目录
前言
为了完成games102的作业而下载anaconda。使用anaconda下载python。
参考资料为极客学院的教程：
https://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html
总结
总结我的配置：
anaconda python3.6+cuda11.2+cudnn8.1+tensorflow_gpu 2.6.0
anaconda介绍
Anaconda 是一个集成许多第三方科学计算库的 Python 科学计算环境,Anaconda 使用 conda 作为自己的包管理工具,同时具有自己的计算环境,类似 Virtualenv.
和 Virtualenv 一样,不同 Python 工程需要的依赖包,conda 将他们存储在不同的地方。 TensorFlow 上安装的 Anaconda 不会对之前安装的 Python 包进行覆盖.
安装 Anaconda
建立一个 conda 计算环境
激活环境,使用 conda 安装 TensorFlow
安装成功后,每次使用 TensorFlow 的时候需要激活 conda 环境
安装anaconda：成功！
首先需要确定适配tensorflow的python版本
大部分教程使用的都是python3.6
我们可以在tensorflow官网上找到经过测试的tensorflow构建环境
根据这篇blog
深度学习环境总共有三个方面的版本对应需要注意
版本对应关系：
显卡驱动、算力、cuda版本等查看CUDA发行文档说明
torch与torchvision版本对应
TensorFlow相关版本对应
我目前使用的显卡是
但是cuda官网居然没有列
但是cuda官网有NVidia和cuda的版本号对应
按照这个bolg所说，打开nvidia控制面板之后，就看到我的显卡对应的合适的cuda版本。最高是cuda11.2.162。所以我打算找这个cuda对应的anaconda和python。
在tensorflow官网对最低版本的软硬件的支持也写了至少cuda11.2
总而言之，现在比较适合我的就是这一套tensorflow
所以我要选择python3.6版本的anaconda
在这里下载历史版本
根据别人说3.6的anaconda对应的安装包是这个
下载好后安装过程参见这个blog
唯一需要注意的是安装目录和是否将anaconda设为默认的python
安装目录：
是否设为默认python和配置环境变量：
本来想顺便把vscode装了的 但是一直显示我没有联网 所以安装失败 算了 改天再装
但是我安装完发现打不开anaconda
在cmd中打开提示是
C:\Users\80955>anaconda-navigator
2022-01-20 16:12:15,360 - ERROR download_api._get_url:378
Expecting value: line 1 column 1 (char 0)
Traceback (most recent call last):
File "C:\Users\80955\Anaconda3\lib\site-packages\anaconda_navigator\widgets\main_window.py", line 484, in setup
self.post_setup(conda_data=conda_data)
File "C:\Users\80955\Anaconda3\lib\site-packages\anaconda_navigator\widgets\main_window.py", line 521, in post_setup
self.tab_home.setup(conda_data)
File "C:\Users\80955\Anaconda3\lib\site-packages\anaconda_navigator\widgets\tabs\home.py", line 169, in setup
self.set_applications(applications, packages)
File "C:\Users\80955\Anaconda3\lib\site-packages\anaconda_navigator\widgets\tabs\home.py", line 204, in set_applications
apps = self.api.process_apps(applications, prefix=self.current_prefix)
File "C:\Users\80955\Anaconda3\lib\site-packages\anaconda_navigator\api\anaconda_api.py", line 811, in process_apps
versions=[vsdata.get('productVersion')],
AttributeError: 'str' object has no attribute 'get'
上网查之后发现应该是VScode没有安装成功的问题
所以我就卸载重装了一下 装到vscode的时候，
在anaconda目录下pkgs文件夹下面C:\Users\80955\Anaconda3\pkgs ，找到vscode_inst.py文档，第110行原为：
VSCODE_ENDPOINT = ‘https://vscode-update.azurewebsites.net/api/update/{}/stable/version’.format
改为
VSCODE_ENDPOINT = ‘https://update.code.visualstudio.com/api/update/{}/stable/version’.format(VSCODE_SUBDIR) # NOQA
然后还是会报那个错
所以我
按照这个blog
一、查找安装路径C:\Users\80955\Anaconda3\Lib\site-packages\anaconda_navigator\api文件夹下找到anaconda_api.py文件，找[vsdata.get(‘productVersion’)]
二、修改versions的值为:versions=[“https://update.code.visualstudio.com/api/update/win32-x64/stable/version”]，anaocnda navigator就能顺利启动
安装cuda：成功
到官网下载cuda的11.2.1版本
设置-应用-卸载nvidia frameview.
叫我卸载这个，但是我不是很想卸载这个
有人说安装tensorflow会自动安装对应的cuda版本？
是不是真的？好像不是真的。
TensorFlow 的 GPU 特性只支持 NVidia Compute Capability >= 3.5 的显卡. 被支持的显卡 包括但不限于:
NVidia Titan
NVidia Titan X
NVidia K20
NVidia K40
下载并安装 Cuda Toolkit 7.0
我卸载了这个
然后 再次安装 我选择安装推荐的精简版本，没有选择自定义的高级版本，现在正在安装中。安装成功了。
安装cudnn：成功
cuda和cudnn版本对应官网链接
安装成功后将cuDNN文件粘贴至CUDA下载路径（共四步）
本机CUDA安装路径为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
（一）依次复制cuDNN的bin，include，lib至CUDA的bin，include，lib（如下三张图）
（二）添加系统环境变量
但是tensorflow的官网上要加的系统变量好像更多一些
官网
我还没有加 或许下次有问题了再加？
重启电脑 / 输入命令让环境变量生效
（一）输入命令：
set PATH=c:
echo %PATH%
（二）关闭窗口，重新输入
echo %PATH%
（三）输入：
nvcc -V
如图：（可见CUDA版本号）
检查安装是否成功
（通过NVIDIA提供的 deviceQuery.exe 和 bandwidthTest.exe 来查看GPU的状态，两者均在安装目录的 extras\demo_suite文件夹中 ）
（一）cmd进入CUDA文件夹下的\extras\demo_suite
执行.\bandwidthTest.exe 或者deviceQuery.exe
安装tensorflow-gpu
参考这篇文章
我适合这个：
所以我要安装tensorflow_gpu-2.6.0
按照这篇文章
打开anaconda prompt，输入：conda create -n tensorflow python=3.6
创建一个conda环境，名称：tensorflow，使用python3.6作为解释器。
激活刚刚建好的环境，对这个环境进行处理。
输入：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu
默认安装最新版
旧版可以这样
pip install tensorflow==2.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
安装tensorflow2.4，也可以是其他版本，2X版本不区分cpu和gpu了。我想要的版本是2。6.0就是最新版，所以我不使用旧版了。
-i是使用外部源的标志位可以替换如其他源：
阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学（快） https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
安装成功
检验安装是否成功
以后可能有用
可以添加一些镜像源增加anaconda下载速度
按照这篇文章：3060安装tensorflow的心得添加镜像源
其他问题：
在运行的过程中，即使什么软件都没有打开的情况下还是会出现RUN_OUT_OF_MEMORY 的情况，主要是由于有程序占用部分显存，tensorflow默认直接占用全部显存，所有需要修改一下使用显存配置。添加如下两行，设置为按需分配：
gpus = tf.config.experimental.list_physical_devices(‘GPU’)
tf.config.experimental.set_memory_growth(gpus[0], True)
安装好了以后就可以看自己的情况安装自己需要使用的库了。
输入：pip install numpy
输入：pip install sklearn
输入：pip install pandas
输入：pip install matplotlib
下面进行pycharm的安装
参考以下链接pycharm安装和使用
点击Create New Project，接下来是重点
Location是我们存放工程的路径，
4.左侧有4种选择：Virtualenv Environment、Conda Environment、System Interpreter、Pipenv Environment
①其中System Interpreter如字面意思，系统里安装的本地Python作为解释器，一般很少用，不推荐；
②Pipenv Environment，只知道pip包的一个管理模块，不了解；
③说一下Virtualenv Environment和Conda Environment。网上其实有很多资料了，找了两天，我还是没看明白Virtualenv Environment和Conda Environment的区别到底在哪里。后来觉得也不用太纠结这个问题，先会用，满足学习和工作的需要就行，这才是工具最大的意义。后面在使用中一定会遇到很多坑，自己一点一点总结就可以了。
简单说，Virtualenv Environment使项目拥有独立的Python环境，各项目之间不会因为版本依赖、库依赖受到影响。
④选择Conda Enviroment，项目文件夹会在Anaconda下面，独立于系统解释器的版本环境，会继承Anaconda下所有的包。
仅是自己学习的话，选择Virtualenv Environment或者Conda Enviroment都可。我常用Virtualenv Environment。
这个链接教了我们如何给github上下载的项目构建环境（包括命令行和图形界面）
上面是创建新环境
下面是使用现有的环境
因为我之前已经创建了一个名为tensorflow的环境
所以我就不修改这个环境了（虽然我挺想再创建一个名为计算机图形学作业的环境 但是那个环境里面可能就要把tensorflow重新装一遍 我觉得懒得 虽然不同的项目用的包不同 但是到底几个项目公用一个环境是合适的呢？ 我不理解）
我想了一下 或许 tensorflow一个工作环境 pytorch一个工作环境 就够了 反正我就是用来深度学习+计算机图形学的 把 计算机图形学又不知道用什么别的东西去了 即使特别的包应该也不会很大 把。。。