linux+Anaconda+conda创建Keras(tensorflow)虚拟环境

#root用户安装
[root@node1 ~]#yum install -y lrzsz
[root@node1 ~]#yum install -y bzip2
#以下内容可以普通用户安装

1、Anaconda安装
Anaconda 安装包可以到清华 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下载可选择之前的版本。
或者https://www.anaconda.com/download/#linux官网下载地址,最新版本。

然后执行
bash Anaconda3-5.2.0-Linux-x86_64.sh
我官网下的最新版。
然后一路回车,出现下面这个时候,输入yes.
Do you accept the license terms? [yes|no] [no] >>> yes #这输入yes
然后出现
Do you wish the installer to prepend the Anaconda3 install location to PATH in your /home/wn/.bashrc ? [yes|no] [no] >>> yes #[no]的意思是默认no,这输入yes

Appending source /home/wn/anaconda3/bin/activate to /home/wn/.bashrc
A backup will be made to: /home/wn/.bashrc-anaconda3.bak

最后然后出现

Anaconda is partnered with Microsoft! Microsoft VSCode is a streamlined
code editor with support for development operations like debugging, task
running and version control.
To install Visual Studio Code, you will need:
  - Administrator Privileges
  - Internet connectivity

Visual Studio Code License: https://code.visualstudio.com/license

Do you wish to proceed with the installation of Microsoft VSCode? [yes|no]
#让你安装VS,不安装,输入no
#退出登录,重新连接服务器。 输入python 核查是否安装正确。

2、创建虚拟环境
然后我们接下来创建虚拟环境

# 创建一个名为DL的环境,指定Python版本是3.6

conda create --name DL python=3.6

或 python2.7

conda create --name DL python=2.7


#查看刚才创建的所有环境
ll ~/anaconda3/envs/

# activate激活DL
source activate DL
#激活后,会发现terminal输入的地方多了DL的字样,实际上,此时系统做的事情就是把默认环境从PATH中去除,再把当前3.5加入PATH

python --version
#可以看到系统已经切换到了3.5的环境

#如果想返回默认的python环境,运行
source deactivate DL

#删除刚才创建的环境DL
conda remove --name DL --all

3、安装TF、keras

进入DL环境

source activate DL

安装需要的版本

pip install tensorflow==1.6.0

pip install keras==1.2.2
pip install h5py
 

### 如何在Anaconda环境中使用Python与PyCharm编辑器搭建TensorFlowKeras深度学习平台 #### 创建Anaconda环境 为了确保不同项目的依赖项不会相互冲突,建议为每个项目创建独立的Conda环境。可以按照如下命令来创建一个新的环境: ```bash conda create --name dl_env python=3.7 ``` 激活新创建的环境以便后续操作: ```bash conda activate dl_env ``` #### 安装必要的库 一旦环境被激活,在该环境下安装所需的机器学习框架和其他辅助工具。 对于TensorFlow而言,可以通过pip或者conda来进行安装。考虑到兼容性和速度优化,推荐采用官方渠道进行安装: ```bash pip install tensorflow ``` 同样地,对于Keras来说,通常不需要单独安装它作为顶层API的一部分已经被包含于TensorFlow之中;但如果确实需要特定版本,则可以直接通过pip安装指定版本号: ```bash pip install keras==2.x.x # 替换"x"为目标版本号 ``` #### PyCharm配置 完成上述步骤之后,打开PyCharm并进入`文件 -> 设置 (Settings)`菜单下的`项目(Project):<your_project_name>`部分找到`Python解释器(Python Interpreter)`选项卡。点击右侧齿轮图标选择`Add...`, 接着挑选`Existing environment` 并浏览至之前创建好的Conda环境路径下对应的Python.exe位置即可[^4]。 此时应该能看到所选中的解释器已经包含了先前安装过的包列表。如果有任何缺失或额外需求也可以在此界面内直接管理这些第三方模块。 #### Jupyter Notebook集成(可选) 如果希望利用Jupyter Notebook开展交互式的编程体验,可以在同一环境中继续执行以下命令以获取支持: ```bash conda install jupyter notebook ipykernel python -m ipykernel install --name=dl_env --display-name "Python (dl_env)" ``` 这一步骤会使得新建Kernel能够识别到当前工作区内的全部资源,并允许用户随时切换不同的计算引擎实例。
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