记事本打开，会出错）；
4. 用图中网页里的代码替换该文件的内容：
5. 打开该链接（图中5）下载miniconda (版本如下图所示)；
   

安装anaconda

点开下载的miniconda傻瓜式安装即可，需要注意的是，安装位置最好不在c盘，选择一个自己创建的文件夹,并将其命名为miniconda3，方便后续查找自己安装的环境。

在conda中搭建pytorch

1.在cmd控制台中使用conda检测conda是否安装成功，在出现以下界面即为安装成功

2.使用命令conda create -n torch_xdw python=3.7在conda中创建一个环境，其中torch_xdw是我对这个环境的命名，我将在这个环境中安装pytorch，所以将之取名为torch，xdw是为了区分，python=3.7则在这个环境中指明了python使用3.7版本，对python版本进行指定是为了防止版本过高在后续的使用中出现错误。
3.第2步成功以后则说明已经创建了名为torch_xdw的环境，接下来采用命令conda activate torch_xdw启动这个环境。
4.环境启动以后，安装pytorch,打开链接: https://pytorch.org/get-started/locally/.选择对应版本的命令，在已经启动的conda环境中运行该命令

5.安装好以后，在cmd控制台中退出conda的环境，使用conda deactivate torch_xdw命令。则pytorch的环境就搭建好了。
6.为了验证能否正常使用，启动电脑中的pycharm,将interpreter更换为你刚刚安装miniconda所在位置的torch环境下的python,如下图所示。

注：图中py37是我的创建的另一个环境（与torch_xdw一样）。

pytorch安装后使用代码验证

在pycharm中更换了interpreter以后，就可以运行深度学习的代码了，我试了一下官网的这个小例子https://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html#sphx-glr-beginner-blitz-cifar10-tutorial-py.官网上有很多例子，对于学习深度学习非常有帮助。 在运行代码的时候加一个主函数然后把非函数代码放到主函数就可以了。

安装tensorflow

在已经有了安装pytorch的经验以后，tensorflow安装起来就会顺利得多，值得注意的是tensorflow有版本割裂的问题，能用tensorflow2跑出来的代码，换成tensorflow3可能就不行了，所以初学者尽量用pytorch，上手会快一些。
在装pytorch的过程中，将在启动conda和退出conda两个步骤之间的步骤改为安装tensorflow即可,
1，conda create --name tensorflow python=3.6这样的话就创建了一个名字为tensorflow的环境，并且它的里面已经装好了python3.6的环境，版本直接固定。
2，conda activate tensorflow激活这个新建的环境
3，验证一下tensorflow环境中的python版本对不对python --version
4，下一步继续在tensorflow环境中安装tensorflow2.0.0，安装cpu版本则继续输入pip install tensorflow==2.0.0-alpha0
安装完成后就直接在tensorflow环境中的python里import tensorflow中测试是否可以import。
注意 conda是用来管理环境的，所以在装tensorflow环境时，需要重新开创一个环境，所以意思就是，最好把不同的框架装在不同的环境里，可以在以下目录中找到自己装的环境，在更换pycharm的interpreter时也是在这里找到对应环境中的python

总结

有人说，搭环境真的又累又没营养，我表示赞同，耗费很长时间搭出来的环境有可能还错误百出，希望以后大家能用更少的时间搭出正确的环境。