Anaconda的安装与常用指令
本人第一次接触到Anaconda是在安装TensorFlow的时候,原先的Py版本过高不兼容,通过Anaconda创建了Python 3.5版本后才能顺利安装。
个人理解,Anaconda的用途是创建具备不同配置的程序环境。
conda -verson
#用来检验conda是否正确安装
conda update conda
#更新codna
conda --help
codna -h
#查看帮助信息
conda create -n <the_env_name> <package_names>
#conda create -n python3.5 python=3.5
#package用来指定包名
#-n是--name的简写
activate <the_env_name>
#激活虚拟环境
deactivate
#退出虚拟环境
conda info -e
conda info --envs
#显示已经创建的环境的信息
conda remove -n <the_env_name> --all
#删除指定的虚拟环境
conda install --name <the_env_name> <package_name>
#在虚拟环境中安装包
conda install <package_name>
#在当前的虚拟环境中安装包(比较省心)
pip install <package_name>
#使用pip安装方式在当前虚拟环境中安装包
Pycharm的安装与使用(暂时搁置)
本人码龄尚且处于入门阶段,连sublime都没有用熟。因此在安装了Pycharm后发现完全摸不着头脑。目前正在zhihu上恶补Pycharm的用途。
Jupyter Notebook安装
Anaconda自带。
Tensorflow GPU版本的安装
1.首先需要安装CUDA与CuDNN。本人显卡为1066,因此首先查询显卡支持的CUDA版本。
https://developer.nvidia.com/cuda-gpus
2.然后下载对应版本的CUDA
https://developer.nvidia.com/cuda-toolkit-archive
3.下载对应CUDA版本的CuDNN
https://developer.nvidia.com/rdp/cudnn-archive
4.安装TensorFlow
据传只要更改TensorFlow中的一些参数就可以适配Python 3.7,然而我这里试了无数次也没能成功,因此选择通过Anaconda创建Python 3.6环境的方式来适配TensorFlow。
conda create -n tensorflow-gpu python=3.6
#创建Python 3.6虚拟环境
conda activate tensorflow-gpu
#激活虚拟环境
pip install --ignore-installed --upgrade tensorflow-gpu
#通过pip方式安装tensorflow-gpu
#据传pip版本过低也会导致安装失败,因此可以通过python -m pip install --upgrade pip指令进行升级后再尝试
然后可以通过如下代码检查tensorflow是否正确安装:
import tensorflow as tf
sess = tf.Session()
a = tf.constant(1)
b = tf.constant(2)
print(sess.run(a+b))
#输出结果无报错则安装正确
#话说是不是还有别的更简洁的测试方法...