anaconda+tensorflow安装教程,anaconda怎么安装tensorflow1.0

  anaconda+tensorflow安装教程,anaconda怎么安装tensorflow1.0

  2019.4.14更新下的内容很旧,建议批判性阅读。各种版本总是在变。最好的教程是tensorflow和pytorch的英文原版网站。在Windows下工作还可以,但是不适合开发。它将运行小代码。现在我一般在windows上使用SSH连接远程linux的服务器,保持远程配置的解释器环境不变。(pycharm有对应的SSH功能,可以配置。)。现在你可以很轻松的打开音乐,边看资料边编码,找机会现场钓鱼。

  最近开始了解深度学习。尽量做好实战准备。看了关于tensorflow安装的博客,因为走了很长一段路,所以试着填一下洞。主要关注使用pycharm时需要tensorflow的安装过程。

  环境:windows10专业版。但是,如果想让tensorflow轻松运行,安装过程真的很简单。

  如果你有“安装IDE和关联编译器”的经验,不想看到复杂的安装说明,请查看这个目录,根据自己的理解完成。如有问题,请仔细检查。

  安装python,推荐3.5以上版本。

  当您安装pycharm并将python解释器与pycham相关联时,您将提供一个包含Python.exe的路径。

  3.三分钟后。Pycharm,文件-设置-project xxx360-项目解释器,双击右边列表中任意一项,打开“可用包”进行安装。

  序

  首先,关于在windows上安装tensorflow,有些博客叫安装Anaconda和CUDA,但是我觉得不太好。关于Anaconda,本质上是一个集成包,外表五六百米,里面有python和几个科学包,里面没有tensorflow。长辈给了我一个包,我没有用。其实里面有很多包。我可以用它做任何我想做的事。因为pip非常有用,所以实际上不需要像在另一个教程中那样使用pip命令来获取包,尤其是在打开pycharm之后。Anaconda闻起来很香,一键配置,但是不用裸着进入虚拟环境。

  1.安装python

  它是python和几个工具包的解释器,就像学习c时的编译器,找到资源运行exe时的基本安装。对于版本,tensorflow1.2或更高版本需要3.5或更高版本。关于2.x和3.x的区别,有兴趣的可以参考

  33558 OOB.com/python/python-2x-3x.html

  2.选择一个IDE

  好的IDE可以提高效率。我用pycharm,看个人喜好。蟒蛇和蜘蛛一起出现。

  Pycharm有很多资源和安装教程,这里就略过了。

  例如,https://blog.csdn.net/yctjin/article/details/70307933? location num=11 fps=1

  安装IDE时,系统会询问您是否要关联一个解释器。如果不小心,还可以打开文件project: XXX-project interpreter来关联解释器路径。这个过程与使用代码块相关的编译器是一样的。以便可以使用基本的python。

  图1项目解释器

  另外,文件设置配色方案可以选择主题。

  3.安装tensorflow

  有些教程建议使用pip。这样很方便。python目录下的Scripts文件夹里有pip.exe和pip3.exe。在命令行中输入几个命令后,安装就完成了。详情:https://blog.csdn.net/u 010099080/文章/详情/53418159

  但是,我真的用不好cmd。安装pycharm其实更方便。(本质是pip。但是,您不需要自己输入命令。)

  方法:https://jingyan.Baidu.com/article/335530 dafdbb3619cb41c3a8.html

  如何:在图1所示的界面中,双击任何包,比如pip。接下来,将显示可安装包的列表。找到所需的软件包后,单击安装软件包。就这么简单。右边一栏是套餐介绍,下面可以选择具体版本。(1.2以下的Python3.6早期版本)。列表中的蓝色已安装。

  安装后,它会出现在您的列表中。如上面的图1所示。即使只有tensorflow,也有很多配套的东西,比如numpy,tensorboard等。完全不用担心。另外,需要熊猫的时候,用同样的方法安装。

  如果需要在GPU上运行tensorflow

  确定你的显卡支持CUDA,并且要安装CUDA和cuDNN,选择tensorflow-gpu。

  参见:https://blog.csdn.net/u010099080/article/details/53418159.

  不同版本的tensorflow支持特定版本的CUDA,CUDA、cudnn应当与tensorflow配套

  好多教程不强调,而且发布的比较早,很容易有漏洞。

  Tensorflow1.6开始支持CUDA9.0,cuDNN也需要匹配。找CUDA9.0的cuDNN x.x.x等。

  Tensorflow1.6或者1.7不能用CUDA9.1,你要用9.0我就被坑了。幸运的是,有一个解决方案。非常感谢下面这篇文章:

  https://blog.csdn.net/qq_36556893/article/details/79433298

  所以我用CUDA9.1写了一个关于tensorflow的详细教程:

  https://blog.csdn.net/heros_never_die/article/details/79871564

  更新:tensorflow的包比较大,安装起来比普通包慢很多。请在程序运行正常,网络畅通的情况下耐心等待。如果使用命令行和pip进行安装,可以清楚地看到安装进度。如果您对安装过程有疑问,可以使用此方法。

  后记

  试出一般其他坑的奥秘。

  如果安装了tensorflow并且安装了tensorflow-gpu,默认情况下将运行tensorflow-gpu。那个同学不支持CUDA,就开始报错。上面的安装方法列表不支持删除。你可以打开cmd,进入pip列表,这样就可以看到所有已安装的软件包。Pip卸载tensorflow和pip卸载tensorflow-gpu可以删除这两个包。然后重装tensorflow。

  如果你的电脑是窗口系统,安装了两个python解释器,比如3.6和2.7,那么你点击上面的安装包就会出现错误,直接在cmd中使用pip指令也会出现问题,找不到资源。我老老实实卸载了2.7。

  更新:python3.6和python2.7同时安装在linux服务器上,可以相互独立运行。主要原因是相关程序的路径指定。因此,可以推测,在windows上适当修改环境变量可以使不同版本的python正常工作。

  关于“您的CPU支持本tensorflow二进制未编译使用的指令:AVX2”的警告说明您的CPU支持avx2指令集,可以运行得更快,但本版本的tensorflow不支持。忽略就好,或者安装教程添加一个屏蔽警告的语句(每次都比较麻烦,不过反正无所谓。很想快点用gpu版本或者服务器)。

  更新:mind/wheels在github上发布了支持AVX指令集的tensorflow。详见本文末尾:

  https://blog.csdn.net/heros_never_die/article/details/79871564

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: