anaconda怎么和pycharm配合使用,anaconda和pycharm安装教程
本文主要记录在Android上安装Tensorflow的经验和教训。
这里需要注意的是,你已经安装了Android。如果不参考这篇文章,那就是如何安装Android 3和使用Jupyter。
以上都准备好了,接下来就要开始我们的安装工作了。
1.打开我们的第一个
键入conda --version以显示相应的版本。
3.检测当前安装的环境变量,直接输入:conda info --envs。
4.确定当前可用的tensorflow版本。conda search --full --name tensorflow(网上有人可以确认这一步,但是我好像有问题。但是,如果你和我一样,请不要惊慌。没关系。不影响我们的行动。) ) ) ) ) )。
在anaconda上安装张量流
5.1创建张量流环境,安装python3.7. anaconda提示输入:http://www.Sina.com/(可以创建3.6 pythons)。
和conda create --name tensorflow python=3.7
下一步是等待安装。如果网速快,不到一分钟就能安装完毕。如下图。
5.2激活tensorflow的tensorflow环境,发现anaconda提示输入:y括号内从base变为tensorflow。
这种情况表明添加成功。
5.3在当前环境中检测python版本: activate tensorflow
安装tensorflow软件包(注:python --version
我们仍在那个界面上操作。网上教程是这么说的。
根据之前搜索到的tensorflow版本安装1.15 tensorflow版本。(如果tensorflow版本太高,很容易报错。)
投入:需要我们还是安装低版本,目前很多教材都是使用的是1.版本小时。
此外,按照他的教程,发生了以下错误。(pip install --upgrade --ignore-installed tensorflow==1.15)。
于是,来到这里,我根据错误的网上搜索方法,将命令行设置为这个错误是我网络延迟导致的,请忽略这一步。
事情似乎正在好转,如下。
如果出现上述结果,几乎可以立即安装。
6.1检查安装是否成功:pip install --upgrade --ignore-installed tensorflow (使用这句命令行安装的是2.0版本的,不太建议)
安装成功。
7.验证功能是否正常。键入conda list进入代码环境。
8.输入代码测试
根据web教程输入以下代码。
importmensorflowstfb hello=TF . constant(hello,TF))sess=TF . session(print)sess . run))Output:hello)
运行第三段代码将会报告一个错误。因为我的版本是tensorflow 2.0,所以这个语法只适用于1.0,需要转换。
Hello=TF.constant)来保证importtensorflowastftf.com拍拍的正常运行。 v1 . disable _ eagle _ execution(# sess . run)
它完美地工作。
python
上面的【纠正一个小问题】因为自己网速不对,所以自己试了一下。然后,我调查了tensorflow的哪个版本更容易在线使用。网上说可以装1.14(1.15)。
所以我自己重装了下tensorflow。操作如下。
在命令行中输入第六步。
p然后输入:pip install --upgrade --ignore-installed tensorflow==1.14。
好了,至此,安装基本完成,然后在命令行输入:python。
将以下代码复制到命令行:
导入tensorflow为tfhello=tf.constant (hello,TF )sess=TF . session()print(sess . run(hello))运行结果如下(这里显示了很多警告,原因是我安装的numpy版本过高,这个问题在后面会给出解决方案):
Yjddst,在这里你输入第一行代码,它会是这样的。不要慌,我们可以直接复制代码:
至此,我们的安装已经完成。
-
昨天,我在Anaconda中安装了Tensorflow。接下来,我需要在我的Pycharm中使用Tensorflow,所以接下来,我根据自己的实践给出求解步骤:
1.首先,我们打开pycharm来创建一个新项目:
2.我们选择在Anaconda下的Tensorflow中安装python.exe路径,比如我的是:D:\Python\Anaconda3\envs\tensorflow\python.exe。
3.然后单击确定,再单击创建。
4.创建新的test.py文件。
将张量流作为tfhello=tf.constant (hello,TF )sess=TF . copat . v1 . session()print(sess . run(hello))单击运行。虽然可以输出结果,但会出现以下警告:
这也是我之前提到的错误,因为我们的numpy版本太高,所以需要安装1.16.0版本的
在这里,我直接引用别人的解决方案:未来警告:python调用TensorFlow时,不推荐将(type,1)或 1 type 作为type的同义词进行传递(我用的是这个方法)。
其次,这里有第二种解决方案:方法二:python调用TensorFlow时求解FutureWarning(这种方法只需要改变配置文件的参数,可以试试)
我传递了第一个方法,然后再次点击Run:
好了,那些警告都没了。第一种方法看起来挺有效的,但是又出现了一个新的问题,就是我们的输出上面又多了一个红色的警告,让我看着很不舒服。
020-11-14 10:21:24.674456:I tensorflow/core/platform/CPU _ feature _ guard . cc:142]你的CPU支持的指令这个tensor flow二进制没有编译警告是这样的。网上搜索到两个相关的解决方案:
1.直接屏蔽
在代码开头添加两句话:
import osos . environ[ TF _ CPP _ MIN _ LOG _ LEVEL ]= 2 import tensor flow as TF import osos . environ[ TF _ CPP _ MIN _ LOG _ LEVEL ]= 2 hello=TF . constant( hello,TF )sess=tf.com pat . v1 . session()print(sess . Run(hello))单击运行:
好的,没有警告。
2.彻底解决,换成支持cpu用AVX2编译的TensorFlow版本。
这个我还没做,暂时先放一放,不过如果你遇到这个问题,可以参考这个链接,等我有心情的时候再回来填坑。
参考:解决使用Tensorflow时cpu编译不支持警告的问题。
待续.
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。