在windows环境下搭建python开发环境的方法,win10安装python环境

　　近期打算写一篇机器学习微信小程序开发教程，但是微信开发工具只提供Windows和Mac OS版本。作为一个长期使用Linux的开发者，虽然我一直认为Linux对开发者来说是最友好的，但微信团队经过调研，肯定是做出了这个选择。不管我觉得Linux系统有多好，Windows系统毕竟是主流，大部分开发者使用的系统也是Windows系统，所以我打算写一下Windows环境下机器学习开发环境的配置，包括Python环境，CUDA，IDE和微信开发者工具等。这是其中之一。

　　由于历史原因，长期以来python有两个版本，python 2和python 3，存在兼容性问题。虽然通过开发者的不断努力，Python 2已经被广泛转向Python 3，但它仍然像一只不死的海燕一样顽强地存在着。比如大多数Linux发行版，python 2还是默认版本。另外，python社区非常活跃，各种python库也在不断发展。不同版本的python库之间的不兼容性总是存在的。有时候开发者会很尴尬，比如发布一个项目到github，读者就会过来问，为什么代码错在我身上？

　　鉴于这种情况，建议python开发者使用Anaconda。Anaconda是一个版本，可以很容易地获得python包，管理包，并以统一的方式管理环境。Anaconda包含超过180个科学包，包括conda和Python及其依赖项。使用Anaconda有什么好处？

　　你可以构建一个python虚拟环境。

　　例如，为python 2的遗留代码构建一个虚拟环境，为python 3的新代码构建一个虚拟环境。两个环境相互隔离，互不影响。无法执行python 3代码，因为python 2包安装在中。与虚拟机不同，Python是一种轻量级的隔离机制，所以在空间和速度上几乎没有额外的开销。

　　Anaconda是一个打包解决方案。

　　python的用户可能知道，通过安装virtualenv，也可以建立python虚拟环境，但是需要下载python，设置环境变量，安装pip，安装virtualenv，……很多繁琐的步骤，为了简单易用，可能还要安装wrap脚本。Anaconda是针对python环境的包解决方案，安装包包括python分发包和集成的包管理工具，下载安装一个软件包即可解决。而且Anaconda支持Windows、Linux、Mac OS系统，在所有操作系统下运行一致，降低了操作系统迁移的成本。

　　Anaconda的虚拟环境是可以复制的。

　　Anaconda的虚拟环境可以导出为一个列表，其中包含环境中所有python包的名称和版本信息，这样其他人就可以导入该列表并复制一个相同的python虚拟环境。它是一个列表文本文件，易于共享，可以用git管理。在开发过程中，哪些python库的依赖关系发生了变化，可以追溯。

　　下面就来说说如何在Windows 10下安装配置Anaconda。

　　获取Anaconda类似于在Windows下安装其他应用软件。首先去Anaconda官网下载安装包。下载地址是：

　　https://www.anaconda.com/distribution/

　　建议选择64位版本的Python 3.7:

　　这里选择python 3.7并不是说python虚拟环境只能是python 3，而是默认的python虚拟环境是python 3。虽然python 2生命力很强，但是对于新写的代码，还是推荐使用python 3。

　　安装软件包。按照安装向导安装即可。选择安装类型这一步需要注意：

　　建议选择Just Me这个选项。如果您选择All users，您可能需要管理员权限。如果你是系统的管理员用户，这个问题不大。

　　创建python虚拟环境，安装tensorflow Anaconda。安装后，我们可以看到Windows启动栏中有Anaconda3 (64-bit) 个程序组。点击Anaconda Prompt(Anaconda3):

　　启动Anaconda命令行：

　　我们可以注意到命令行前面有一个 (base) 的字，表示Anaconda当前的虚拟环境命名为base，这也是Anaconda默认的虚拟环境。

　　接下来为张量流创建一个虚拟环境。因为张量流有支持国家政治保卫局。参见国家政治保卫局的版本，如果要张量流支持GPU，还需要额外安装一些软件和配置，先暂时放一放，到下篇文章再详细展开。我们把虚拟环境命名为tensorflow_gpu:

　　conda create - name tensorflow_gpu切换到我们创建的张量流_gpu虚拟环境：

　　激活张量流_gpu可以注意到，命令行前面的字样变成了 (tensorflow_gpu) ,表明已经切换到张量流_gpu这个虚拟环境：

　　安装张量流-gpu包：

　　城市安装-c水蟒张量流-gpu当然你也可以采用点的方式进行安装，这个看个人喜好。

　　可以使用如下的代码进行测试：

　　将张量流作为tfprint(tf ._ _ version _ _)TF。测试。是_ GPU _ available()结果如下：

　　1 .13 .12019-08-09 15:45:13.852793:I张量流/核心/平台/cpu _ feature _ guard。抄送：141]您的中央处理器支持说明此张量流二进制文件未编译为使用：AVX avx 22019-08-09 15:45:15.069595:I张量流/核/公共运行时/GPU/GPU设备。抄送：1433]找到设备标准时间，第一行，在lt；模块文件c:\ anaconda 3 \ envs \ tensor flow _ GPU \ lib \ site-packages \ tensor flow \ python \ framework \ test _ util。py ，第1242行，在是_ GPU _ available for local _ device in device _ lib。列表本地设备():文件c:\ anaconda 3 \ envs \ tensor flow _ GPU \ lib \ site-packages \ tensor flow \ python \ client \ device _ lib。py ，第41行，在为py wrap _ tensorTF _ get代码中的列出本地设备。状态。状态))张量流。python。框架。错误_ impl。内部错误：cudaGetDevice()失败。状态：CUDA驱动程序版本不足以支持库达运行时版本可以看出，张量流包导入和使用没有问题，当前使用的张量流1.13.1版本，但没有国家政治保卫局。参见国家政治保卫局支持。如何让张量流支持国家政治保卫局。参见国家政治保卫局加速，下一篇文章再详细说明。

　　如果要退出当前的虚拟环境，可以使用如下命令：

　　康达停用导出和导入虚拟环境现在我们创建了一个名为张量流_gpu的虚拟环境，如果要分享给他人，可以将环境导出为一个文本文件：

　　激活张量流_ GPU conda env导出gt；c:/tensorflow_gpu.yml上面的命令将环境导出到tensorflow_gpu.yml文件中，我们可以用文本编辑器打开看一看里面的内容：

　　名称：tensor low _ gpuchcchannel:-anaconda-默认依赖项：-tflow _ select=2。1 .0=GPU-abul py=0。7 .1=py 37 _ 0-Astor=0。7 .1=py 37 _ 0-blas=1.0=mkl-ca证书=2019.5.15=0 -证书=2019 .6 .16=py 37 _ 0-cuda olkit=10。0 .130=0-cuda LUN=7。6 .0内容比较容易理解，就是安装了哪些依赖包。除了导出之外，我们还可以手工创建，也可以修改导出的yml(基督教青年会)文件，比如修改虚拟环境的名称，这属于比较高级的操作，有兴趣可以看看安纳康达官方文档。

　　他人在得到这份yml(基督教青年会)文件后，可以复刻安纳康达虚拟环境：

　　env create-f tensorlow _ GPU。y伯爵夫人到此，Windows 10下的机器学习python(python语言)开发环境就配置好了，接下来还需要更进一步，下一篇文章将讲讲Windows 10作业系统下图形处理器(GPU)的支持，敬请关注。

　　参考339文件。康达。io/projects/conda/en/latest/index。超文本标记语言

　　在Windows 10上安装计算机编程语言机器学习环境

　　安纳康达介绍~我爱你~安装及使用教程

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。