自己在学习过程中的总结

pip镜像设置，设为默认，升级 pip 到最新的版本 (>=10.0.0) 后进行配置：python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pippip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

一、Anaconda常用操作1.查看已有虚拟环境2.创建新的虚拟环境3.切换虚拟环境4.删除虚拟环境二、Anaconda的其余操作命令1.复制当下的虚拟环境2.查看当前虚拟环境下的所有安装包3.在当前的环境下安装与卸载包4.分享虚拟环境5.为conda配置下载包的镜像地址6.Anaconda升级7.Anaconda卸载三、将环境导入jupyter notebook中四、在jupyter notebook中删除某个内核五、在 Windows 的命令窗口（cmd）中激活 Conda 环境

1.方法一：使用`--prefix`参数.在创建虚拟环境时，使用`--prefix`参数来指定虚拟环境的位置，但是在激活环境以及删除环境时，也需要使用`--prefix`参数来指明环境的位置所在。2.方法二：配置conda环境的默认安装位置.通过`conda info`查看conda的配置文件所在位置。`.condarc`文件一般位于用户目录下。修改`.condarc`配置文件。在配置文件中使用`envs_dirs和pkgs_dirs`来指定环境和python包的安装路径。

我已经创建好tensorflow1.14.0的环境了，分享给大家供大家使用。大家只需要下载我上面的MX.yml或者TS.yml(二者选其一)，两个版本都可以用的，就是scipy的版本不同，可以下载上导入进去看自己的代码哪个适用。MX.yml没有GPU加速，TS.yml有GPU加速，根据自己情况下载即可。我已经创建好tensorflow1.14.0的环境了，分享给大家供大家使用。下载好以后运行下面的命令导入环境：(在base环境下操作)

TensorFlow1.0环境搭建2023。最近在学吴恩达的深度学习，在看他的代码，前面还好改为2.0就行，改的不算多，看到卷积这一块的时候嗖嗖报错，于是我就想搭建一个TensorFlow1.0的版本去跑这老旧的代码。但是在搭建1.0版本的环境，踩了诸多的坑，所以写了这样的教程，以及我提供了1.0的环境，帮助和我一样需要用tensorflow1.0版本的同胞。如果你是刚开始学习深度学习，那么我建议去看这个课程，很新，也很详细，《动手学深度学习》，但是要是和我一样指定了让学习吴恩达的，那么就看我下面的内容吧。

Anaconda镜像配置。现在好多老教程配置的镜像已经不可以用了，所以推荐直接用tuna的官方文档进行配置，链接在这：https://mirror.tuna.tsinghua.edu.cn/help/anaconda/。第一次配镜像的小伙伴，我针对官方文档，对需要做的步骤做了如下演示：1. Anaconda Prompt窗口下（base环境），执行如下命令，来生成`.condarc` 的文件。tip ：我认为有清华镜像源就够用了，没必要再去配置其他的镜像源，配置的多，反而在查找包的时候慢了。

使用anaconda在虚拟环境下安装多版本的CUDA以及CUDNN。(本人当前环境为：python 3.10.9，tensorflow 2.13.0，CUDA 11.5，CUDNN 8.8；安装的新环境为：python 3.6，tensorflow 1.15.0，CUDA 10，CUDNN 7.4)一定要通过下面的命令查看你当前的conda支持不支持你想要安装的型号的CUDA 与 CUDNN。如果没有找到请更换conda版本。

anaconda查看、创建、切换虚拟环境，将新创建的环境载入到jupyter notebook中，为conda配置下载包的镜像地址