深度学习环境创建（tensorflow及pytorch）_conda 创建tensorflow1.11虚拟环境

此文以anaconda安装各种环境及软件包，用anaconda的好处是：cuda、cunn的安装一步到位，conda会自动搜索适配版本，而不用手动安装。工欲善其事，必先利其器，安装DNN环境前，先把各种镜像（可以理解为应用市场）从默认的国外源换成国内源，这里我选用清华的tuna。

1. conda换源

参考清华tuna官网: （点此跳转：Anaconda 镜像使用帮助）
windows下的.condarc位置：
C/用户/用户名/.condarc

linux下的.condarc位置：
~/.condarc
在default_channels中添加free channel会更全，比如free channel包含python=3.6：

.condarc:

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

不要复制tuna官网中带中文的注释内容，不然后面会出现奇怪的问题
conda换源后，运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引

2. pip换源

参考清华tuna官网: （点此跳转：PyPI 镜像使用帮助）
升级 pip 到最新的版本 (>=10.0.0) 后进行配置：

python -m pip install --upgrade pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
1
2

3. conda创建虚拟环境

创建DNN环境前，需要用conda创建相应python环境
例如要安装tensorflow==1.10.0，先去tensorflow官网（点此跳转）查看这个版本的tf对应的python版本:

可以看到最高支持python==3.6，所以：

conda create -n tf_1_10 python=3.6
1

上式-n为-name，其后的 tf_1_10 为要创建的虚拟环境的名称
环境创建好后，记得进入环境再进行后续的环境安装：

conda activate tf_1_10
1

4.tensorflow-gpu安装

4.1 使用conda安装

使用conda安装最简单，也最有效
以安装tensorflow-gpu==1.10.0为例：

conda install tensorflow-gpu==1.10.0
1

2023-6-28日更新：最好加上-c conda-forge，表示使用conda-forge通道下载，测试发现这样可以下载tensorflow-gpu==2.11，例如：

conda install tensorflow-gpu==2.11 -c conda-forge
1

4.2 使用pip安装

若conda没有所需要的tensorflow版本，则需要参考tensorflow官网教程（点此跳转），使用pip安装，官网中英文安装教程有出入，以英文教程为准，需要注意官网教程只有最新版的step-by-step，旧版本安装可能略有不同（这里就要吐槽官网没有提供旧版安装教程了），这里记录下tensorflow=2.11的安装：

1）进入环境

conda activate tf_2_11
1

2）安装cuda及cudnn

conda install cudatoolkit=11.2 cudnn=8.1 -c conda-forge
1

3）设置环境变量

mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
1
2

4）安装tensorflow

pip install --upgrade pip
pip install tensorflow==2.11
1
2

4.3 验证安装

1）CPU验证

python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
1

若返回tensor，则CPU安装成功

2）旧版本（tensorflow1.*）的GPU验证

python3 -c "import tensorflow as tf; tf.test.is_gpu_available() "
1

最后一行显示true，即GPU安装成功

3）新版本（tensorflow2.*）的GPU验证

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
1

最后一行显示GPU设备，即GPU安装成功

5.pytorch（gpu）安装

5.1 安装

以安装pytorch==1.10.0为例，使用pytorch官网命令（点此跳转）：

# CUDA 11.3
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=11.3 -c pytorch -c conda-forge
1
2

5.2 验证安装

pytorch_gpu_test.py:

import torch
# Get cpu or gpu device for training.
device = "cuda" if torch.cuda.is_available() else "cpu"
print(f"Using {device} device")
1
2
3
4

显示Using cuda device，即为安装成功

6.python包的安装

2022-11-10日更新：
最近一段时间安装python包时，感觉用pip会比conda顺利很多：

pip install package-name
1