Anaconda + pycharm+jupyter notebook虚拟环境的创建和使用

Anaconda + pycharm+jupyter notebook虚拟环境的创建和使用

以tensorflow2.0为例：
Anaconda支持交互界面设置，添加虚拟环境和更新库都很方便，但是有的时候新的版本库发布后要过一段时间才能集成进来，所以我们有必要学习如何在终端中使用命令行设置。

1. 首先创建虚拟环境（在终端中）

1.1 Anaconda下安装Tensorflow2.0
anaconda的安装方式不再赘述，首先虚拟出一个tf2.0的环境：

conda create -n tf20  python=3.7 

我这边默认的环境是base，输入创建语句后会下载和创建很多库大概要等个两三分钟后完成。

1.2 然后激活这个环境：

conda activate tf20

前会发现现在的环境名从默认的base变为tf20，说明新的虚拟环境设置成功。

1.3 现在在tf20虚拟环境下才真正开始安装tf2.0,使用pip来安装tf2.0:

pip install tensorflow-gpu==2.0.0-alpha0

检查安装结果：
import tensorflow
tensorflow.version
tensorflow.keras.version
“”"
output:
‘2.0.0-alpha0’
‘2.2.4-tf’
12
“”"

2.在Pycharm中配置虚拟环境

Project Interpreter是我们的项目解释器，我们在里面配置相关的环境。
在Conda Encironment中选择我们设置好的环境

这时候在envs文件夹中可以看到我们设置的环境，直接选择就可以啦。

3.在Jupyter Notebook中配置虚拟环境

首先同步骤1.2使用

conda activate tf20

激活我们想要的虚拟环境，这时候我们的环境应该从base改为tf20。
之后要安装ipykernel，这个库主要是为不同的虚拟机或CONDA环境设置多个IPython内核。

使用pip或者conda都行

pip install ipykernel
python -m ipykernel install --user --name=tf20 #虚拟环境的名字

这个时候会发现已经可以选择名字为tf20的虚拟环境了。
本人使用Jupyter Notebook比较多，因为会频繁和重复的进行数据读取，更加便利，Pycharm做项目的时候很强大，记住使用Anaconda的虚拟环境会省很多时间去配置环境。