anaconda建立虛擬環境安裝不同深度學習框架

最近帶乙個學弟做畢設，深度學習方向，需要安裝tensorflow、pytorch等深度學習框架。想當初自己是新手的時候可沒少被配環境、安裝深度學習框架折騰…吃一塹長一智，趁著帶畢設，重新回顧一下配環境、裝框架那些事兒，並形成文件，方便後期檢視~~

使用anaconda安裝tensorflow、caffe、pytorch等深度學習框架很方便，大致思路為：首先通過anaconda建立虛擬環境（如果沒有安裝過anaconda，先要安裝anaconda）；其次在不同的虛擬環境下安裝不同版本的深度學習框架（例如在乙個虛擬環境上安裝乙個tensorflow1.4，在另乙個虛擬環境中上安裝乙個tensorflow1.6，在另乙個虛擬環境中安裝pytorch），這樣做的好處是一旦配置出錯，可以直接刪除虛擬環境包，而不影響整個系統。

在系統上安裝anaconda

通過anaconda建立虛擬環境

conda create -n py3tf pip python=3.5

【注：】這裡的python3.5和anaconda的版本沒有對應關係，假設通過anaconda安裝的python版本是3.6，但是這裡也可以安裝python3.5。

通過如下命令進入虛擬環境

source activate py3tf

[global]

index-url =

conda config --add channels 

conda config --set show_channel_urls yes

conda install cudnn=7.1.2

安裝tensorflow

pip install --ignore-installed --upgrade

【注：】有時候上述命令一次不行，需要再試一次，再不行的話就要考慮cuda與cudnn的問題了。

安裝keras

pip install keras

pip install opencv-python

在虛擬環境下輸入python，進入python環境，看看包是否可以匯入

import tensorflow as tf  # 檢視是否可以匯入tensorflow

tf.__version__    # 檢視tensorflow版本
import keras     # 檢視是否可以匯入keras
keras.__version__    # 檢視keras版本
import cv2     # 檢視是否可以匯入opencv
cv2.__version__     # 檢視opencv版本

建立虛擬環境和配置cuda與cudnn跟上述是一樣的，使用source activate name（自己定義的虛擬環境名字）進入虛擬環境就以後，需要去pytorch官網按照你的系統環境選擇相應的作業系統（win or linux）、conda版本、python版本、cuda版本，響應版本選擇好後會給出安裝命令，如下：

conda install pytorch torchvision -c pytorch

import torch

torch__version__

conda env list

source activate 虛擬環境名稱

source deactivate

conda remove -n 虛擬環境名稱 --all

conda remove --name $虛擬環境名稱  $包名稱

conda list

conda create --name py3tf16gpu --clone py3tf   #根據py3tf16創造乙個名稱為py3tf16gpu的虛擬環境

Anaconda建立虛擬環境

1.虛擬環境在anaconda資料夾的envs資料夾裡 建立乙個名為env，python版本為2.7的虛擬環境 conda create n env python 2.7 conda create name env python 2.7啟用 退出虛擬環境 conda activate env con...

Anaconda建立虛擬環境

python 虛擬環境用於將軟體包安裝與系統隔離開來。conda 建立乙個新的虛擬環境，方法是選擇 python 直譯器並建立乙個 venv 目錄來存放它 conda create n venv pip python 3.6 select python version啟用虛擬環境 source ac...

Anaconda 建立虛擬環境

anaconda是乙個用於科學計算的python發行版，提供了包管理與環境管理的功能，可以很方便地解決多版本python並存 切換以及各種第三方包安裝問題。1.anaconda與conda區別 conda可以理解為乙個工具，也是乙個可執行命令，其核心功能是包管理與環境管理。包管理與pip的使用類似，...