Python应用实战案例：Python编程环境配置（AnacondaJupyterGPU环境）
Posted 文宇肃然
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Python应用实战案例：Python编程环境配置（AnacondaJupyterGPU环境）相关的知识，希望对你有一定的参考价值。
1. 写在前面
搞算法的同学也都明白，一个比较完美的python环境是多么的重要。这篇文章打算把一些必备的python环境配置过程记录下来，这样不管是新到了公司实习或者就职，还是新换了电脑，都可以借鉴这篇快速把环境搭建起来啦
由于我也是重装了系统，所以算是从0开始搭建python环境，这次从anaconda安装开始， 然后到cuda的相关安装配置，再到cudnn的安装配置，然后从anaconda中建立虚拟tensorflow和pytorch的虚拟环境，再各自的虚拟环境里面安装jupyter notebook并完成配置，安装tensorflow的GPU版本和pytorch的GPU版本。这一整套下来，在自己机子上做一些简单的模型实验就没有问题了。
虽然这套流程是目前是在Windows上做的，但具有普适性，在Linux上也是一样的道理，只不过有些地方的操作可能不一样，原理都是一样的。
内容包括:
-
Anaconda的安装与常用命令小总
-
Jupyter的安装与相关配置
-
CUDA与Cudnn的安装(GPU支持必备)
-
建立tf虚拟环境并安装tf2.0GPU版本
-
建立pytorch虚拟环境并安装pytorchGPU版本
2. Anaconda的安装与常用命令
Anaconda是为方便使用Python而建立的软件包，其包含250多个工具包，多版本的Python解释器和强大的虚拟环境工具，所以Anaconda是Python的全家桶。Anaconda可以使安装，运行和升级环境变得更简单，所以初步学习Python，这一个就足够了。
Windows下的Anaconda安装&#x
以上是关于Python应用实战案例：Python编程环境配置（AnacondaJupyterGPU环境）的主要内容，如果未能解决你的问题，请参考以下文章