Keras学习笔记（2）——从零开始配置开发环境

开发环境

Anaconda3个人版Python3.8 64位
PyCharm社区版
tensorflow 2.3.1

闲聊几句

电脑由于硬盘故障的原因重装了，正好记录下从零开始配置开发环境的过程，当然这里的开发还是针对python量化交易。
刚开始接触量化交易时，使用的是通过字王的zwPython，这是一个特别适合上手的Python发行版本，里面集成了量化、深度学习等框架，解压后直接使用，开发人员无需再在环境配置上耗费时间。这里也特别感谢字王。
随着开发和学习的深入，略感zwPython的一些限制，比如各包的版本固定，更新较慢等，最终推动我换工具的原因还是zwPython里集成的IDE：Visual Studio Code。其实对于像这样在Windows上做C++开发出身的码农来说，长年使用VS后，直接转VS Code应该非常容易上手，而且VS Code有Vim插件，支持断点调试，就足以支撑开发。但是。。它崩溃的频率实在太频繁了，用了3台电脑，装了各种版本的VS Code，安装了各种频发提示的更新，照样经常崩溃。无奈只能寻找其他工具了。
没经过太多尝试，目前用的比较顺手的组合式Anaconda + PyCharm + Keras，下面记录下配置过程。

安装包下载

重装后，电脑的操作系统为Win7 64位，CPU i5-8500，内存64G，显卡GTX1060。

下载Anaconda3
选择Anaconda3个人版64位，免费的，里面包含的是Python 3.8，下载链接。
下载PyCharm
选择PyCharm社区版，免费的，下载链接。
下载CUDA和cuDNN（使用CPU版本tensorflow可跳过此步骤）
tensorflow默认加载的CUDA版本为10.1，cuDNN版本为7。
下载CUDA10.1，下载链接。
选择cuDNN v7.6.5 (November 5th, 2019), for CUDA 10.1下的cuDNN Library for Windows 7，可尝试下载链接，若链接已失效，则需要到NVIDIA开发者网站上找到对应的包，按照提示注册下载，也是免费的。

安装

安装Anaconda3
打开安装包，按照提示一步步安装，我习惯把Anaconda安装到根目录下（C:\Anaconda3）。

然后把不建议的选项也勾选上。
安装PyCharm
根据个人偏好设置，这里我只勾选了下图的几个选项，其他都按默认选项一路选择下一步安装。安装完成后需要重启电脑，重启即可。
安装CUDA和cuDNN（使用CPU版本tensorflow可跳过此步骤）
首先安装CUDA主程序，需要选择安装目录，这里建议不要安装在带有空格或者中文的目录内（虽然默认是安装在“Program Files”这样带空格的目录内），因为有些库对这样的目录支持不是很完善，可能会引起程序异常，按照个人习惯，我安装目录配置如下图所示：

解压下载好的cnDNN，然后按照下面的路径进行文件拷贝：

复制<解压目录>\cuda\bin\内的文件到D:\CUDA\v10.1\bin
复制<解压目录>\cuda\ include\内的文件到D:\CUDA\v10.1\include
复制<解压目录>\cuda\lib\x64\内的文件到D:\CUDA\v10.1\lib\x64

tensorflow安装
tensorflow的下载和安装均在配置过程中完成，参见下一部分。

配置

在PyCharm中配置Anaconda

启动PyCharm，首次启动需要做简单的配置，按照个人偏好配置即可。打开PyCharm后，来配置Python解释器。打开File菜单，点击Settings…
在这里插入图片描述
在左侧Project选项下，点击Python Interpreter。

点击右侧面板Python Interpreter最右侧的齿轮按钮，选择Add…
在这里插入图片描述

在打开的面板中，点击左侧Conda Environment选项。
在这里插入图片描述

在右侧的面板中选择Existing environment，然后点击下面的Interpreter最后侧…按钮。

在这里插入图片描述

在弹出的窗口中，找到安装的Anaconda下的python.exe文件，点击OK。
在这里插入图片描述

勾选Existing environment下的Make available to all projects，然后一路点击OK，完成PyCharm下Anaconda的配置。
在这里插入图片描述
2. 配置安装tensorflow
2.1 设置清华镜像源
打开PyCharm，在PyCharm最下方的标签栏里点击打开Terminal。

输入以下命令切换源：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

2.2 安装tensorflow
有NVIDIA显卡则安装GPU版本：

pip install tensorflow-gpu==2.3.1

没有NVIDIA显卡则安装CPU版本：

pip install tensorflow-cpu==2.3.1

2.3 安装Microsoft Visual C++ 可再发行软件包
完成上述安装后，可能还会报错tensorflow无法运行。我遇到的情况是，在有NVIDIA显卡的机器上，按上述流程安装GPU版本的tensorflow，程序可以正常运行。在没有NVIDIA显卡的机器上，按照上述流程安装CPU版本的tensorflow，程序依然无法正常运行。解决方案是安装Microsoft Visual C++ 可再发行软件包，下载链接。
至此就完成了开发环境的配置，在该开发环境中可以成功运行Keras网站上的Code examples。

其他包安装

在PyCharm的Terminal可以通过命令安装所需的包。例如，针对量化交易可以安装baostock及backtrader包：

pip install baostock -i https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host pypi.tuna.tsinghua.edu.cn
pip install backtrader

欢迎大家关注、点赞、转发、留言，感谢支持！
为了便于相互交流学习，已建微信群，感兴趣的读者请加微信。
近期新建QQ群：676186743，方便资料共享，定期发布学习任务，欢迎加入！
在这里插入图片描述

在这里插入图片描述