作者：吳永強，東北大學，Datawhale團隊成員

1. 寫在前面

搞算法的同學也都明白，一個比較完美的python環境是多么的重要。這篇文章打算把一些必備的python環境配置過程記錄下來，這樣不管是新到了公司實習或者就職，還是新換了電腦，都可以借鑒這篇快速把環境搭建起來啦 😉

由于我也是重裝了系統，所以算是從0開始搭建python環境，這次從anaconda安裝開始， 然后到cuda的相關安裝配置，再到cudnn的安裝配置，然后從anaconda中建立虛擬tensorflow和pytorch的虛擬環境，再各自的虛擬環境里面安裝jupyter notebook并完成配置，安裝tensorflow的GPU版本和pytorch的GPU版本。這一整套下來，在自己機子上做一些簡單的模型實驗就沒有問題了。

雖然這套流程是目前是在Windows上做的，但具有普適性，在Linux上也是一樣的道理，只不過有些地方的操作可能不一樣，原理都是一樣的。

內容包括:

• Anaconda的安裝與常用命令小總

• Jupyter的安裝與相關配置

• CUDA與Cudnn的安裝(GPU支持必備)

• 建立tf虛擬環境并安裝tf2.0GPU版本

• 建立pytorch虛擬環境并安裝pytorchGPU版本

Ok, let’s go!

2. Anaconda的安裝與常用命令

Anaconda是為方便使用Python而建立的軟件包，其包含250多個工具包，多版本的Python解釋器和強大的虛擬環境工具，所以Anaconda是Python的全家桶。Anaconda可以使安裝，運行和升級環境變得更簡單，所以初步學習Python，這一個就足夠了。

Windows下的Anaconda安裝，是所謂的傻瓜式安裝，Linux下面的安裝，可以參考我之前整理的（https://zhongqiang.blog.csdn.net/article/details/112376293）。

• Anaconda官網下載安裝包

• 下載之后，點擊Anaconda3-2019.07-windwos-x86_64.exe這個安裝文件進行安裝，選擇路徑，勾選加入環境變量，等待安裝完成即可（這些和普通軟件安裝一樣，一路回車操作)，

這里面一定注意，不要把anaconda裝到C盤。因為你后面會有好多個虛擬環境，安裝很多包；另外，建議把conda命令加入到環境變量里面去。

驗證安裝成功：打開命令行，輸入conda，回車。看是否能進入conda環境。

這個安裝比較簡單，不過多整理，下面是常用的命令，這些記好了之后，就能比較輕松的用anaconda管理虛擬環境，管理相關包了。打開命令行，輸入activate, 此時會進入一個root的默認虛擬環境， 如下:
這個是一個默認的虛擬環境，如果不想建其他環境，比較省事的方法就是把所有用到的包全安裝到這里面，打造一個萬能環境，所以下面先整理關于包管理的命令

#?列出當前環境下安裝的包,?非常常用 conda?list#?實驗過程中，如果發現某些包沒有，直接安裝 conda?install?package_name??#?也可以帶版本號 pip?install?package_name#?如果發現裝錯版本了，想要卸載掉包 conda?remove?package_name pip?uninstall?package_name#?更新包 conda?update?package_name

在一個虛擬環境里面，掌握這幾個常用的命令即可，上面是比較省事的方法，只有一個環境，但我不太習慣這樣做，我一般喜歡建立多個虛擬環境，在每個虛擬環境下安裝特定的包去完成相應的實驗，因為有的項目可能需要python2，有的需要python3，有的可能是tf項目，有的可能是pytorch項目。這時候，用到的包會很不一致，所以，分類管理也是一個不錯的思路。那么下面就是管理環境常用的命令:

#?查看已經有的虛擬環境?常用 conda?env?list#?新建虛擬環境?可以指定python版本和一些包的版本 conda?create?-n?env_names?package_names???#?conda?create?-n?tfenv?python=3.7#?進入虛擬環境,這時候面臨著對一些包的操作，就是上面包的相關命令了 activate?tfenv#?離開虛擬環境 deactivate#?刪除虛擬環境 conda?env?remove?-n?env_name

這里單獨拎出一個東西來，叫做共享環境，這個其實是非常有用的，它能讓其他人安裝項目中使用的所有包，并確保這些包的版本正確。比如開發了一個系統，讓別人來部署，但其他人可能不知道用的哪個python版本，哪些包等，盲目安裝又可能由于版本原因出現問題，所以共享環境就比發揮威力了。怎么用？

#?將當前環境下安裝的包保存為YAML文件 conda?env?export?>?environment.yaml

此時在當前目錄下就會發現一個導出的環境文件:

在GitHub上共享代碼時，我們往往會看到這樣的操作，一般人家都會給出創建環境的文件，這時候，我們git clone下項目之后，依賴這個文件就能輕松安裝依賴項。那么導出的環境文件如何使用呢？

activate?tfenv#?安裝所有包 conda?env?update?-f=/path/to/environment.yaml

如果不用conda，而是用pip的時候，可以導出一個txt文件，然后安裝：

pip?freeze?>?requirements.txt??#?導出文件#?然后將該文件包含在項目的代碼庫中，其他項目成員即使在他的電腦上沒有安裝conda也可以使用該文件來安裝和我一樣的開發環境 pip?install?-r?/path/requirements.txt

關于anaconda，就整理這么多，應該是夠用啦，后續如果有新大陸，還會再補充。

3. Jupyter的安裝與相關配置

關于jupyter， 在安裝了anaconda， 默認的root環境下會有jupyter notebook的，但是新創建了虛擬環境之后，我們還需要重新安裝jupyter notebook。命令很簡單:

pip?install?jupyter?notebook

安裝jupyter很簡單，這里想整理一個事情，就是修改默認的工作空間，在Windows上使用jupyter notebook不像Linux，Linux是在哪個目錄下啟動，就會默認哪個目錄為工作空間，但是Windows中不是這樣，那么怎么修改默認工作空間呢？

這個一般是修改jupyter的配置文件，如果沒有，就打開命令行，通過下面命令生成:

jupyter?notebook?--generate-config

此時會在C盤user下面的.jupyter目錄下面產生一個jupyter_notebook_config.py的文件:

用Notepad++打開jupyter_notebook_config.py,找到c.Notebook，建立你的新工作路徑，取消注釋，c前面的#要去掉。
點擊保存，這下就修該好了路徑，cmd，輸入jupyter notebook，你就發現你的路徑已更改

這樣一般是能夠修改路徑的，如果還沒有，搜一下添加下環境變量，再修改下快捷方式。

修改配置文件，不僅可以修改默認工作空間，還能修改默認啟動瀏覽器，想到想用的瀏覽器路徑，然后打開jupyter_notebook_config.py 找到App.browser = ''，在這行下面添加以下三行代碼：

import?webbrowser webbrowser.register("chrome",None,webbrowser.GenericBrowser(u"C:\ProgramFiles?(x86)\Google\Chrome\Application\chrome.exe")) c.NotebookApp.browser?=?'chrome'

此時就修改了jupyter使用的默認瀏覽器。

在這里插入圖片描述

關于jupyter的配置就整理這么多，但是原生的jupyter可能不是很好用，此時可以安裝一些擴展功能:

conda?install?-c?conda-forge?jupyter_contrib_nbextensions

此時，打開jupyter就會有一些擴展功能:

這個還是非常強大的，可以對各種單元格加一些騷操作等。

另外，這里也記錄一個我比較喜歡的jupyter一個主題:

pip?install?jupyterthemes#?一個不錯的主題 jt?-t?monokai?-f?fira?-fs?13?-cellw?90%?-ofs?11?-dfs?11?-T?-N

下面整理些jupyter單元格操作的快捷鍵:

執行當前cell，并自動跳到下一個cell：Shift Enter 執行當前cell，執行后不自動調轉到下一個cell：Ctrl-Enter 是當前的cell進入編輯模式：Enter 退出當前cell的編輯模式：Esc 刪除當前的cell：雙D 進入下一個cell：雙A （前面）或 Alt+Enter（后面）為當前的cell加入line number：單L 將當前的cell轉化為具有一級標題的maskdown：單1 將當前的cell轉化為具有二級標題的maskdown：單2 將當前的cell轉化為具有三級標題的maskdown：單3為一行或者多行添加/取消注釋：Crtl / 撤銷對某個cell的刪除：z 瀏覽器的各個Tab之間切換：Crtl PgUp和Crtl PgDn 快速跳轉到首個cell：Crtl Home 快速跳轉到最后一個cell：Crtl Endctrl?+???????????#注釋 shift?+?tab??????#?查詢函數的注解#?jupyter?將本地.py文件導入 %load?test.py?#test.py是當前路徑下的一個python文件#?運行python文件 %run?file.py !python?myfile.py

4. Cuda和Cudnn的安裝

CUDA是一個并行運算的一個計算平臺，而CuDNN是在上面的一個深度神經網絡的GPU加速庫。如果想用TensorFlow或者pytorch的GPU版本，這兩個是必須要安裝的。但前提，機子內得有顯卡，且是NVIDIA的。

4.1 Cuda安裝

下載CUDA，這個是cuda-10.0的版本，如果安裝別的版本，也可以在這里找。

鏈接：https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

下載完成后，打開下載的驅動， 開始安裝。這里選擇自定義安裝：

自定義安裝這里可以進行一些設置，否則有可能會導致安裝失敗，首先組件這里取勾GeForce Experience，

然后， 我這里安裝的時候，必須Visual Studio Integration也需要取消勾選。

點開Driver comonents，Display Driver這一行，前面顯示的是Cuda本身包含的驅動版本是411.31
如果你電腦目前安裝的驅動版本號新于Cuda本身自帶的驅動版本號，那一定要把這個勾去掉。否則會安裝失敗(相同的話，就不用去取勾了)

接下來就等他安裝完成即可。

結束之后， 怎么看是否成功了呢？打開下面這個路徑，查看nvcc.exe，有這個說明CuDA安裝成功。

打開此文件夾，查看有沒有cuti64_100.dll

有這個cuti64_100.dll就說明CUPT1已成功。

4.2 Cudnn安裝

同樣的，來官網: https://developer.nvidia.com/rdp/cudnn-download， 選擇Cudnn for CUDA10.0， 這個需要登錄， 注冊個郵箱或者用微信登錄即可。

下載下來之后，解壓cuDNN:

將解壓后文件復制到CUDA文件夾下

接下來，要配置環境變量，

我的電腦——>屬性——>高級系統設置——>環境變量

在系統環境變量中找到path

當安裝完Cuda的時候，會自動的cuda的bin目錄以及libnvvp目錄加入到環境變量中，但是并沒有加CUPA和Cudnn的路徑，我們需要把這倆加入進來，這樣，在使用TensorFlow的時候，才不會報錯。

Cudnn和Cupta的路徑缺一不可，第三個不用管，安裝anaconda的時候，會自動加入。

測試cuda， 打開命令行， 輸入nvcc \-V

這里會顯示版本。

5. 建立tf虛擬環境并安裝tf2.0GPU版本

這里主要是tf2.0GPU版本的安裝， 有了上面的鋪墊，這里會變得非常簡單。

首先，先建立一個tfenv的虛擬環境:

conda?create?-n?tfenv?python=3.7

此時，我這里竟然報了一個錯誤：

CondaHTTPError:?HTTP?000?CONNECTION?FAILED?for?url?＜https://mirrors.tuna.ts

這個我一開始以為是我anaconda換了安裝目錄導致的，但經過查閱資料，應該是源的問題，anaconda換源后無法創建新的虛擬環境。我的解決辦法：

找到這個.condarc文件，這個在我的C:\Users\ZhongqiangWu目錄下面，把https改成了http就好了。

這樣就能創建出tfenv的虛擬環境，然后激活activate tfenv，進入環境。

//?安裝TensorFlow-gpu pip?install?tensorflow-gpu=2.0.0-beta0

此時等待下載，進行安裝即可。安裝完畢之后，測試是否安裝成功。

在當前環境下，輸入python進入環境，然后：

import?tensorflow?as?tf print(tf.test.is_gpu_available())???//?如果輸出True，說明安裝成功

但在我這里，導入TensorFlow的時候，報了一個錯誤:

ImportError:?Could?not?find?'cudart64_100.dll' TensorFlow?requires?that?this?DLL?be?installed?in?a?directory?that?is?named?in?your?%PATH%?environment?variable

這個通過查資料，大部分得出的結論是這篇文章說的那樣， 即cuda版本的問題， 這里會發現100，這其實意味著cuda要用10.0版本的，因為安裝完cuda的時候，會在cuda的bin目錄下面有這么一個dll文件：

也就是TensorFlow在導入的時候，會去找有沒有這樣的一個文件， 當然我這里tf2.0找的是10.0的這個，可能有的報錯說找不到101.dll或者102.dll這種，這顯然是cuda版本不匹配，要卸載掉當前的cuda， 重新安裝對應版本的，或者卸載掉當前版本的tf，重新安裝個別的版本的tf。但有種做法不提倡，有的竟然硬性的把這里的100.dll修改名字，改成101.dll這樣，這叫投機取巧，并不是在解決問題。

我當時就非常納悶， 我這里明明有這個文件，并且我也把這個bin目錄加入到了環境變量里面，為啥還會報上面的這個找不到這個文件的錯誤呢？其實是費了一些時間的，網上也沒找到好的辦法，最后，我想到，可能是因為我anaconda啟動的原因：

我anaconda這次安裝到了D盤里面，然后依然是借助Anaconda Prompt啟動了命令行，然后進入的虛擬環境。此時，我再想一個問題，我在虛擬環境里面輸入python，然后import tensorflow的時候，此時tensorflow去找依賴的時候，是去哪里找呢？

怎么保證它這里是找的環境變量里面的配置呢？好像并沒有進行設置，所以我猜測，它這里找dll的時候，可能是D:\Anaconda3\envs\tfenv\Library\bin目錄下去找相關的dll文件，如果找不到，可能不會自動的去總的環境變量里面找，就直接報錯了。

這個啟發來自于，如果我們通過anaconda3自動安裝cuda和Cudnn的時候，此時cudart64_100.dll是在D:\Anaconda3\envs\tfenv\Library\bin目錄下的。而上面我們并沒有通過anaconda3安裝這倆哥們，而是手動安裝的，那么在anaconda 自己的命令行里面可能找不到。

所以關于這個問題，我最終的解決辦法，就是不用anaconda prompt啟動命令行進虛擬環境，而是直接cmd打開系統的命令行，然后直接輸入activate，進入root的環境，然后activate tfenv進入到虛擬環境，此時再運行測試，發現成功。這個應該是走環境變量里面的文件了。

此時，tf2.0的GPU版本安裝成功。

6. 建立pytorch虛擬環境并安裝pytorchGPU版本

這里和上面就基本上是一樣的過程了，這里是按照pytorch的GPU版本，首先是建立虛擬環境

conda?create?-n?pytorch_gpu?python=3.7

此時，又出現CondaHTTPError: HTTP 000 CONNECTION FAILED for url， 真是服了， 此時我重新配置.condarc，修改成下面這個樣子:

channels:-?http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/-?http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/-?http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/-?http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ show_channel_urls:?true

把vpn關掉，然后好使了。

接下來安裝torch和torchvision， 進入下面這個網站: http://download.pytorch.org/whl/torch_stable.html， 找符合系統版本、cuda版本的torch，采用搜索的方式找

我的是cuda10.0， python3.7版本，win10系統，64位。下載下來。

torchvision同樣的道理，把這兩個.whl文件下載下來。然后回到命令行， 安裝即可。

pip?install?"torch-1.2.0-cp37-cp37m-win_amd64.whl" pip?install?"torchvision-0.4.0-cp37-cp37m-win_amd64.whl"

安裝完畢，進行測試，依然是進入python環境，然后輸入：

這樣，pytorch的GPU版本安裝完畢！

有了這一整套流程，在自己機子上搭建python環境，跑模型實驗，就比較方便啦，不管是tf項目還是pytorch項目，都能用這一套環境實驗。Linux上其實也是這樣的流程，很多地方都是一樣的，原理都是通的，無法就是配置環境變量的時候不太一樣。

參考：

之前整理的文章鏈接也放過來:

• 大數據環境搭建下面的anaconda搭建

  https://zhongqiang.blog.csdn.net/article/details/112376293

• Python管理包工具anaconda安裝過程常見問題解決辦法

  https://zhuanlan.zhihu.com/p/34337889

• Python·Jupyter Notebook各種使用方法

  https://blog.csdn.net/liuyanlin610/article/details/76231958

• 遠程連接GPU服務器上的jupyter notebook解決方案

  https://blog.csdn.net/wuzhongqiang/article/details/107555363

• Windows下GPU版本詳細安裝教程

  https://cloud.tencent.com/developer/article/1458665)

• Windows下的Pytorch環境手把手搭建

  https://zhongqiang.blog.csdn.net/article/details/104503860

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載黃海廣老師《機器學習課程》視頻課黃海廣老師《機器學習課程》711頁完整版課件

本站qq群851320808，加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的【Python】Python环境配置保姆教程（Anaconda、Jupyter、GPU环境）！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。