pycharm，windows+python27+tensorflow1.5.0, windows+docker(linux+python27+tensorflow1.1.0)的方案

以下都是在windows平台下的。

在另一台装了nvidia显卡的机器上，已经装了ubuntu的系统下的python的本地环境和docker实现。

之所以要在windows平台下安装深度学习框架，是因为要在笔记本的windows平台下写文档，不想完全切换到linux环境下。

windows平台下，没有nvidia-docker（已经改成了docker run --runtime=nvidia ...），所以win下使用docker的话，即使装了cudn，也不可能运行tensorflow-gpu，docker里的tensorflow只能是cpu版本的。

docker toolbox会启动一个VM虚拟机，是旧的在win下管理docker的工具，docker官网已经不推荐了，安装Docker for Windows Installer，win10专业版的话，自带的hyper-v会自动运行一个MobyLinuxVM虚拟机。

安装的docker for windows，开始下载的版本是最新的，switch转不到linux containers里，在docker的setting里不出现shared drives和advanced选项。后来找了一低版本的18.06可以用。也可能高版本是因为开始安装的docker toolbox造成的。

为了在windows下运行大量的python27+tensorflow1.X的代码，

有些代码是ipynb的，用jupyter notebook可以打开，安装anaconda ，里面可以点击启动jupyter notebook。

anaconda里，也可以直接在左侧菜单的《环境》里create不同版本的python。安装tensorflow的话，python27版本，使用pip install tensorflow==1.x，但是可能适合匹配的whl版本是没有的。往往要自己到网上寻找tensowflow1.x+cpy27+win的whl，我找到的一个1.5版本的，放在链接里https://download.csdn.net/download/yjm919/12033834。

python27+TF1.x+windows的组合，许多之前的代码都是基于python27+TF1.X这样的组合，在linux环境下很好搞定，但是windows下没人提供更多的软件组合的，也上不了tensorflow-gpu。windows下只能是个简单学习的环境吧。

 

以上安装成功在程序里运行时，tensorflow模块里，提示一些模块的找不到，可以在模块的那个文件夹里加上_init_.py,空文件也可以，表示这里可以是一个模块文件。一些模块，也可以加#注释掉，根本用不到的。我之前曾经tpu/proto 模块找不到，在文件夹里加了_init_.py不提示了，后来一些提示的模块找不到，就直接加#注释掉了。运行也没问题。

在pycharm（2019、3专业版）里，编译器选择，1、选择本地的配置方式，可以debug跟踪。 编译器选择anaconda environment里，选已存在的环境，然后 python选择 appdata目录anaconda里env下的特定版本的python，conda选择appdata里scripts下的conda。

2、选择docker方式，我下载了yiminglin/dl-image,进入docker run -it yiminglin/dl-image  /bin/bash， 在里面pip uninstall tensorflow-gpu，然后pip install tensorflow==1.1.0，然后新开一个窗口，docker commit  xxx  yjm/dl-image-cpu (xx为docker container ls 查出来id，只取前三位即可)。pycharm里加编译器时选docker，选择tcp://localhost:2357,后面就是运行的docker下面的images了，选择后，会列出所有安装的包，然后可以正常运行了。但是不能调试，代码的位置问题，也不想深究了。这里有一个docker的项目目录影射问题，可以在一个文件里，通过edit  “xxx”对这个文件进行编辑，如opt/project  影射到自己项目是/d//x/y/  即为d:\x\y\

其它的一些经验：

1、pip加速：

pip  instll  -i https//pyp.douban.com/simple/  hello-world..

https://pypi.douban.com/simple/ 豆瓣
 

https://mirrors.aliyun.com/pypi/simple/ 阿里

2、docker的 image文件通过docker save -o和 load -i实现不同机器之间移动。

3、搞了1个星期的这些环境搭建，还是在linux下幸福啊。