win10系统的深度学习环境搭建以win10+rtx2060+tensorflow为例/K210的win10系统的深度学习环境搭建/有无显卡均可安装

win10系统的深度学习环境搭建以win10+rtx2060+tensorflow为例

K210的win10系统的深度学习环境搭建

有无显卡均可安装

一软件准备

1、Anaconda3

软件介绍：Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。
下载地址：https://www.anaconda.com/products/individual
选择与自己32/64位windows系统相匹配的python3.x版本进行下载安装（python2.x在2020年以后不会得到官方维护）
作用：在深度学习环境的搭建过程中，选择anaconda3是为了简化深度学习框架的安装。
安装过程：注意：安装时必须选择在添加到系统环境变量的地方进行勾选
下载结束会看到如下图所示的软件安装包
双击进行安装

选择Next，继续进行安装

然后选择I Agree

选择默认Next

浏览到自己的安装位置（建议非系统盘（c盘）即可），选择Next

首次安装需要将两个选项都进行勾选，一个是添加到系统环境变量中，一个是将自己的系统默认的python设置为anaconda3的python3.7版本，然后Install开始安装了，后续步骤默认即可。

2、pycharm社区（Community）版本

软件介绍：PyCharm是一种Python IDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。
下载地址： https://www.jetbrains.com/pycharm/download/#section=windows
作用：作为一个编辑器，作用是编写代码，调试代码，以及后续的模型转换。所依赖的环境是anaconda创建的tensorflow的环境，选择所依赖环境步骤会在下一部分环境搭建中进行详细说明。
安装过程：正常安装到非系统盘
下载完之后会看到下图所示的安装包

双击运行进行安装

选择Next

浏览到自己建立的安装目录，选择Next

按照需求选择自己的所需要的功能，常规选择创建桌面快捷方式即可，然后选择Next

然后选择Install，之后的步骤就是默认安装了

3、nncase工具箱

TFlite模型转换为K210的模型格式，需要借助嘉楠的nncase工具箱。下载好之后即可，不需要安装，需要注意的是下载解压到的ncc文件夹需要与训练过程中py文件在同一目录下，方便后续转换，如不需要可以不下载。
下载地址：https://gitee.com/cnbright/nncase/attach_files/267069/download

二环境搭建

1、查看自己的有无显卡

进行查看显卡的目的：有显卡（独立显卡且4GB及以上）可以选择安装GPU版本的TensorFlow，在训练模型的过程比较快。如果没有显卡或者独立显卡是2GB的显卡建议安装CPU版本的TensorFlow。
右击此电脑（我的电脑），属性，

左上角的设备管理器，

选择显示适配器，查看自己的显卡型号，

如果有nvidia标志，去搜查其型号的显卡内存大小，举例：NVIDIA GeForce RTX 2060的显存大小是6GB，选择安装GPU版本的环境；如果只显示Intel则不需要查询，这个是核显，选择安装CPU版本环境

2、创建环境

创建环境是根据自己的实际使用情况，有的人侧重python3.6或python3.7版本的不同，本教程是侧重对tf版本的不同而进行的环境搭建。
windows系统桌面下输入win+r唤出运行窗口，输入cmd。

然后确定，Users后面会显示自己电脑用户的名称

（1）CPU版本Tensorflow环境安装
查看可以安装的版本命令： conda search tensorflow
会出现很多版本，推荐1.10.0、1.12.0、1.14.0和1.15.0这几个版本，这些可以适用tensorflow1.x版本绝大多的程序
创建并安装自己的虚拟环境的命令：
conda create -n name tensorflow==1.15.0 （不要着急回车）
name需要自行替换，建议name替换成tf115,这样可以对版本有深刻认识
安装过程需要选择，根据提示选择yes或者y然后回车即可

（2）GPU版本Tensorflow环境安装
查看可以安装的版本命令 conda search tensorflow-gpu
版本推荐与CPU版本一致
创建并安装自己的虚拟环境的命令：
conda create -n name tensorflow-gpu==1.15.0（不要回车name自选）
name需要自行替换，建议name替换成tf115,这样可以对版本有深刻认识
安装过程需要选择，根据提示选择yes或者y然后回车即可
安装过程会输出大量的数据，所以不便截图
安装结束后，打开Anaconda的安装目录下的envs文件，会出现刚刚创建的name的文件夹
（3）环境激活与测试
以tf115版本为例，因为激活环境以conda的版本有关系，以所以激活命令是
activate tf115 或者 conda activate tf115

接下来弹出的一行前边有（tf115），则说明进入了自己创建的环境，然后输入python回车

上图是出现了一些警告，只要出现了>>>这个就是说明进入了python编辑环境中，然后输入import tensorflow as tf

然后出现下一个>>>即表明导入tensorflow成功，cpu版本的测试到此结束，但是gpu版本的还需要测试gpu是否可以参与到训练中，继续输入
tf.test.is_gpu_available()然后回车

会出现一些关于自己GPU的信息，包括cuda，cudnn以及显存算力显存大小等信息，但是最重要的是要返回来一个True，则表明可以使用GPU进行训练。如果返回的是False则表明不能使用GPU版本的tensorflow进行训练。
（4）环境拓展
刚刚创建好的环境可能还需要安装一些其他的安装包，需要用pip install 命令安装，pip install keras 安装keras，本次训练必须安装keras，常用的库opencv-python也可以安装，以上环境就算是搭建成功了。
(5)环境依赖的选择
初次安装pycharm并不懂得如何选择环境依赖，但是环境依赖的前提是环境已经安装好了。举例tf115环境按照上述步骤已经安装好之后，就可以设置自己的pycharm环境依赖。
初次安装需要新建一个project，其实就是一个文件夹，新建好之后，选择左上角的File然后选择Setting

然后选择project interpreter，然后选择右侧的设置按钮

之后选择Add

之后选择Existing environment,选择浏览

浏览到自己已经创建的环境的路径下，选择python.exe

然后接下来全部选择OK，动作慢一点，因为切换环境需要一段时间。这样自己的环境依赖就选择好了。