Anaconda、PyCharm、Tensorflow环境的配置及安装

核心参考网址：手把手教學快速建置開發AI的環境(WIN10、Anaconda(Python, Tensorflow, CUDA, cuDNN)、Pycharm)

其核心步骤可总结为以下四步：

第一步：安装 Anaconda

网址为：
Anaconda

第二步：安装 PyCharm

网址为：
pycharm2021.3安装网址1
pycharm2021.3安装网址2

第三步：测试 Anaconda 环境

1）基本命令

打开 cmd 命令窗口，输入以下命令：

conda -V   # 查看 conda  版本号
python -V  # 查看 python 版本号
conda list  # 查看当前虚拟环境中的套件
conda install lxml   # 安装 lxml 
conda env list  # 查看虚拟环境

值得一提的是，conda env list 命令非常重要！该命令用以查看当前系统内共有多少个虚拟环境！

可是，我们为什么要创建多个虚拟环境呢？一个虚拟环境不可以吗？
举例说明： 现在的Tensorflow有很多个版本，比如说你最开始做开发的时候，是用Tensorflow的1.9版本做开发，开发后的程序顺利交付给顾客。后来，你的Tensorflow升级为2.0版本了。但此时，你以前的顾客有新的需求，需要你继续修改你交付出去的基于1.9版本开发的程序，此时，你无法在2.0的环境下来修改旧的程序（因为程序可能会出问题）。这个时候，你就需要1.9版本的环境。而Anaconda可以实现多个虚拟环境的隔离，通过包管理与环境管理的功能，解决多版本python并存、切换以及各种第三方包安装问题。如下图所示，你有四个程式码，四个虚拟环境，每个程式码可在一个虚拟环境中顺利执行，Anaconda给不同程式码提供了不同的虚拟环境，确保程式码的顺利运行。

我们先输入 conda env list 命令，查看一下当前系统有哪些虚拟环境？

由上图可知，目前只有一个base环境，即预设环境。现在我们将使用以下命令创建新的环境：

conda create --name 虚拟环境名称 python==3.7  

这里说一下python的版本选取，不同的 Tensorflow 需要对应不同的 python 版本，比如Tensorflow 1.6只能用python 3.5-3.6等，具体见下表：

2）创建虚拟环境

好，下面我们创建两个新的虚拟环境。

conda create --name tf_1.9 python=3.6
conda create --name tf_2.0 python=3.7

重新输入查看系统环境的命令，可看到，除了base环境以外，新增了名称为 tf_1.9 和 tf_2.0 的虚拟环境，如下图所示：

（PS：天天同学建议我，base环境一般不做修改，最好只改新建的虚拟环境，新建的环境随便嚯嚯）

3）进入/退出/删除 虚拟环境

三条命令分别如下所示：

activate your_env_name(虚拟环境名称)  #进入虚拟环境
deactivate your_env_name(虚拟环境名称)  #退出虚拟环境（Windows）
conda remove -n your_env_name(虚拟环境名称) --all   #删除虚拟环境
conda remove --name $your_env_name  $package_name（包名） #删除虚拟环境中的包
source deactivate your_env_name(虚拟环境名称)  #退出虚拟环境（Linux）

下面，我们进入 tf_1.9 虚拟环境中，并查看该虚拟环境中的套件：

随后，我们在该虚拟环境中，安装 Tensorflow 1.9，命令如下：

conda insatall tensorflow-gpu=1.9

（注意，这里需要打gpu，不然会默认安装CPU的版本。。。。）

（该过程会等候很久…）

安装完毕后，输入 conda list 查看套件，可以发现，不仅可以看到 Tensorflow 1.9，还可以看到 cudatoolkit 9.0 及 cudnn 7.6.5 也自动安装完毕（我们也在 tf_2.0 的虚拟环境中安装 Tensorflow 2.0，步骤类似）。此时可以用 Deactivate 命令跳出 tf_1.9 的虚拟环境。

4）测试 tensorflow 是否安装成功

测试 tensorflow 是否安装成功：

python
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

（最后一条的print命令耗时较长，需要等待一会…）

测试结果为：

可以看到抓到一个 CPU和一个GPU，其中GPU的名字为 GeForce RTX 3080，计算能力为 8.6 。
此时说明了：你刚刚安装的 tensorflow 的版本已经装到了你的GPU，一切都是正常的。此时按 Ctrl+Z 即可离开 该虚拟环境。（或者输入 exit() 也可退出）

5）进入 jupyter

jupyter notebook

此时会以网页的方式呈现：

可在该网页中，新建一个python页面（先点 New 、再点 Python）

此时会新弹出一个窗口，用以编辑python，如下图：

关掉页面后，命令窗口中按 Ctrl + C 即可退出。

第四步：测试 PyCharm

在 PyCharm 里面开一个 Project ，相当于（你可以把他想为）也创立了一个虚拟环境。

回顾，在第三步中，我们创建了两个虚拟环境，一是 tf_1.9，二是 tf_2.0 。 这两个环境变量的路径可通过 conda env list 命令查看，在C盘 users 中，见下图：

好，接下来，我们打开 PyCharm ，新建一个 名为 first_try的 Project。并选用 Conda 工具新建环境，选择 python 为3.10版本。（如下图）：

至此，我们可以想象为，创立了一个新的虚拟环境！

我们重新打开命令串口，输入 “conda env list”，可以看到新增了名为 first_try 的虚拟环境：

由于我们刚刚在 第三步中的 命令行里，用 anaconda 也创建了两个虚拟环境（即：tf_1.9 及 tf_2.0 ），因此，我们这里把刚刚在第三步中的那两个虚拟环境也加到 PyCharm 里！！！我们打开 “文件”，“设置（settings）”，“项目（Project）”，“Python 解析器” 后，点下图中的“倒三角” 及 “全部显示”：

再点 “+” 号，最后把 tf_2.0 及 tf_1.9 加进来即可！

路径选择方法如下：
即寻找 conda env list 命令中显示的路径中的 python.exe，如下图：

添加到 “现有环境” 的 “解释器” 中：

依次添加 tf_2.0 及 tf_1.9 这两个虚拟环境后的结果如下图，此时共有三个虚拟环境了：

此时，pycharm中的py代码可以调用上述三个虚拟环境中的任意一个虚拟环境了。

随后，我们在 first_try 文件夹下（即 project 下），右键，新建，python文件，命名为： my_first_test.py

在 “文件”，“设置（settings）”，“项目（Project）”，“Python 解析器” 中切换虚拟环境为“tf_1.9”

并运行以下代码，可以看到 也可以找到 GPU 的信息，并且正常打印 tensorflow 版本型号,1.9。

import tensorflow as tf
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
print("tf version = ",tf.__version__)

好，接下来我们转换一下虚拟环境，一样的，选择 “文件”，“设置（settings）”，“项目（Project）”，“Python 解析器” 后，选择 tf_2.0, 点 “应用”及“确定”即可。

此时再次运行相同的 my_first_test.py 脚本，可发现，输出的信息显示为 2.0 了，并且可以读到 GPU 信息。因此，说明虚拟环境转换正确！

至此，机器学习的基础环境及工具搭建完毕！

后续学习：keras

基础概念介绍：

1）Conda是一个包管理器；Anaconda才是一个python发行版。虽然conda是用Anaconda打包的， 但是它们两个的目标是完全不同的。软件发行版是在系统上提前编译和配置好的软件包集合， 装好了后就可以直接用。包管理器是自动化软件安装，更新，卸载的一种工具。Conda，有命令”conda install”, “conda update”, “conda remove”, 所以很明显， conda是包管理器。

2）其实，你把 Anaconda 装完后，python就已经装完了，并且相应的tool也都安装完毕了。不需要再单独地去安装 python 了。

3）Conda是适用于任何语言的软件包、依赖项和环境管理系统–包括Python，R，Ruby，Lua，Scala，Java，JavaScript，C / C ++，FORTRAN等。Conda是在Windows、macOS和Linux上运行的开源软件包管理系统和环境管理系统。Conda可以快速安装、运行和更新软件包及其依赖项。Conda可以轻松地在本地计算机上的环境中创建，保存，加载和切换。它是为Python程序创建的，但可以打包和分发适用于任何语言的软件。

4）Conda作为软件包管理器，可以帮助您查找和安装软件包。如果您需要一个能够使用不同版本Python的软件包，则无需切换到其他环境管理器，因为conda也是环境管理器。仅需几个命令，您就可以设置一个完全独立的环境来运行不同版本的Python，同时继续在正常环境中运行喜欢的Python版本。

5）在默认配置下，conda可以安装和管理来自repo.anaconda.com仓库的7,500多个软件包，该仓库由Anaconda生成，审查和维护。