conda搭建工作环境

1. 创建虚拟环境

执行 conda create -n pytorch_1.4_gpu python=3.7 命令,创建虚拟环境(具体版本名称根据自己实际情况设定):

Collecting package metadata (current_repodata.json): done
Solving environment: done

## Package Plan ##

  environment location: D:\Anaconda3\envs\pytorch_1.4_gpu

  added / updated specs:
    - python=3.7


The following NEW packages will be INSTALLED:

  ca-certificates    anaconda/cloud/conda-forge/win-64::ca-certificates-2020.6.20-hecda079_0
  certifi            anaconda/cloud/conda-forge/win-64::certifi-2020.6.20-py37hc8dfbb8_0
  openssl            anaconda/cloud/conda-forge/win-64::openssl-1.1.1g-he774522_1
  pip                anaconda/cloud/conda-forge/noarch::pip-20.2.2-py_0
  python             anaconda/cloud/conda-forge/win-64::python-3.7.8-h60c2a47_1_cpython
  python_abi         anaconda/cloud/conda-forge/win-64::python_abi-3.7-1_cp37m
  setuptools         anaconda/cloud/conda-forge/win-64::setuptools-49.6.0-py37hc8dfbb8_0
  sqlite             anaconda/cloud/conda-forge/win-64::sqlite-3.32.3-he774522_1
  vc                 anaconda/cloud/conda-forge/win-64::vc-14.1-h869be7e_1
  vs2015_runtime     anaconda/cloud/conda-forge/win-64::vs2015_runtime-14.16.27012-h30e32a0_2
  wheel              anaconda/cloud/conda-forge/noarch::wheel-0.35.1-pyh9f0ad1d_0
  wincertstore       anaconda/cloud/conda-forge/win-64::wincertstore-0.2-py37_1003


Proceed ([y]/n)? y

Preparing transaction: done
Verifying transaction: done
Executing transaction: |
done
#
# To activate this environment, use
#
#     $ conda activate pytorch_1.4_gpu
#
# To deactivate an active environment, use
#
#     $ conda deactivate

 

2. 进入虚拟环境

运行 conda activate pytorch_1.4_gpu 指令,激活虚拟环境。

 

3. 退出虚拟环境

运行conda deactivate退出虚拟环境。

 

### 使用 Conda 搭建 TensorFlow 开发环境 #### 创建虚拟环境 为了确保不同项目之间的依赖项不会相互冲突,建议为每个项目创建独立的虚拟环境。对于 TensorFlow 的开发环境来说,可以通过以下命令来创建一个新的 Python 3.7 版本的虚拟环境: ```bash conda create -n tensorflow python=3.7 ``` 这条指令会建立一个名为 `tensorflow` 的新环境,并设置 Python 解释器版本为 3.7。 #### 激活虚拟环境 一旦创建好虚拟环境之后,需要激活它才能在这个特定环境中工作。通过如下命令切换到刚刚创建好的 `tensorflow` 环境中: ```bash conda activate tensorflow ``` 此时终端提示符前应该会出现 `(tensorflow)` 字样,表示当前处于这个新的虚拟环境中[^2]。 #### 安装 TensorFlow 库 接下来就是安装 TensorFlow 自身及其相关组件。如果想要安装带有 GPU 支持的 TensorFlow,则需先确认 CUDA 和 cuDNN 已经正确配置完毕后再继续此步操作;如果不打算利用GPU加速的话则无需担心这些前置条件。针对 CPU 或者 GPU 加速版的选择取决于个人硬件情况和个人偏好: - 对于仅支持CPU运算的情况: ```bash conda install tensorflow ``` - 如果希望启用GPU加速功能(注意检查兼容性): 需要预先按照官方文档指导完成CUDA Toolkit (例如v9.2)[^1], CuDNN (例如v7.6.5)[^1]等相关驱动程序和库文件的部署后,再执行下列语句以获取适合该组合下的TensorFlow-GPU版本(如 v1.12): ```bash conda install tensorflow-gpu==1.12 keras==2.2.4 ``` 以上命令将会自动解析并下载所有必要的依赖关系,从而简化整个过程中的复杂度。 #### Jupyter Notebook集成 为了让开发者能够在交互式的笔记本界面下编写代码片段或实验模型架构,可以在同一个虚拟环境中安装 Jupyter Notebook : ```bash conda install jupyter notebook ``` 这一步骤使得用户能够更方便地探索数据集、构建原型以及分享研究成果。 #### PyCharm IDE 整合 除了命令行工具外,还可以考虑将 Anaconda 与专业的IDE相结合以便获得更好的编程体验。特别是当涉及到大型项目的管理和团队协作时,使用像 PyCharm 这样的集成开发环境是非常有益处的。具体做法是在Anaconda Navigator 中选择目标环境作为解释器路径,或者手动编辑PyCharm 设置里的Project Interpreter选项指向相应位置。
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

打赏作者

蓝天居士

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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