win10(GetForce GTX 1650 Ti)+cuda11.0.228+cudnn-x64-v8.0.2.39+Tensorflow-gpu2.4.1+Pytorch1.8.1（二）

电脑配置：win10+GetForce GTX 1650 Ti

除了本地有一个python3.9和pycharm以外，还没有安装anaconda。
这里也会讲到怎么把anaconda和pycharm融合在一起，以及对anaconda的一些理解。
【不过，之前就是因为一直觉得anaconda有自带python，而且原先pip的库还得重装，就觉得很麻烦，所以一直没装，后来还是考虑到大佬推荐以及tf在anconda安装更简便，所以还是屈服了。anaconda这几天使用下来，虽然确实有一点点的缺点，大多地方还是很Nice的！！安装后感觉真的也很方便，优点多于缺点】
这里，虽然我电脑本身装了Python，但是我仍然没有把原本的Py替换进anaconda的py中，原因就是因为懒。这里有大佬做了详细的替换教程：https://blog.csdn.net/qq_43529415/article/details/100847887

进入正题，安装anaconda:

第一步：官网下载

https://www.anaconda.com/

products选择第一个，然后划到最后：

现在已经是Python3.8的配置了，也就是说，你的anconda下载好后，自带的python版本是3.8,这点也会和后面安装tf等一系列操作相对应。（其实Python版本个人觉得不是安装的越高就越好的，很多软件他对应的python一般都是3.7和3.6等，但是！没关系，因为后来我才知道，在anaconda里面可以create环境，然后可以配置3.6-3.8版本的py。不过，因为刚开始不知道，所以由于anaconda下载好后，就为了匹配py3.8版本，cuda，cudnn也都对应被迫配置的很高，走了不少弯路，所以如果你清醒的话，还是不太建议cuda，cudnn以及Python配置太高的版本（这都是要和后面安装tf的版本一一对应的），很多教程Python都是配置3.6，cuda配置10.0，感觉好像更顺利一些。
关于配置版本一一对应问题，可以提前看：https://codechina.csdn.net/mirrors/fo40225/tensorflow-windows-wheel?utm_source=csdn_github_accelerator

下载成功后，一路Next,然后会碰到：
选择安装路径，一定要路径名称全为“英文”，如果有中文会报错哦~

继续next
【这里我说明一下，我看了很多教程，一般都是勾选了第二项，但是实际上我在安装的时候，第一和第二项都没勾选，但是不影响，第一项的意思应该是把anaconda加入环境变量，第二项意思是让anaconda中的python成为默认的编译器。】
第二项应该是打上勾方便些，没打也没关系，后面可以手动默认，第一项很多教程都不建议打勾，建议让自己去配置环境变量，所以后面也会讲到如果这两项没有打勾继续该怎么做。

Finish。

第二步,配置环境变量。
在 此电脑->左键->属性->高级系统设置->环境变量->系统变量->Path->添加：

如果之前安装了Python,这里也会看到你以前py的环境变量，此时可以把之前的删去，当然不删也可以。（注意：我把anaconda装在E盘了，要找到自己的位置）
不删除的话，运行Python可能默认还是原来的，但是如果你的anaconda的path在Py原本path的前面，也没有影响，因为我后来查了关于环境变量的一些知识，系统运行的时候，先运行系统变量，系统变量没有找到，在运行用户变量，并且一旦找到对应变量，将不再向下寻找，所以如果把anaconda的优先级设定高的话，碰巧默认的Python就正好是anaconda自带的了。

第三步：查看是否安装
cmd中：
conda --version
anaconda --version

显示安装的版本，成功。
输入python，显示当前Python为anaconda自带的版本3.8.5

此时，anaconda已经安装完毕了，在输入Python后，也可以在终端运行Python.当然这是不方便的，下面讲如何讲anaconda和pycharm结合，以及anaconda和jupter的结合使用。

【1】anaconda和pycharm结合

打开Pycharm,

File->setting


这里面最开始是没有anaconda的，需要右侧 设置里add



找到anaconda自带的python，选择就OK了
【这里面，也可以看出anaconda的自带python，就在他的目录之下：python.exe

然后，就可以在pycharm里使用anconda的包啦，这里加一点pycharm的使用小Tip:
最开始使用Pycharm的时候，它run的时候是只有结果，而不能单独调试的，需要选择run->edit confi…

勾选这个之后，就会有

方便调试和查看中间结果，当然也可以设置变量view。

在这个过程中，我“意外”发现：
选择Pycharm和anaconda结合时，setting的设置，

也可以选择，create 环境里面的python.exe,也就意味后面create环境之后，里面的tf或者pytorch在pycharm里用的时候，需要更改setting.以及也发现，在run一个程序的时候（也是上面edit…的选项菜单页）：

这里的编译器仍然可以选择，也就是说，我们第一步相当于是把新的编译器python加入（默认），第二步在运行程序的时候，可以选择已加入的其他的python。那么这样切换python，目前考虑到的是，首先Python的版本可以不同，有的程序里需要的库的版本，高版本py未必可以顺利运行。再一个是每个python下面pip的库不一样，那么这样隔断开来，就减少很多库与库之间，版本与版本不相容问题，当然这个在后面讲和jupter结合的时候会详说，包括后来安装Tf的时候感受到anaconda将环境隔断开的好处。
这里也是个人对anaconda的一点理解，他在Pycharm上实际的应用，即切换不同环境，还没有详细实践。
但是通过，在anaconda最初的base环境，使用 pip list 指令，查看了anaconda自带的安装包。当然后续，可以装了 tf等之后，再在tf环境下的pycharm里list看看，应该是不同的。（这个我目前仅在Jupter上实践且查看，印证了确实不同，后来也要说一下，conda install 库 和 pip install 库的区别）

【2】anaconda和jupter结合
在开始页面里，找到刚安装的anaconda，可以固定在界面里，以后方便启动。
图标为：

打开之后，注意：此处是选择环境的，当什么新环境都没创建时，只有一个Base环境。

左侧，环境中可以查看，你目前创造的环境，下方的create是后续我们讲tf的时候会详细说的。

在这个环境下，可以看到intalled是你已经安装的库，以及对应版本

这样表示，你安装的库是通过conda install安装的，即以后你创建的每一个环境，都会有这些基本的库

这表示，你是通过pip install安装，即这个库只在当前环境下能够使用，如果创建一个新环境，是没有这个库的，需要重新在新环境下Pip.
由此可以看出，conda install安装的库是所有环境通用，pip install安装的库是只有在当前环境下可用。
这样的好处就是，比如tf和pytorch是不兼容的，由于自身电脑配置，需要安装对应版本的tf和torch,而tf和torch他们需要依赖一些包，例如numpy，但是对numpy要求的版本有不一样，创建两个环境，可以起到一个类似隔离的作用，即我在tf环境下，运行tf，或者在torch环境下运行Torch,两者互不干扰。并且，在后续 我们安装tf的时候，很有可能出现版本不匹配，那么这个时候，如果我们卸载重装，就很有可能卸不干净，导致一些依赖包在后续冲突，创建多个环境就可以很好解决这个问题，如果有一个环境下的tf安装版本不对，直接清除这个环境即可，也不会影响到其他的一些存在。

使用Jupter lab:
在home里找到jupter lab刚开始需要Install,等待一会后，就可以Lauch打开了，jupter lab以页面形式展现，左侧是你的本地文件，他的位置应该是在jupter lab安装的位置（jupter lab 的安装化身为原始命令，其实也是pip install装上的，所以你pip安装包的位置在哪，他就在哪）

然后，你会发现 他只能单独上传文件，不多上传多个，这个很不方便，所以这里介绍一个方法，就是可以把你的文件打包上传，然后在jupter上解压：
此处附打包和解压的代码：
【 zipfile需要Pip】

import zipfile,os
#解压
path=''
zipName = 'used_car_testB_20200421.zip' #需要解压的文件的位置及名称
f = zipfile.ZipFile(zipName, 'r')
for file in f.namelist():
    f.extract(file, path)

#压缩打包
#要下载的是这个路径的内容
path='ansel/'
#ansel文件夹举例，将该文件夹压缩
import zipfile,os
zipName = 'ansel.zip' #压缩后文件的位置及名称
f = zipfile.ZipFile( zipName, 'w', zipfile.ZIP_DEFLATED )
for dirpath, dirnames, filenames in os.walk(path):
    for filename in filenames:
        print(filename)
        f.write(os.path.join(dirpath,filename))
f.close()

当然，最好找找你的jupter安装到哪儿，直接本地电脑里，往上面上传是最方便的。
比如我的在：
C:\Users\admin…

【天池实验室也是依托的Jupter，所以操作类似，默默吐槽ai stadio上传数据量是有限制的】

查看当前环境下，conda和pip安装包情况：

conda list  #xxxxx\Anaconda3\pkgs下是用conda install安装的所有包，所有的env都可以共用这个文件夹里的包
#conda list个人理解会显示当前环境下的所有包，所以不同env下conda list的结果是不一样的
#Pip list显示的内容没有conda list多，pip是安装到当前环境下的xxxx\Anaconda3\envs\a_conda_env\Lib\site-packages。
#在conda list显示结果中有<pip>的表示是使用pip install安装的
pip list

记住，如果新安装了包，或者升级了库，一定要将现在的程序（需要运行这些库的程序），shut down,然后restart kenel。否则，新装的用不了，不然你就重启jupter。

这样 anaconda就安装好啦，后面会讲最麻烦也是重头戏，安装cuda和cundnn。