本篇文章介绍如何使用Anaconda快速搭建Python环境下的TensorFlow2.x开发框架

Anaconda搭建TensorFlow2.x过程

关于 Anaconda

Anaconda就是可以便捷获取包且对包能够进行管理同时对环境可以统一管理的发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。

Conda

conda是包及其依赖项和环境的管理工具功能与Py的专用包管理工具Pip类似但是Conda还提供虚拟环境使python开发过程中的依赖环境得到非常好的隔离

安装过程

1、通过Anaconda搭建Python环境

我们可以通过前往官网下载Anaconda然而下载非常慢所有我们选择清华镜像源下载下载地址 https://mirrors.tuna.tsinghua.edu.cn/

选择anaconda进入archive 点击一下File Name的箭头按最新的排序在前排序

下载后直接安装anaconda勾选添加环境变量

安装完成后我们打开cmd命令终端检测一下是否存在conda命令输入如下命令

$ conda list
# packages in environment at E:\Program Files\Anaconda:
#
# Name                    Version                   Build  Channel
_ipyw_jlab_nb_ext_conf    0.1.0                    py37_0    defaults
alabaster                 0.7.11                   py37_0    defaults
anaconda                  5.3.1                    py37_0    defaults
anaconda-client           1.7.2                    py37_0    defaults
anaconda-navigator        1.9.2                    py37_0    defaults
anaconda-project          0.8.2                    py37_0    defaults
appdirs                   1.4.3            py37h28b3542_0    defaults
asn1crypto                0.24.0                   py37_0    defaults
astroid                   2.0.4                    py37_0    defaults
astropy                   3.0.4            py37hfa6e2cd_0    defaults
atomicwrites              1.2.1                    py37_0    defaults
...

我们再查看一下以下Python命令

# 查看python的位置
$ where python
E:\Program Files\Anaconda\python.exe
D:\Program Files\python\python.exe

# 查看ipython的位置
$ where ipython
E:\Program Files\Anaconda\Scripts\ipython.exe

# 查看当前python脚本
$ python --version
Python 3.7.0

注意由于在安装Anaconda之前已经安装过一个python3.8.0的版本下面的D盘的Python即为3.8.0的版本覆盖环境变量后当前选择的Anaconda目录下的Python版本

以上证明我们的Anaconda及Python环境已经安装好我们继续下一步

2、安装使用Anaconda安装TensorFlow

一般TensorFlow有GPU版本以及CPU版本推荐大家安装GPU版本前提是大家有独立的Nvidia显卡。使用Anaconda的conda命令安装TensorFlow集成环境非常方便

# conda配置国内镜像源
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

# 设置下载时显示源地址
conda config --set show_channel_urls yes

可以通过使用conda show --config 查看配置的情况

$ conda config --show
add_anaconda_token: True
add_pip_as_python_dependency: True
aggressive_update_packages:
  - ca-certificates
  - certifi
  - openssl
allow_non_channel_urls: False
allow_softlinks: False
always_copy: False
always_softlink: False
always_yes: None
anaconda_upload: None
auto_update_conda: True
changeps1: True
channel_alias: https://conda.anaconda.org
channel_priority: True
channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
...

查看一下所以conda的虚拟环境列表

$ conda env list
# conda environments:
#
base                  *  E:\Program Files\Anaconda

只有一个base的默认环境或者使用conda info -e 显示当前的命令

安装tensorflow-gpu

# 创建一个tensorflow-gpu环境
conda create -n tf2 tensorflow-gpu=2.0

这一步耗时比较长包比较大create -n tf2 tensorflow-gpu这个命令主要创建一个命为tf2的虚拟换这个虚拟环境即为tensorflow-gpu的环境这个tensorflow-gpu包含一系列的依赖包。

这一步我们重点确认一下以下几个包
cudatoolkit
cudnn
tensorflow

3、TensorFlow的环境验证

安装完成后我们看看我们这时的虚拟环境

$ conda env list
# conda environments:
#
base                  *  E:\Program Files\Anaconda
tf2                      E:\Program Files\Anaconda\envs\tf2

这时我们已经有两个环境了第一个带*的为当前环境另外一个tf2即为我们刚才安装好的tensorflow环境。所以需要使用conda activate tf2切换到tf2虚拟环境下才能正常使用tnesorflow库。

我们使用ipython来尝试一下是否可以正常导入tensorflow库

# 进入交互式py shell
$ ipython
# 导入tensorflow库
$ import tensorflow as tf

发现报错了找不到tensorflow库如下所示

因为我们的tensorflow是安装在tf2下的而默认base环境下并没有安装tensorflow在默认环境下的ipython使用的python解释器的路劲是E:\Program Files\Anaconda下的python.exe在该解释器的目录下自然没有任何tensorflow库。

我们尝试激活一下tf2

# 激活tf2虚拟环境
$ conda activate tf2
# 再次查看一下python
$ where python

首先在命令行最前面标记了(tf2)表示当前使用的环境其次我们使用where python发现列出了3个其中第一个始终是当前使用的python解释器路径我们可以看到就是我们前面安装的tf2路径下的虚拟环境

我们再次使用ipython进入交互式的命令查看是否可正常导入tensorflow库

# 进入交互式py shell
$ ipython
# 导入tensorflow库
$ import tensorflow as tf

依然前面一样的报错提示没有tensorflow模块。如下所示

这里的需要注意确实是conda create -n tf2 tensorflow-gpu这个环境包安装的bug这是因为tf2这个环境下没有安装好ipythontf2下的ipython的路劲依然使用的是base环境的ipython路劲即E:\Program Files\Anaconda\Scripts\ipython.exe我们可以where ipython命令来查看一下

$ where ipython

如果取消激活tf2(conda deactivate)再次查看where ipython结果也是一样的。怎么办呢所以我们需要在tf2虚拟环境下重新安装一次ipython这里我们使用pip

# 首先设置一下国内pip镜像源
$ pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
# 安装ipython
$ pip install ipython

安装完成后我们可以进入ipython再次测试导入tensorflow库

# 进入交互式py shell
$ ipython
# 导入tensorflow库
$ import tensorflow as tf

成功了不再报错如下图

我们继续查看我们tensorflow是否支持GPU接着上一步在ipython交互下输入如下代码

tf.test.is_gpu_available()

上面显示了显卡型的信息同时最后一行显示Out[2] True这说明gpu工作了

4、pyCharm的配置

PyCharm的安装这就不介绍这里提供官方下载路径我们一般下载社区版本的PyCharm即可

环境配置

我们启动PyCharm创建一个新项目

使用自定义的Python解释器点击...浏览选择Conda Env...选择我们前面创建环境tf2如下图

确定后如下所示Create Project点击OK如下图

这样我们就把我们的tensorflow环境配置好了我们测试一下在main.py中输入如下代码

# main.py
import tensorflow as tf
print(tf.__version__)
print(tf.test.is_gpu_available())

右键运行一下如下所示

与前面我们在ipython交互shell下返回的数据一样
接下来可以开始进入Tensorflow的开发了