一、安装与配置：Pycharm Anaconda TensorFlow Keras

一、安装与配置

对照网上的教程先后安装了

1.Anaconda

https://www.anaconda.com/distribution/#download-section 可能需要科学上网

若进不去网站，尝试百度云（2020.07版本↓）
链接: https://pan.baidu.com/s/1t2857BzMXGSyVwvpEW5d3A 提取码: sj5s 

或者清华镜像
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

以百度云安装包为例：
先解压，运行64位版本：

Next→I Agree→Next →（改文件路径 注意要空文件夹）→Next→
（记得勾选 √ 第一项：将Anaconda 添加到环境变量中。见下图）→ Install
→（等待一段时间）→Next→Next→Finish

安装完成后可以将常用的 Anaconda Navigator、Jupyter Notebook、Anaconda Powershell Prompt（这个比Anaconda Prompt多一些功能？）放到开始屏幕，方便使用

测试anaconda是否安装完成：
win+R→cmd→conda
若出现以下信息则安装成功

2.配置Anaconda清华镜像

用Anaconda Prompt运行 可能要以管理员身份运行

（暂时添加官方库的镜像即可，后面若不可用（下载还是慢），再尝试换其他源）

conda官方库的镜像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes %显示下载路径

conda第三方库 Conda Forge

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

conda第三方库 pytorch

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

conda第三方库 msys2

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

conda第三方库 bioconda

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/

conda第三方库 menpo

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/

恢复默认下载源：conda config --remove-key channels
移除特定源：conda config --remove channels ‘源网址’

补充
中科大源：

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/

3.Pycharm

下载链接: https://pan.baidu.com/s/11CgPJcp7NVymKF7nVpiutg 提取码: yn9e 
（链接附安装方法）

https://www.bilibili.com/read/cv7395468/

官网下载：
https://www.jetbrains.com/
https://www.jetbrains.com/pycharm/
（可能要科学上网）

4.Pycharm配置conda环境

新建一个Project。命名后选择 Existing interpreter，点右侧 …

点右侧 …

然后选择 anaconda文件夹下的python.exe 。 OK→OK→Create后 conda环境就配置好了

方法二： 也可以点 左上角File→Settings→Project (当前工程)：Python Interpreter →右上角齿轮 Add

选择Existing environment 右侧 …。选择 anaconda文件夹下的python.exe 。即可

若出现以下错误，可以找到.condarc文件（C:\Users\Ding Ding），删去 -defaults 即可。


补充说明 ：New environment与Existing environment区别？
https://blog.csdn.net/yandajiangjun/article/details/102502190?utm_medium=distribute.pc_relevant.none-task-blog-title-2&spm=1001.2101.3001.4242

5.安装TensorFlow 1.14.0

在Anaconda Prompt用命令安装TensorFlow
https://blog.51cto.com/acevi/2103437
代码如下：
①conda create -n tensorflow python=3.5(只是建了个环境文件夹 还没有真正安装tensorflow)
②activate tensorflow
(在anaconda prompt 激活后前面还是(base) 。应该是有冲突。可以win+R cmd： activate tensorflow) 见后文问题（1）

解决方案： ②改为 conda activate tensorflow

③下载tensorflow
（建议安装1.14 比较稳定？）

%用这个成功了，中国科学技术大学的源（清华的源不行 2020.11.23）
pip --default-timeout=1000000 install -U -i http://pypi.mirrors.ustc.edu.cn/simple/ --upgrade tensorflow==1.14.0  
%↑↑↑防止超时，且可指定版本。 代码改为 tensorflow-gpu==1.14.0 可下载gpu版本
%可能需要改为https

可能需要更新pip

python -m pip install --upgrade pip

*其他源：*
https://pypi.tuna.tsinghua.edu.cn/simple/
http://mirrors.aliyun.com/pypi/simple/
https://pypi.mirrors.ustc.edu.cn/simple/
http://pypi.mirrors.ustc.edu.cn/simple/
http://pypi.douban.com/simple/

这个可以下载成功，但版本是1.2.1
conda install tensorflow

其他：
以下代码下载均很慢（已配置清华镜像）

pip install --upgrade --ignore-installed tensorflow %cpu版本
pip install --upgrade --ignore-installed tensorflow-gpu %gpu版本
pip3 install --upgrade tensorflow

下载慢，可以试试科学上网或者用4G试试？
或者尝试本地安装 links for tensorflow

④测试是否安装成功

查询tensorflow版本
import tensorflow as tf
tf.__version__

简单测试：
tensorflow 2.x版本更新了很多机制，注意代码区别
见 1.x版本与2.x版本区别

python
import tensorflow as tf    
hello=tf.constant('hello,world')
sess=tf.Session()
print(sess.run(hello))

2.x版本
python
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()   %使TensorFlow2.x的功能无效化
hello=tf.constant('hello,world')
sess=tf.Session()
print(sess.run(hello))

x=tf.constant(1)
y=tf.constant(2)
z=x+y
sess=tf.Session()
print(sess.run(z))

6.安装keras 2.2.5

keras和tensorflow版本对应关系
tensorflow1.14.0 对应 keras 2.2.5

安装keras 2.2.5

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple  keras==2.2.5 #安装Keras

pip install keras==2.2 -i https://pypi.douban.com/simple

7.Pycharm配置tensorflow环境

新建Project，选择一个环境就行

conda base环境 （之前第4步已配置好conda环境）

conda tensorflow环境

测试代码：

吴恩达机器学习作业一-线性回归--tensorflow实现  代码节选
import numpy as np
import pandas as pd
import matplotlib as plt
import tensorflow as tf

path = "D:\MachineLearning\exerise1\ex1data1.txt"
data = pd.read_csv(path, header=None, names=['Population', 'Profit'])
print(data.head())

base环境运行没有问题 应该是anaconda已经安装好了numpy、pandas、matplotlib
tensorflow环境运行有问题 numpy版本过高（1.18.5）、未安装pandas、matplotlib （见8）
原因：base环境有是因为anaconda已经自带了一些常用包。tensorflow环境是自己新建的环境，还需要自己安装所需要的包！（见8）

8.安装numpy、pandas、matplotlib

先到tensorflow环境： conda activate tensorflow

%pip uninstall numpy   %不需删除，下载新版本的时候会自动删除旧版本
%pip install numpy==1.16.0 %失败
%pip install numpy==1.16.0 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com %成功

conda install matplotlib %成功 会附带安装numpy等多个包
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib %失败

conda install pandas %会附带安装numpy等多个包  (此时该环境可能有两个版本numpy 需要卸载一个)
pip uninstall numpy
pip install numpy==1.16.0 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

也可以在Anaconda navigator下载，可能会有点慢（科学上网？）——不推荐

9.配置jupyter notebook

之前的环境都配置好了，可以在pycharm运行代码。
如果要在 jupyter notebook 运行 tensorflow 环境的话，可能还需要配置一下

首先进入tensorflow环境：conda activate tensorflow

conda install ipython
conda install jupyter

若报错 AttributeError: type object 'IOLoop' has no attribute 'initialized'
原因是安装的 tornado 版本与 jupyter 不匹配

conda install tornado=4.5

然后重新打开Anaconda Powershell Prompt，在base环境输入（直接输入）
conda install nb_conda_kernels
安装完成后重新打开 jupyter notebook
这样就可以在 jupyter notebook-Kernel- 自由更改环境了

参考 https://github.com/Anaconda-Platform/nb_conda_kernels

也可以在Anaconda Powershell Prompt- tensorflow 环境 输入jupyter notebook进入
该方法是从 C盘根目录（默认目录）打开jupyter notebook，可能还需要修改 文件所在路径。有点麻烦。

★★★后续工作

1 新建一个python3.6环境配置tensorflow 安装keras numpy pandas matplotlib，
测试下方代码。主要是conda命令安装。

待测试↓

conda install --channel  https://conda.anaconda.org/anaconda  tensorflow=1.6.0  

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade tensorflow %更新？

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow %下载？

（2）tensorflow实现吴恩达线性回归

补充：如何配置gpu版本的tensorflow 未完成

①anaconda prompt配置 tensorflow-gpu环境（&下载python3.6）
conda create --name tensorflow-gpu python=3.6
【难点】②安装tensorflow - cuda -cuNDD
一定要注意版本的对应

先更新了一下Nvidia的显卡驱动到最新（用Nvidia Experience客户端自动更新），然后打开控制面板查看支持的cuda版本，可以看到最新的驱动支持cuda11.1

去tensorflow官网→gpu支持（https://tensorflow.google.cn/install/gpu）
发现目前（20201105）只支持cuda10.1,下载

！！！下载下来只有一个32B的东西，无法运行（可能是被墙了） 去找一下百度云镜像。

二、问题：

（1）关于anaconda prompt无法activate 环境

原因是Power Shell不兼容anaconda （https://blog.csdn.net/kdongyi/article/details/81905494?utm_medium=distribute.pc_relevant.none-task-blog-title-2&spm=1001.2101.3001.4242）

conda install -n root -c pscondaenvs pscondaenvs
Set-ExecutionPolicy RemoteSigned 后选择Y（以管理员方式运行anaconda prompt 或者power shell）

好像conda版本过高会报错。因此不建议用anaconda propmt改环境，用cmd就好。

解决方案： 用conda activate Tensorflow

（2）Pycharm配置conda环境报错

若出现以下错误，可以找到.condarc文件（C:\Users\Ding Ding），删去 -defaults 即可。

（3）pip损坏 重新安装

先下载 pip https://pypi.org/project/pip/19.1.1/#files

解压到tensorflow环境所在文件夹：T:\Anaconda\envs\tensorflow
在Anaconda Powershell Prompt 切换工作路径 到tensorflow所在文件夹：

conda activate tensorflow %先打开tensorflow环境
cd T:\Anaconda\envs\tensorflow\pip-19.1.1 %切换到pip文件所在路径
python setup.py install %安装pip

三、补充说明

1、pip和conda区别

简而言之，pip是Python包的通用管理器; conda是一个与语言无关的跨平台环境管理器。对于用户，最显着的区别可能是这样的：pip在任何环境中安装python包; conda安装在conda环境中的任何包。

使用conda install包的时候，默认是装在root环境下的。（因此安装时需先进入 环境：activate env_name）

conda能够创建可以包含不同版本的Python或其他软件包的隔离环境。在使用数据科学工具时，这非常有用，因为不同的工具可能包含冲突的要求，这些要求可能会阻止它们全部安装到单个环境中。 Pip没有内置的环境支持，而是依赖于virtualenv或venv 等其他工具来创建隔离环境。

在anaconda下用pip装包的原因：尽管在anaconda下我们可以很方便的使用conda install来安装我们需要的依赖，但是anaconda本身只提供部分包，远没有pip提供的包多，有时conda无法安装我们需要的包，我们需要用pip将其装到conda环境里。

安装特定版本的包：
　　conda install numpy=1.93
　　pip install numpy==1.93

2、conda常用命令

conda在指定环境下安装包：conda create -n env_name python=3.5
conda create -n env_name numpy matplotlib python=3.5

激活虚拟环境：activate env_name

退出虚拟环境：deactivate env_name

删除环境：conda remove -n env_name --all

删除虚拟环境中的包：conda remove --name $your_env_name $package_name ？

常用命令
conda list：查看安装了哪些包。
conda install package_name(包名)：安装包
conda env list 或 conda info -e：查看当前存在哪些虚拟环境

update
升级Anaconda需要先升级conda
conda update conda
conda update anaconda

指定升级某一个库，例如 pandas：conda update pandas
自动检测并升级 Anaconda 管理器中的所有可升级的库：conda update --all

☆3、用conda安装TensorFlow

http://www.sohu.com/a/259103573_657064
（与 pip 安装相比，conda 安装可以带来超过 8 倍的速度提升。
GPU 版本的安装也更加简单：conda 安装将自动安装 GPU 支持所需的 CUDA 和 CuDNN 库。pip 安装则需要手动安装这些库。）未验证！！

conda install tensorflow
conda install tensorflow-gpu
conda install --channel  https://conda.anaconda.org/anaconda  tensorflow=1.6.0

4、用pip装包时的注意事项

首先，我们需要判断目前我们用的pip指令，会把包装到哪里，通常情况下，pip不像conda一样，他不知道环境，我们首先要确保我们用的是本环境的pip，这样pip install时，包才会创建到本环境中，不然包会创建到base环境，供各个不同的其他conda环境共享，此时可能会产生版本冲突问题。
查看pip环境：which -a pip
(经试验，anaconda4.8版本，在conda create新的环境时，已经默认在新环境装了pip，此时activate进入该环境后，用pip命令安装的包，默认会装在本环境中,不必担心pip一个包后后会将其他环境的包改变版本的情况)
当然我们自己创建的conda环境里，可能没有pip，此时进入自己的conda环境也会默认用base环境的pip，这就需要我们自己将pip安装入本环境，尽量不要使用base的pip在其他环境装包，这样也会装在base里，有产生版本冲突的可能（上文已讲）。
在自己conda环境安装pip：conda install pip
安装好本环境的pip之后，在本环境中使用pip install安装的包，就只在本conda中了，我们可以用conda list查看我们的包