【深度学习_环境（六）】【完结】pycharm 不安装anaconda的情况下安装 python

ps.只针对TF不是pytoch

0 为什么不使用Anaconda？

Anaconda自带许多Python包，占用大量空间，且更新包很慢；经常和与其他Python环境产生冲突，比如conda和pip混合安装会报错。

选择直接安装python。

安装步骤：

如果不考虑显卡，只使用CPU，版本随意。

如果要考虑显卡，那么应该安装对应的版本:

本机显卡-> 找到对应的算力->CUDA、cuDNN的版本->对应Tensorflow版本

1 安装Python

官方下载地址：https://www.python.org/downloads/

下载的python对应版本

win+R 打开运行对话框，输入cmd后回车，在命令行界面输入python，随后显示Python版本即安装成功。

2 安装PyCharm

官方下载地址：https://www.jetbrains.com/pycharm/Tip：在校学生可申请免费使用专业版PyCharm（我没申请）

（Jupyter notebook，界面友好但是没有自动补全）

安装教程：PyCharm安装教程（windows） - 知乎 (zhihu.com)

3 PyCharm中导入Python解释器

settings -> python interpreter

4 安装包

3.1 使用 pip 安装 TensorFlow

python 3.6-3.9 看这里：TensorFlow (google.cn)

python 3.10 看这里：Tensorflow2.9版本安装(python版本3.10) - 掘金 (juejin.cn)

——————————————————————————————————————

win+r -> cmd -> 命令

pip install tensorflow==2.xxx
pip list  (查看是否安装完成)

ps.

要确认好有GPU的版本，不然会导致报错

TensorFlow 2.9 包含了keras，所以不用再安装，在代码中直接表示为 from keras import xxx

tensorflow 2.x不再区分是否gpu，当检测到gpu并安装cuda后，自动调用gpu。

3.1.1 CUDA与显卡驱动

根据显卡型号、cuda版本确定英伟达驱动版本

能够支持某一型号的GPU的英伟达驱动是一定的，我们想使用的tensorflow版本也是已知的，该tensorflow版本依赖的cuda版本也是一定的。

所以根据显卡型号和cuda版本可以确定显卡驱动。

【CUDA】cuda安装（windows版）_windows安装cuda_何为xl的博客-CSDN博客

Tensorflow2.5安装（安装问题，这一篇全解决）_sinysama的博客-CSDN博客

cuDNN Archive | NVIDIA Developer

Windows10检查Cuda和cuDNN是否安装成功？_win10 paddle paddle如何检测cudnn 是否安装成功_jhsignal的博客-CSDN博客

Cuda和cuDNN安装教程(超级详细)_cuda安装_jhsignal的博客-CSDN博客

各个版本tensorflow-gpu对应cuda/cudnn的安装 - 知乎 (zhihu.com)

【CUDA】cuda安装（windows版）_windows安装cuda_何为xl的博客-CSDN博客

Tensorflow2.5安装（安装问题，这一篇全解决）_sinysama的博客-CSDN博客

Windows环境下CUDA+cuDNN安装教程，解决各种装不上问题（死活装不上的看过来）_cudnn安装不成功_莫余的博客-CSDN博客

5 使用 venv创建虚拟环境

1 创建虚拟环境

进入CMD，在当前环境下创建目录，并放置一个 pyvenv.cfg 文件在其中，文件中有一个 home 键，它的值指向运行此命令的 Python 安装（目标目录的常用名称是 .venv）

"E:\pathenvironment"

python -m venv \path\to\new\virtual\environment

2 进入虚拟环境并激活虚拟环境:

命令行前面有虚拟环境名称就代表进入虚拟环境

cd path\environment\Scripts
activate

3 查看虚拟机环境并升级pip与安装模块包：

使用命令pip list查看当前虚拟环境内安装的模块包

命令pip install 安装需要的包

4 pycharm使用新环境

5 保存和复制虚拟环境

要保存和复制虚拟环境，你可以执行以下步骤：

导出虚拟环境：进入你的虚拟环境所在的目录，并执行以下命令导出环境的配置信息到一个文件中：
```
pip freeze > requirements.txt
```
复制虚拟环境：将整个虚拟环境目录复制到另一个位置或计算机上，保持目录结构完整。例如，如果你的虚拟环境位于 /path/to/venv，你可以将整个目录复制到新的位置。
创建新的虚拟环境：在新的位置或计算机上创建一个新的虚拟环境。使用如下命令创建虚拟环境：
```
python -m venv /path/to/new_venv
```
激活新的虚拟环境：根据你的操作系统，在新的虚拟环境目录下执行相应的命令来激活虚拟环境。
安装依赖包：在新的虚拟环境中，使用以下命令安装之前导出的依赖包：
```
pip install -r requirements.txt
```