Anaconda搭建TensorFlow2.x(win环境)
阿里云国内75折 回扣 微信号:monov8 |
阿里云国际,腾讯云国际,低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号:monov8 飞机:@monov6 |
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ipython
tf2
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