系列文章目录
文章目录
系列文章目录前言Anaconda简介python是什么问啥要用anaconda二、anaconda下载安装配置基础环境Pycharm安装Pycharm使用conda环境安装TensorFlow-gpu前言
由于种种原因,好久没更博客了,感觉现在访问量下了一个等级😂。最近电脑突然连不上网了,尝试里好多方法,都不行,最后直接尝试了最有效、最万能到方法——重装系统。
当然之前的深度学习环境也没了,正好由于实验室要纳新了,环境搭建是开始代码到第一步,所以重新配置环境的同时写一篇深度学习环境搭建到文章给萌新们学学吧。
可以先看看什么是人工智能,什么是机器学习、深度学习吧!👇👇👇
小白入坑人工智能
这篇博客主要是写anaconda的安装,TensorFlow、keras环境到创建,以及怎么用pycharm配置这些环境,还有以后怎么往这个环境里添加新到其他工具包。对新手小白肯定很友好。
Anaconda简介
python是什么
知道anaconda之前必须先了解Python:
Python是一种面向对象的解释型计算机程序设计语言,其使用,具有跨平台的特点,可以在Linux、macOS以及Windows系统中搭建环境并使用,其编写的代码在不同平台上运行时,几乎不需要做较大的改动,使用者无不受益于它的便捷性。
此外,Python的强大之处在于它的应用领域范围之广,遍及人工智能、科学计算、Web开发、系统运维、大数据及云计算、金融、游戏开发等。实现其强大功能的前提,就是Python具有数量庞大且功能相对完善的标准库和第三方库。通过对库的引用,能够实现对不同领域业务的开发。然而,正是由于库的数量庞大,对于管理这些库以及对库作及时的维护成为既重要但复杂度又高的事情。
问啥要用anaconda
Anaconda指的是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。 因为包含了大量的科学包,Anaconda 的下载文件比较大(约 531 MB),如果只需要某些包,或者需要节省带宽或存储空间,也可以使用Miniconda这个较小的发行版(仅包含conda和 Python)。
Conda是一个开源的包、环境管理器,可以用于在同一个机器上安装不同版本的软件包及其依赖,并能够在不同的环境之间切换
Anaconda包括Conda、Python以及一大堆安装好的工具包,比如:numpy、pandas等。Miniconda包括Conda、Python
Anaconda具有如下特点:
开源安装过程简单高性能使用Python和R语言免费的社区支持
其特点的实现主要基于Anaconda拥有的:
conda包环境管理器1,000+开源库
具体了解还是看官网
二、anaconda下载安装
在官网直接下载就行,个人用是免费的,在最下面,直接找对应自己系统的版本下载即可。
一直默认next,到安装路径到时候改一下路径,然后下面这个选项都勾上就行,第一个是说他自动给你把环境变量添加到path路径里,这样就免得自己再配置了。
然后install安装ok了。可能安装会比较慢,几分钟到事。
安装完成后,一般不会自动创建桌面图标的,去开始菜单栏里找找,打开文件位置,创建个桌面快捷方式即可。
我们用到到主要是前面这几个。
配置基础环境
首先打开Anaconda Navigator
原来是只有一个基础环境到,我们这里可以创建一个新的深度学习环境,deeplearn。Python版本都行,这里我选了最新到3.8。然后点击创建就行。
可能创建到比较慢,慢慢等就行。
上面创建不成功的话,可以用一下方法,在anaconda powershell里输入conda creat -n deeplearn
再打开Anaconda Navigator就可以看到里面创建成功了。
输入conda activate deeplearn
就从bash环境切换到了deeplearn环境,然后pip list
可以查看现在已经安装的包,想要安装其他包到话用pip install 包名
创建成功后,打开pycharm
Pycharm安装
先看这篇文章安装pycharm吧
/mars_xiaolei/article/details/89510741
只看安装python以上到内容,不要自己再下Python了,我们直接用anaconda的Python环境
Pycharm使用conda环境
一开始我们没有配置环境所以要先添加一个,右下角点第一个编译设置interpreter Setting
进去后点这里,add
然后选择你到conda环境位置。
最好把下面那个对号勾选上,这样相当于创建了个全局环境。
然后就可以来试试这一行高逼代码了。
print('\n'.join([''.join([('**shendu**'[(x-y)%10]if((x*0.05)**2+(y*0.1)**2-1)**3-(x*0.05)**2*(y*0.1)**3<=0 else' ')for x in range(-30,30)])for y in range(15,-15,-1)]))
还没写完,大家先看着把anaconda弄好。还有先看下前面那篇文章小白入坑人工智能
还没搭建好环境,但想提前玩玩的,可以先用这个百度云服务器
申请V100有点难,但基础版是免费用的。
往下的内容先别看了,现在还用不到,先学学Python吧。一个月应该就差不多了!!!
安装TensorFlow-gpu
这是咱们学院刘老师做的ppt,可能有点太简要,如果上面的方法不行的话再用下面的方法。
一般自己的电脑都会有英伟达的显卡驱动的,没有的话装起来可能就比较麻烦了。
这个博客讲的也挺详细的,可以参考下
下面是我自己写的博客,上面那个不行的话就用下面这个吧
三种方法详解深度学习GPU环境搭配(基于Windows)
搭建GPU环境确实有点麻烦,上面那个文章慢慢看,我当时搭建都花了两三天,所以装不上也不要着急。
用下面这个代码来测试有没有搭建好GPU环境
import tensorflow as tfwith tf.device('/cpu:0'):a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')with tf.device('/gpu:1'):c = a+b#注意:allow_soft_placement=True表明:计算设备可自行选择,如果没有这个参数,会报错。#因为不是所有的操作都可以被放在GPU上,如果强行将无法放在GPU上的操作指定到GPU上,将会报错。sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))#sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))sess.run(tf.global_variables_initializer())print(sess.run(c))
结果:
[ 2. 4. 6.]