anaconda与pycharm、tensorflow与pytorch的安装

**

什么是 conda ？

**
conda 是开源包（packages）和虚拟环境（environment）的管理系统。

**packages 管理：**可以使用 conda 来安装、更新 、卸载工具包 ，并且它更关注于数据科学相关的工具包。在安装 anaconda 时就预先集成了像 Numpy、Scipy、 pandas、Scikit-learn 这些在数据分析中常用的包。另外值得一提的是，conda 并不仅仅管理Python的工具包，它也能安装非python的包。比如在新版的 Anaconda 中就可以安装R语言的集成开发环境 Rstudio。
**environment管理：**在conda中可以建立多个虚拟环境，用于隔离不同项目所需的不同版本的工具包，以防止版本上的冲突。对纠结于 Python 版本的同学们，我们也可以建立 Python2 和 Python3 两个环境，来分别运行不同版本的 Python 代码。

anaconda官网（需自备科学上网工具）
anaconda清华源
安装
查看nvidia显卡参数：[算力]
(https://developer.nvidia.com/zh-cn/cuda-gpus)
windows命令行输入nvidia -smi

手动下载cudatoolkit安装包添加链接描述
寻找相应版本的pytorch的pip安装包

安装完成后使用如下代码进行调试

import torch
 
print(torch.__version__)        #torch版本
print('gpu:', torch.cuda.is_available())   #gpu加速是否可用

测试tensorflow（gpu版本）是否成功
在对应环境下的python里运行
import tensorflow as tf tf.test.is_gpu_available
显示true则为成功
测试cuda：tf.test.is_built_with_cuda()1、创建tensorflow虚拟环境

conda create -n tensorflow python=2

2、查看当前存在哪些虚拟环境

conda env list

3、激活虚拟环境，进入到tensorflow虚拟环境Linux下：source activate tensorflow
windows下：conda activate tensorflow
4、安装tensorflow
国外源慢，已换成国内清华源

conda install tensorflow-=版本号

conda install tensorflow-gpu=版本号

或者pip install 包 -i 源，也可以把换源
5、安装opencvconda install opencv
6、关闭虚拟环境source deactivate

conda deactivate

7、删除虚拟环境conda remove -n tensorflow --all
8、删除虚拟环境中的某个包

conda remove --name tensorflow package_name