详细安装anaconda与tensorflow、pytorch

不管你之前有没有安装过python，这篇文章都很适合帮助你安装anaconda与建立tensorflow、pytorch环境，演示是使用CPU进行的，GPU版本的环境我给出了相应的提醒与建议。

写这篇博客原因在于，我之前安装过python，而网上没有找到我想要的文章。

没人比我更详细（狗头），纯属开玩笑啊

官网下载：Anaconda | Individual Edition

官网下载的是最新版，官网速度其实不慢的。

如果你想下载其他版本或者嫌弃官网速度慢，请进入清华镜像站进行下载

Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

这里以官网做示例

不需要登陆注册，等待下就会弹出下载选项。

这里选择默认的为自己安装，一般人而言选无论哪个都是一样的，因为一般电脑上只有一个用户。

路径不要有中文。

需要空间2.9G，我不建议你使用默认的安装位置（即C盘）。

我在D盘新建了个文件夹 anaconda3，并选择此文件夹进行安装。

选择后点击 next

下面有关于此选项的详细介绍。我实际是选了第二个的。

第一个选项：

选择是否将 Anaconda 添加到 PATH 环境变量中，默认是不添加的。

不添加意味着你不能在cmd(命令提示符)以及powershell中使用命令行操作。

我不建议你添加，是因为anaconda有自带的 Anaconda Prompt 以及 Anaconda Powershell Prompt，这与cmd和powershell是一样的，没有必要添加到路径。

当然如果你有其他想法，你可以选择添加。

第二个选项：

选择是否将 Anaconda 注册为你的默认 Python，默认是选择的。（我这个默认为python为3.8的）

如果你要安装和运行 Anaconda 的多个版本或 Python 的多个版本，基本上是不勾选此选项的 。 如果你有其它想法，另说。

如果你之前安装过python并且使用vs、pycharm等软件时，勾选此选项，anaconda自带的python会成为这些软件的默认选项。

我原来装了python3.9的，但这里我实际上是勾选了的，因为没有影响到我python3.9的使用。

pycharm :一款强大的适用于python的IDE软件。

使用 pycharm 可以轻而易举地使用 Python 和 jupyter 笔记本，它旨在与 Anaconda 一起使用

第一个选项：查看anaconda个人版教程

第二个选项：如何开始anaconda

这两个选项都将为你打开对应的网站

选择后，点击 finish。

在开始菜单文件夹中打开 Anaconda Prompt ，输入 conda info

如果你安装时添加了环境变量，你也可以在cmd和powershell上输入这个命令。

开始菜单文件夹

Anaconda Navigator：

Anaconda Navigator的官方介绍：Anaconda Navigator是Anaconda发行版中包含的桌面图形用户界面（GUI），可让您启动应用程序并轻松管理conda程序包，环境和通道，而无需使用命令行命令。

Anaconda Powershell Prompt 以及 Anaconda Prompt：

与上面一致，但是是使用命令行模式

Jupyter Notebook：这个使用的人非常多

Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。简而言之，Jupyter Notebook是以网页的形式打开，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示。如在编程过程中需要编写说明文档，可在同一个页面中直接编写，便于作及时的说明和解释。

作者：Raxxie 链接：https://www.jianshu.com/p/91365f343585

Spyder：

百度百科：Spyder是Python的作者为它开发的一个简单的集成开发环境。和其他的Python开发环境相比，它最大的优点就是模仿MATLAB的“工作空间”的功能，可以很方便地观察和修改数组的值。

当前环境信息：conda info

conda安装版本信息：conda --version

更新conda：conda update -n base -c defaults conda

检查目前的安装环境：conda info --envs 或者 conda info -e

检查目前有哪些版本的python可以安装：conda search --full-name python

还有一些命令在后面进行展示。

通常一个环境就足够了，但是我还是建议再创建一个新的环境。 在有些情况下，你可以在新环境上做实验，没问题后再在默认环境中操作，新环境中遭遇不可控错误，那就删除重建一个。

或者你要搭建 tesorflow 、pytorch深度学习环境，那你肯定要新建环境的。

默认的环境是base（root），python的版本为3.8.8

检查是否安装成功：conda --version 检查目前的安装环境：conda info --envs 或者 conda info -e

在Anoconda中，安装的python或者称为环境会存放在envs文件夹中。

* 号表示处于当前环境中。

我不建议你直接使用之前的python来建立环境。因为你必然安装了很多模块，文件夹就大了许多。 当然，如果你就是为了这些模块，那就随意。

在Anoconda中，安装的python或者称为环境会存放在envs文件夹中。

所以，那就将原来的python文件夹复制到装anaconda的文件夹下的envs 中

我原来的python装在D盘的 Python3.9.4文件夹中，我的anaconda装在D盘的 anaconda3文件夹中

复制进envs文件夹后，可以更改文件名，我这里就不更改了

创建环境：（这里使用现有的python，所以不指定python版本）

conda create --name Python3.9.4 -y //加上 -y 后就不需要在输入 y了

–name 或者 -n ：指定环境名。这里为文件名

Python3.9.4 ：环境名。这里是文件名

你创建时如果出现更新警告，可以更新一下conda

conda update -n base -c defaults conda

激活环境

windows下：conda activate Python3.9.4 //后面是环境名

linux & mac：source activate Python3.9.4

linux和mac的命令不确定，如果失败，那只能自行寻找原因了。

激活成功后，最前面的base(root)会变成你的新环境名。

输入 python --version查看版本

输入conda info --envs 检测安装的环境

图中已经创建好了环境

返回默认的环境 base(root)

windows：conda deactivate //后面可以加上环境名，指定退出哪个环境，没有加就是退出当前环境。

直接使用deactivate是不行的，因为要被弃用了。

linux & mac：source deactivate

linux和mac的命令不确定，如果失败，那只能自行寻找原因了。

删除环境：

conda remove --name Python3.9.4 --all //先要退出这个环境，才能删除

创建环境：

conda create --name tensorflow python=3.9 中途需要输入 y 表示同意继续

–name 或者 -n ：指定环境名

tensorflow：环境名

python=3.9：指定安装python的版本，python=3.9表示安装3.9中的最新版

也可以指定具体的版本 比如：python=3.9.4

激活环境

windows下：conda activate tensorflow //后面是环境名

linux & mac：source activate tensorflow

linux和mac的命令不确定，如果失败，可能需要你自行寻找答案。

激活成功后，最前面的base(root)会变成你的新环境名。

输入 python --version查看版本

输入conda info --envs 检测安装的环境

图中已经创建好环境

返回默认的环境 base(root)

windows：conda deactivate //后面可以加上环境名，指定退出哪个环境，没有加就是退出当前环境。

直接使用deactivate是不行的，因为要被弃用了。

linux & mac：source deactivate

linux和mac的命令不确定，如果失败，source前面加上 conda 试试，或者source后面

删除环境：

conda remove --name tensorflow --all //先要退出这个环境，才能删除

这里我就不演示了，在上一小节演示过了。

因为我是AMD的显卡，所以在windows上装tensorflow只能装cpu的，因此我仅对cpu的做演示。

对安装GPU版本的提醒与建议：

如果你是NVDIA（英伟达）的显卡，并且想装GPU的，你一定要看官网对GPU版本对应的要求。 官网：https://www.tensorflow.org/install/pip#gpu

绝大部分人安装GPU有问题就在于 cuda以及cudnn的版本问题。 而网上关于GPU版本的教程几乎是没有人提过这点，意味着你基本要完全跟着别人的教程走，才有可能成功。

这仅是部分截图

CPU版本安装演示：

先激活前面新建的环境 tensorflow windows: conda activate tensorflow

更新一下pip：

最后安装cpu版tensorflow

这仅是部分截图。

根据官网：https://www.tensorflow.org/install/pip#cpu cpu版的没什么要求，唯一有要求的便是python的版本，这其实也不算要求，只需要有对应python版本的tensorflow即可。 我写这篇博客时 python3.10 是没有对应的tensorflow的。

强烈建议使用换源的方法。这里顺序没安排好，因为我同学使用换源的方法总是失败，所以我为了保险，所以一开始使用的是没有换源的方法，但我后面自己试了下换源，没问题，并且节省了很多时间，没换源半小时，换源后2分钟。

1. 不换源的方法。

晚上非常不建议使用这种方法，晚上速度可能很慢。 白天网速还是可以的，但是不稳定。

这是我成功安装完的样子。这些都是tensorflow相关的依赖。 验证是否成功

输入 python 进入python命令行 输入 import tensorflow as tf 引入tensorflow模块（as作用：重命名） 如果你还不放心，那就再验证一下

查看版本与路径 tf.__version__ 以及 tf.__path__

2. 换源的方法。

还是一样激活环境，更新pip 我这里使用新环境 python37做演示

先激活环境 windows: conda activate python37

更新一下pip：

安装tensorflow

网上很多人给出的阿里源是http，但是实际上已经不行了，必须将http改成https。

这里使用阿里源。 我安装成功后的样子。 验证方法与前面一致。

pytorch的GPU限制就没有那么多了，注意一下支持的cuda版本即可了，下图中的cuda10.2即将不支持了。

建立环境：conda create -n pytorch python=3.9 windows下激活环境：conda activate pytorch

安装pytorch 根据官网自动生成命令 官网： https://pytorch.org/get-started/locally/ 我这里生成的命令为下方所示，这是没有换源的。 不建议使用这个方法

-c pytorch ：指定的是pytorch的本身源，速度很慢。

所以,，我们可以更改成国内源 比如 清华源 https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

选择合适的系统，我选择win-64的 所以，我使用的清华源为

所以，换源后的命令

如果出现下方图中类似的这种问题。进入提示的目录删除目标文件，重新执行命令即可。

你应该是不会出现这种问题，这问题应该是我前面使用非换源方法安装时强行终止后导致的结果。

验证安装

输入 python 进入python命令行 输入 import torch 引入torch模块 输入 print(torch.__version__) 输出pytorch版本

到这里就差不多了，完结撒花。有缘再补充了。

有帮助的话，不求一键三连，点个赞还是可以的吧，笔芯