很多人會問，為甚麼要利用Anaconda建立虛擬環境去運行機器學習呢？
這問題問得很好，當你同時有不同的專案在進行時，若各個專案所需要的套件版本是互相有衝突時，就需要去為各個專案建立一個自己獨立的虛擬環境，而Anaconda的功能當然不只這樣，本篇教學會簡單的介紹如何用Anaconda去架設自己的環境，和一些好用的功能。
首先，搜尋並下載 Anaconda
點擊官網右上角 Download，並選擇自己的系統
此篇教學以 Windows為例，下載Python3.7的版本並安裝
開啟 Anaconda Prompt
輸入以下指令，此指令的意思是要創建一個Python版本為3.7，名字叫new_env的環境
conda create --name new_env python=3.7
輸入y即可開始安裝所需套件
接著下載自己顯卡的驅動程式並安裝
之後開啟 Anaconda Navigator，接下來就要介紹 Anaconda 最棒的地方，就是套件版本連動管理，首先點選左邊 Environment 並點選剛剛創建的環境
尋找 cudatoolkit 和 cudnn，可按右鍵打開選單並選擇版本，選擇完後到右下角點選 apply 一鍵安裝，那 cudatoolkit 和 cudnn 的版本該選甚麼呢？
並利用下方表格找出自己所需要安裝的 cuda 版本
安裝完後的樣子，done之後的部分是系統提示你開啟和關閉環境的指令
輸入指令 activate new_env 可開啟剛建置的虛擬環境，可以看到左邊的 base 變成 new_env，接著再輸入指令 conda list 可看到當下所在環境中的套件和其版本
activate new_env
conda list
conda install tensorflow-gpu
conda install keras-gpu
接下來跑上述這兩段指令安裝環境所需套件接著下載自己顯卡的驅動程式並安裝
之後開啟 Anaconda Navigator，接下來就要介紹 Anaconda 最棒的地方，就是套件版本連動管理，首先點選左邊 Environment 並點選剛剛創建的環境
尋找 cudatoolkit 和 cudnn，可按右鍵打開選單並選擇版本，選擇完後到右下角點選 apply 一鍵安裝，那 cudatoolkit 和 cudnn 的版本該選甚麼呢？
我們開啟 NVIDIA 控制面板確認版本
並利用下方表格找出自己所需要安裝的 cuda 版本
回到 Anaconda Navigator 去調整 cuda 版本並安裝，那這時你可能會問，那 cudnn 不用一併調整嗎，答案是要的，這時候就是 Anaconda 發揮他功能的地方，他會自動幫你偵測若改動這個套件的版本，其他會互相影響到的套件應該升或降到哪個版本才不會有問題。
這樣子就完成你的機器學習環境啦，接下來就是測試是否能成功地編譯 keras 的code，和正確地在GPU裝置上運行你的機器學習模型，而這些就留到下篇在講吧！
張貼留言