笔记本windows10 + Anaconda3 + PyCharm 基于TensorFlow-GPU1.15环境配置

1、配置前的准备

1.1环境要求

1. python3.6
2. TensorFlow-GPU1.15
3. CUDA9.0 + CUDNN7.3

1.2Anaconda的安装

直接官网下载即可

1.3PyCharm的安装

同上，官网下载即可

1.4Anaconda的虚拟环境常用命令

（1）检查conda版本

conda --version

（2）列出所有环境

conda env list

（3）查看环境中安装的包

pip list

（4）conda升级

conda update conda      # 升级conda 
conda update anaconda   # 升级anaconda前要先升级conda
conda update --all      # 升级所有包

（5）conda升级后释放空间

conda clearn -p     # 清除无用的包
conda clearn -t     # 删除保存下来的压缩文件（.tar）

1.5虚拟环境管理

（1）创建环境

conda create -n env_name python=3.6

其中env_name是你创建的环境的名称，python的版本可以自定义
（2）激活环境

activate env_name

注：新的环境会默认安装在你conda目录下的envs文件下，你可以自己指定其他路径，后续实际操作中我会提及。
（3）切换到初始环境

conda deactivate

（4）删除环境

conda env remove -n env_name

我在实际操作过程中发现即使在终端执行该命令后，envs文件夹下依旧会存在一个空文件夹，要是想重复创建一个与原来虚拟环境同名的环境，则需要先删除那个空文件。

2、管理环境中的包

2.1常用命令

（1）安装包和安装特定版本的包

conda install package-name
conda install package-name==version

（2）查看所有已安装的包

pip list

（3）卸载和更新包

conda remove package-name     # 删除某一个包
conda update package-name     # 更新某一个包
conda update --all            # 升级所有包

3、环境配置

3.1创建虚拟环境

首先打开电脑左下角开始中的Anaconda文件夹，文件夹中有两个 Anaconda Prompt。我们选择 Anaconda Prompt(Anaconda)，点击打开。

输入

conda env list

先查看当前的环境

conda create --name env_name python=3.6

输入 y

conda env list

检查环境是否创建成功，若显示出你创建的虚拟环境名字则成功

虚拟环境创建成功后激活进入虚拟环境

activate env_name

如下图所示

3.2通过pip安装TensorFlow

由于国内网络限制，所以推荐用阿里的镜像进行安装

pip install tensorflow-gpu==1.15 -i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com

当完成后，通过如下命令查看环境中是否安装了TensorFlow

pip list

可以看出TensorFlow已经安装成功。

3.3CUDA的安装

在安装CUDA前，首先需要确认笔记本最高可支持的版本，可以在桌面上单击鼠标右键。
选择NVIDIA控制面板——>帮助——>系统信息——>组件

在产品名称那一列可以看到版本号，当前电脑的版本是11.0.228，在安装CUDA时低于这个版本即可。
在下列网址下载CUDA9

https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

下载完后开始安装，建议安装在默认位置，记得以管理员身份运行


至此，安装完毕
接下来测试CUDA是否安装成功
在搜索框内输入cmd打开命令提示符，并在其中输入

nvcc -V

如上图所示，即安装成功

3.4cuDNN安装

首先进入cuDNN的下载地址，进行cuDNN的下载，若是想下载其他cuDNN版本，也可自行寻找，但是要记得cuDNN的版本需要和CUDA的版本匹配。
https://developer.nvidia.com/rdp/cudnn-archive

将下载后的压缩包进行解压，直接解压在CUDA的安装路径下

解压后的cuDNN会将这三个文件进行替换，如果无法直接解压进去，可以复制解压后的三个文件，进入CUDA v9.0所在的文件夹进行粘贴替换。

默认路径一般会在这里

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

注：会出现需要管理员权限的提示，选择管理员权限即可。

3.5配置环境变量

首先鼠标右击 此电脑 点击属性打开 高级系统设置

点击环境变量，我们可以看见系统变量一栏中已经多出了如下两个变量

接下来还需要在系统变量里添加如下
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

添加后如下图所示

单击系统变量中的 PATH 选择编辑进入

进入后若看见以下

安装完成

3.6检查安装是否成功

在搜索框输入cmd进入命令提示符界面，输入

 nvidia-smi 

该命令可以查看目前GPU使用情况

出现上述页面即代表全部安装成功！！！

4、在PyCharm配置虚拟环境

4.1设置运行环境

打开pycharm后，打开你要运行的工程，然后点击页面左上角的File

再点击File中的Settings,打开如下界面

点击Project中的Python Interpreter显示如上界面。
然后点击横框的向下的那个三角形，显示如下界面。


点击 + 号后，操作如下所示

点击OK，选中所需的虚拟环境即可。
至此，配置已全部完成。

4.2PyCharm中安装包

同样是在Settings界面中，点击下图中的 + 号，在弹出来的界面中查找自己所需要的包


点击红框按键即可，安装成功后，左下角会弹出安装成功的提示。

目前深度学习的环境配置已基本完成，在后续跑模型的时候，查看模型需要哪些包，另行安装即可。