DL--新建anaconda的环境

本周的DL实验要求下载版本为1的tensorflow,并且python版本不能超过3.6

所以为了在不破坏我原本的环境的基础上做完这次实验,我需要新建立一个环境

打开anaconda
在这里插入图片描述
在env这里点击create
在这里插入图片描述
选择相应的python版本号就可以了
我这里已经创建好了dl

在创建过程中可能会报错

我遇到的问题是conda的错误,上网搜索了一下
是因为我之前用了镜像的缘故,但是国内的镜像不知道怎么回事
好像是没有权限用了,所以直接失败
参考博客
https://blog.youkuaiyun.com/liqiang12689/article/details/104097785
给改回去 默认的镜像,就可以创建了
同样的问题之前页困扰着我,我还说pycharm怎么不能安装包了
pycharm默认的源:https://pypi.python.org/simple
原来是因为镜像的问题
我把镜像换回国外的,就可以安装了
可能国内的镜像出了啥问题吧

然后在anaconda的命令行里使用pip安装
在这里插入图片描述

输入
在这里插入图片描述
进入到我的dl环境中,dl是我创建的环境名字,你需要写上你自己创建的环境名字

然后执行:pip install ipykernel
python -m ipykernel install --name dl

在这里插入图片描述
安装即可成功

接下来要在jupyter笔记本上使用其实还是有些坑的
之前我按网上的方法做,虽然成功创建了新的kernel
但是其实本质上还是原环境
所以我按我自己的理解结合网上的方法进行解决

第一步,打开虚拟环境所在的地址(之前我失败了很多次,所以
虚拟环境换名字了,换成了dl5)
地址: E:\anaconda\envs\dl5
找到E:\anaconda\envs\dl5\share\jupyter\kernels\python3
找到kernel.json文件

在这里插入图片描述
把displayname改成想要的名字

在这里插入图片描述
接着在笔记本选择就好了

成功解决了

总结:创建成功后,不知道怎么的,在E:\anaconda\envs\dl5\share\jupyter\kernels\python3的json文件中,显示的名字还是原来的Python3,和之前的base环境重合了,所以改过来后就成功了

<think>我们正在回答用户关于搭建深度学习环境的问题,用户希望使用Anaconda和PyCharm在Windows/Linux/macOS上配置。根据引用内容,我们可以总结出以下步骤: 1. **安装Anaconda**:在三个操作系统上安装Anaconda,这是一个包含Python和众多科学计算包的发行版,同时包含conda环境管理工具。2.**安装PyCharm**:安装PyCharm作为集成开发环境(IDE)。 3. **创建虚拟环境**:使用Anaconda创建虚拟环境,以隔离项目所需的依赖。4.**在PyCharm中配置虚拟环境**:将PyCharm的解释器设置为Anaconda创建的虚拟环境。具体步骤: ###1.安装Anaconda-**Windows**:从Anaconda官网下载Windows安装程序(.exe文件),双击运行并按照提示安装。注意在安装过程中勾选“AddAnaconda tomy PATHenvironment variable”(虽然不推荐,但为了方便可以勾选,或者后续手动添加环境变量)。- **Linux**:下载.sh安装脚本,在终端运行`bash Anaconda3-2021.11-Linux-x86_64.sh`(文件名可能不同),按照提示安装。安装完成后,运行`source~/.bashrc`或重启终端使环境变量生效。 -**macOS**:下载.pkg安装程序,双击安装,或使用.sh脚本安装(类似Linux)。 验证安装:打开终端(或命令提示符),输入`conda--version`,如果显示版本号则安装成功。 ###2.安装PyCharm-从JetBrains官网下载PyCharmCommunity(免费)或Professional(付费)版本,根据操作系统选择对应的安装包。 -安装过程为常规步骤,按照提示进行。###3.创建虚拟环境使用Anaconda创建虚拟环境,可以指定Python版本。例如,创建一个名为`dl_env`的虚拟环境(名字可自定): ```bashcondacreate -n dl_env python=3.8``` 激活环境:```bashcondaactivate dl_env# Windows/Linux/macOS通用```###4.安装深度学习框架在激活的虚拟环境中安装所需的深度学习框架,例如TensorFlow或PyTorch: -**TensorFlow**(CPU版本):```bashpip installtensorflow``` -**TensorFlow**(GPU版本,需要CUDA和cuDNN):```bashpip installtensorflow-gpu#注意:TensorFlow2.x后通常统一为tensorflow,但GPU支持需要额外配置CUDA```或者使用conda安装(conda会自动处理CUDA依赖):```bashconda installtensorflow-gpu``` -**PyTorch**:访问PyTorch官网(https://pytorch.org/)获取安装命令(根据CUDA版本选择)。###5.在PyCharm中配置虚拟环境-打开PyCharm,创建新项目(或打开现有项目)。 -进入设置(Settings)>项目(Project)>Python解释器(Python Interpreter)。-点击齿轮图标,选择“添加”(Add)。-选择“Conda环境”> “现有环境”(Existingenvironment),然后找到Anaconda创建的虚拟环境下的Python解释器。-通常路径为:- Windows: `C:\Users\<用户名>\Anaconda3\envs\<环境名>\python.exe`-Linux/macOS: `~/anaconda3/envs/<环境名>/bin/python`-选择该解释器,点击确定。###6.测试环境在PyCharm中创建一个Python文件,输入以下代码测试TensorFlow:```pythonimporttensorflowas tfprint(tf.__version__)print(tf.reduce_sum(tf.random.normal([1000,1000]))) ```运行程序,如果没有报错并输出版本和计算结果,则环境配置成功。 ###注意事项-**GPU支持**:如果使用GPU版本的深度学习框架,需要确保系统已安装正确版本的显卡驱动、CUDA和cuDNN。Anaconda在安装GPU版本框架时可能会自动安装匹配的CUDA和cuDNN,但有时需要手动安装。建议参考框架官方文档。- **环境管理**:使用conda管理环境,可以方便地导出环境配置(`condaenv export> environment.yml`)以便在其他机器上复现。§§相关问题§§1.如何验证TensorFlow是否成功使用了GPU?2.如何在PyCharm中切换不同的conda虚拟环境?3.如何解决在安装深度学习框架时出现的依赖冲突问题?4.如何导出和导入conda虚拟环境配置? 5.在Linux系统中,如何设置Anaconda环境变量以避免每次打开终端都需要运行`conda init`?</think>### 在Windows/Linux/macOS上使用Anaconda和PyCharm搭建深度学习环境 #### 一、安装Anaconda 1. **下载安装包** - 访问[Anaconda官网](https://www.anaconda.com/products/distribution) - 选择对应操作系统的安装包(Windows/macOS的.pkg/.exe,Linux的.sh脚本) 2. **执行安装** - **Windows**:双击.exe文件,勾选`Add Anaconda to PATH`(重要!) - **macOS/Linux**:终端执行`bash Anaconda3-202x.xx-Linux-x86_64.sh` - 验证安装:终端输入`conda --version`显示版本号即成功[^2] #### 二、配置深度学习环境 ```bash # 创建虚拟环境(Python 3.8示例) conda create -n dl_env python=3.8 # 激活环境 conda activate dl_env # Windows/Linux/macOS通用 # 安装核心库 conda install numpy pandas matplotlib conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch # GPU版本 # 或 pip install tensorflow keras ``` #### 三、安装配置PyCharm 1. **安装IDE** - 下载[PyCharm Community版](https://www.jetbrains.com/pycharm/download/) - 按默认选项完成安装 2. **关联Anaconda环境** - 新建项目时选择`Previously configured interpreter` - 点击`Add Interpreter` > `Conda Environment` - 选择步骤二创建的`dl_env`环境路径: - Windows: `C:\Users\<用户名>\Anaconda3\envs\dl_env\python.exe` - Linux/macOS: `~/anaconda3/envs/dl_env/bin/python` #### 四、环境验证 创建测试文件`test_gpu.py`: ```python import torch print(f"PyTorch版本: {torch.__version__}") print(f"GPU可用: {torch.cuda.is_available()}") print(f"GPU数量: {torch.cuda.device_count()}") ``` 运行后输出GPU信息即表示环境配置成功[^1]。 #### 五、环境管理技巧 1. **导出环境配置** `conda env export > environment.yml` 2. **克隆环境** `conda create --name new_env --clone dl_env` 3. **安装Jupyter支持** `conda install jupyter notebook` > **注意**:Windows用户需以管理员身份运行终端;Linux/macOS用户注意权限问题
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值