Windows10下使用Anaconda 配置tensorflow深度学习开发环境

1. python解释器安装

官网下载安装即可，使用pip管理包。（可略过此步骤）

2. Anaconda安装及使用

Anaconda包含了对应版本的python解释器、常见科学计算包、 Conda包管理及环境管理、Spyder（IDE）、Jupyter Notebook等等，基本满足数据分析的所有工具需求，强烈建议安装。

（1）官网下载anaconda安装包对应版本（此处win10，python3）并安装

如下图中选项建议全部勾选，添加系统环境变量，方便调用相关软件。（ Linux下或Windows已安装python解释器则涉及python默认冲突问题，根据自己情况选择。另conda可以创建虚拟环境并进行包管理，windows下建议作为唯一默认解释器）

（2）使用anaconda navigator 进行python 环境管理及包管理

打开系统开始菜单，找到anaconda3（对应python3版本）下的ancconda navigator，如图：

点击environment进入管理界面，可以看到当前创建的环境及安装的包， root为默认环境。Create创建虚拟python环境，如tensorflow-gpu。

创建完成后会在./anaconda3/envs/tensorflow-gpu 文件夹下生产相关文件，其中python.exe文件可以作为虚拟解释器被其他IDE调用（spyder、pycharm等）。

安装相关包，只需在not installed中搜索名称即可，如tensorflow-gpu（GPU加速的tensorflow，需N卡并配置CUDA）。点击apply后，显示依赖包列表，继续apply全部安装即可（这个非常方便，一键解决复杂的各种依赖问题）。对于搜索不到的包，自行下载好.whl之后使用 pip install XXX.whl 或conda install XXX.whl即可（最好在anacanda prompt中进行）。

激活不同的环境只需在anaconda3下的anaconda prompt下输入 activate tensorflow-gpu 即可。如图，命令行前括号中显示了当前的工作环境，没有括号表示为默认root环境。此时输入import tensorflow 会报错，原因是还未安装CUDA支持（见后文）。

3. 使用spyder（IDE）进行python开发及调试

同样是anaconda3菜单下的spyder，点击打开，如图：

主要有三部分，左边文本编辑器，可以写python代码，并有设置断点调试等快捷工具栏，右上是文件目录及工作变量目录（类似于matlab，非常直观），右下是Ipython控制台。基本流程为文本编辑器码代码，点击run则在Ipython中跑该文件，点debug则在Ipython中调试代码，输出结果都可以实时显示，并且过程变量保存在variable explorer中以便观察调试。Ipython中也可以直接输入简单的代码进行调试。

接上文，在spyder中使用conda创建的虚拟环境，需在tools->preference->python interpreter 中选择本地解释器（如自行创建的./anaconda3/envs/tensorflow-gpu/python.exe）即可。其他IDE如pycharm同理。

4. 使用jupyter notebook进行python开发及调试

jupyter notebook 最重要的优势在于可以同时保存输入代码和输出结果（数值，图表等），因此在做开发尤其是数据分析工作时显得非常方便高效。Windows下直接打开anaconda3下的jupyter notebook即可，会使用系统默认浏览器打开，如图：

Windows下notebook有个问题，即打开后默认工作目录为C:/user/username且无法切换至其他盘如D盘。解决方法为在特定目录位置shift + 鼠标右键选择“在此处打开 powershell窗口，输入命令Start-Process jupyter notebook即可在该位置打开botebook。如果用cmd则直接输入jupyter notebook即可。以上操作需要添加安装目录到系统环境变量（如上文所述安装anaconda），若未添加，则手动将安装目录下bin文件夹添加至系统环境变量即可。

打开notebook后，点击new->python3新建文件即可写代码。Notebook文件（.ipynb）中直接输入变量名可以进行输出（不同于.py文件），Pandas中显示Dataframe等也更加直观，如图。其他如魔法命令%matplotlib inline， %debug等非常实用，此处不详细展开。

5. Tensorflow-gpu框架的安装及使用

Tensorflow是google旗下的深度学习框架，支持GPU加速。需要在python下安装对应的python包，并安装Nvidia的CUDA支持。具体过程如下：

首先利用conda安装tensorflow-gpu模块，如前文所述。注意到tensorflow-gpu的依赖包中有如下两个，是GPU加速的支持模块。注意这里的版本号要与接下来安装的版本一致（很关键，踩过的坑，版本不一致会出现各种报错）

以上安装完成之后，接下来安装Nvidia的CUDA支持（cuda 和 cudnn）。进入Navidia官网下载页面https://developer.nvidia.com/cuda-toolkit-archive ，选择8.0版本下载。下载完成后直接安装即可。

接下来下载cudnn，进入页面https://developer.nvidia.com/cudnn， 首先进行一番注册，然后登陆进入下载页，选择6.0版本、win10 版本。下载后解压，将其中bin文件夹添加到系统环境变量即可。

以上就完成了tensorflow-gpu环境的配置，若电脑没有Nvidia的显卡，则直接安装tensorflow（非gpu版）即可，不用再额外配置CUDA。

完成以上步骤后，在python中再次输入import tensorflow 没有报错则说明安装成功。接下来就可以在tensorflow框架下开发自己的深度学习应用了。