文章目录
前言
此贴主要记录window环境下，python安装、配置python环境及tensorflow（GPU、CPU）的配置。初学者记录贴，如内容有误，还请各位大佬指出来。
一、安装Python（Miniconda）
1.1 安装
（1）访问Anaconda官网（https://docs.conda.io/en/latest/miniconda.html），点击所需版本的下载链接。
（例如：https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe）
（2）双击exe文件→Next→I Agree!→Next→Next（注意调整安装路径）→Install（两个都要勾选）→Finish
1.2 检查
（1）打开cmd界面（win+r+cmd）→输入命令行：conda env list→显示miniconda安装位置，及所有配置环境（base）。
（2）查看python版本→输入命令行：python
二、安装Pycharm及环境搭建
2.1 安装
（1）访问Pycharm官网（https://www.jetbrains.com/pycharm），点击Download，选择所需版本下载。
例如：https://download.jetbrains.com.cn/python/pycharm-community-2022.2.2.exe）
（2）双击exe文件→Next→Next（注意调整安装路径）→Next（全部勾选）→Install→Finish
2.2 环境搭建
（1）双击桌面Pycharm图标→Continue（同意条款）→New Project（选择Conda）→Create 
（2）测试：右键main.py文件→Run→显示“Hi Pycharm”说明搭建成功
注：大家可以通过Python终端（Terminal），使用pip命令下载安装包，如：pip install numpy。打开Terminal界面的两种方式：（1）View→Tool Window→Terminal；（2）快捷键：Alt + F12。
到这一步，恭喜大家已经成功安装Python并配置集成开发环境，可以通过Pycharm进行编程，调用不同的包完成机器学习任务。
三、深度学习框架TensorFlow安装
TensorFlow有GPU版本，也有CPU版本。GPU版本运行速度快很多，所以优先安装GPU版本。TensorFlow-GPU版本对电脑硬件有一定要求，所以安装之前大家确认一下自己的电脑显卡型号及配置。
（1）显卡是NVIDIA，则可以安装GPU版本，通过（2）查看显卡配置。如果显卡不是NVIDIA请直接进入3.2安装CPU版本。
（2）打开cmd界面（win+r+cmd）→输入命令行：nvidia-smi→查看显卡配置。进入3.1安装GPU版本。
3.1 安装TensorFlow-GPU
安装TensorFlow-GPU需要安装CUDA和CUDNN，且三者版本需要对应，否则报错安装不成功。上图CUDA Version表明电脑可以安装的CUDA最高版本为11.6。下图为TensorFlow-GPU、CUDA和CUDNN版本对应关系，不建议大家安装最新版本。以红框的版本为例，开始安装。
3.1.1 创建虚拟环境
（1）创建虚拟环境：打开Anaconda Prompt（miniconda）→输入命令行后回车：
conda create -n TensorFlow-GPU python==3.8 →y（创建成功）
（2）进入虚拟环境：输入命令行后回车：conda activate TensorFlow-GPU
注：以下3.1.*中所有操作都是刚刚创建的虚拟环境TensorFlow-GPU中进行。
3.1.2 创建虚拟环境下载CUDA和CUDNN
在TensorFlow-GPU的环境中，使用命令行查询CUDA和CUDNN版本，下载相应版本。
（1）查询CUDA版本，命令行：conda search cudatoolkit
（2）查询CUDNN版本，命令行：conda search cudnn
（3）安装cudatoolkit，命令行：conda install cudatooklit=10.1.243→y
（4）安装cudnn，命令行：conda install cudnn=7.6.5→y
（5）安装TensorFlow-GPU，命令行：conda install tensorflow-gpu=2.3.0→y
3.1.3 Pycharm搭建TensorFlow-GPU环境
（1）添加环境：打开Pycharm→File→Setting→Project：pythonProject→Python
Interpreter→Add Python Interpreter（见下1图）→Conda Environment→Interpreter→选择下2图红框→OK
3.2 安装TensorFlow-CPU
虽然TensorFlow-CPU版本不用安装CUDA和CUDNN，但依旧需要留意版本对应关系。如下图所示，红色框为安装实例。
3.2.1 创建虚拟环境
（1）创建虚拟环境：打开Anaconda Prompt（miniconda）→输入命令行后回车：
conda create -n TensorFlow-CPU python==3.8 →y（创建成功）
（2）进入虚拟环境：输入命令行后回车：conda activate TensorFlow-CPU
注：以下3.2.*中所有操作都在刚刚创建的TensorFlow-CPU环境中实现。
3.2.2 下载TensorFlow-CPU版本
在TensorFlow-GPU的环境中，使用命令行下载对应版本TensorFlow就可以：
conda install tensorflow=2.3.0或者pip install tensorflow==2.3.0
3.2.3 Pycharm搭建TensorFlow-CPU环境
（1）添加环境：打开Pycharm→File→Setting→Project：pythonProject→Python
Interpreter→Add Python Interpreter（见下1图）→Conda Environment→Interpreter→选择下2图红框→OK
![![在这里插入]](https://aitechtogether.com/wp-content/uploads/2023/03/f443606e-c74a-411b-b176-0d774305792a.webp)
（2）切换工作环境：选中pythonProject文件→File→Setting→Project：
pythonProject→Python Interpreter→切换刚刚添加的TensorFlow-GPU环境→OK
（3）检验：pythonProject文件夹→创建py文件→敲入如图所示代码→运行出相应结果→环境配置成功
总结
个人发展需要，进行生物信息处理学习及能编程实现机器学习的一般任务（分类，聚类，预测和生成）。开贴记录入门学习过程。个人基础：统计学专业，之前的代码能力只局限于看得懂代码，能根据自己的目标修改代码。当时的pycharm环境都是同学帮忙配的，事实证明偷过的懒都是要还的。
参考博客
1.https://blog.csdn.net/weixin_43760844/article/details/113477352
2.https://blog.csdn.net/weixin_44797288/article/details/123775349
3.https://blog.csdn.net/weixin_41115760/article/details/122027311
4.https://waleon.blog.csdn.net/article/details/83661415
5.https://blog.csdn.net/weixin_44927703/article/details/122310246
文章出处登录后可见！
