tensorflow与pytorch都是机器学习常用的工具，本文用anaconda为tensorflow与pytorch创建两个环境
0.准备
首先需要有安装过anaconda，并且会使用anaconda，可以参考https://www.jianshu.com/p/3ab52e7d96f9
其次如果需要使用gpu版本的tensorflow或者pytorch，需要先安装CUDA，某些电脑的显卡并不支持cuda，可以去英伟达官网看看，我是很早之前装的，步骤也都忘了。如果显卡不支持cuda就只能装cpu版本了
安装tensorflow
1.查看版本
我安装的cuda版本是9.0，在tensorflow官网https://tensorflow.google.cn/install/source_windows上查看对应的版本号，选择安装1.13版本。cuda9.2版本可以安装tensorflow-gpu1.14和1.15版
version
如果安装的cuda版本是10.0以上的，可以安装新版本>2.0.0
version_new
没有cuda，可以安装cpu版本
注意：不同版本tensorflow对于python版本有要求，我选择的1.13版要求python为3.5-3.6，由于python3.6在安装时出了问题，保守起见选择python3.5
2.创建环境
(my_env) C:\Users\dell>conda create -n tensorflow_2 python=3.5
可以使用命令查看环境
conda info --envs
激活环境
(my_env) C:\Users\dell>conda activate tensorflow_2
(tensorflow_2) C:\Users\dell>
安装gpu版本的tensorflow
(tensorflow_2) C:\Users\dell>conda install tensorflow-gpu=1.13
也可使用pip安装
(tensorflow_2) C:\Users\dell>pip install tensorflow-gpu==1.13.1
查看列表安装完成
(tensorflow_2) C:\Users\dell>conda list
# packages in environment at C:\Users\dell\Anaconda3\envs\tensorflow_2:
#
# Name Version Build Channel
absl-py 0.9.0 pypi_0 pypi
astor 0.8.1 pypi_0 pypi
certifi 2016.2.28 py35_0 https://mirrors.ustc.edu.cn/anaconda/pkgs/free
gast 0.3.3 pypi_0 pypi
grpcio 1.27.2 pypi_0 pypi
h5py 2.10.0 pypi_0 pypi
keras-applications 1.0.8 pypi_0 pypi
keras-preprocessing 1.1.0 pypi_0 pypi
markdown 3.2.1 pypi_0 pypi
mock 3.0.5 pypi_0 pypi
numpy 1.18.1 pypi_0 pypi
pip 9.0.1 py35_1 https://mirrors.ustc.edu.cn/anaconda/pkgs/free
protobuf 3.11.3 pypi_0 pypi
python 3.5.4 0 https://mirrors.ustc.edu.cn/anaconda/pkgs/free
setuptools 36.4.0 py35_1 https://mirrors.ustc.edu.cn/anaconda/pkgs/free
six 1.14.0 pypi_0 pypi
tensorboard 1.13.1 pypi_0 pypi
tensorflow 1.13.1 pypi_0 pypi
tensorflow-estimator 1.13.0 pypi_0 pypi
termcolor 1.1.0 pypi_0 pypi
vc 14 0 https://mirrors.ustc.edu.cn/anaconda/pkgs/free
vs2015_runtime 14.0.25420 0 https://mirrors.ustc.edu.cn/anaconda/pkgs/free
werkzeug 1.0.0 pypi_0 pypi
wheel 0.29.0 py35_0 https://mirrors.ustc.edu.cn/anaconda/pkgs/free
wincertstore 0.2 py35_0 https://mirrors.ustc.edu.cn/anaconda/pkgs/free
3.测试
在tensorflow环境下，进入python模式进行测试
(tensorflow_2) C:\Users\dell>python
Python 3.5.4 |Continuum Analytics, Inc.| (default, Aug 14 2017, 13:41:13) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
2020-02-16 17:16:36.110484: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
>>> print sess.run(hello)
>>> print sess.run(hello)
>>> print(sess.run(hello))
b'Hello, TensorFlow!'
>>> a = tf.constant(10)
>>> b = tf.constant(21)
>>> print sess.run(a+b)
>>> print(sess.run(a+b))
31
测试成功，安装完成
安装pytorch
1.查看版本
在pytorch官网可以查看需要的版本https://pytorch.org/
version
如果没有对应的版本，可以查看pytorch的历史版本https://pytorch.org/get-started/previous-versions/，找到了合适的版本1.1.0
version_pre
注意：pytorch官网给出的命令，下载链接指向的是pytorch官网，要使用国内镜像不可以加-c
2.创建环境
创建环境与安装tensorflow类似安装python3.7，在安装pytorch包时键入
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0
3.测试
(E:\local\pytorch) C:\Users\dell>python
Python 3.7.6 (default, Jan 8 2020, 20:23:39) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> x = torch.empty(5, 3)
>>> print(x)
tensor([[9.0919e-39, 9.9184e-39, 1.0286e-38],
[1.0653e-38, 1.0469e-38, 9.5510e-39],
[9.9184e-39, 9.0000e-39, 1.0561e-38],
[1.0653e-38, 4.1327e-39, 8.9082e-39],
[9.8265e-39, 9.4592e-39, 1.0561e-38]])
测试成功
