在Windows中安裝Tensorflow和Kears深度學習框架

2020-12-17 百家號

1安裝Anaconda

1.1 下載Anaconda

先打開瀏覽器,輸入下列網址,顯示出如圖3-1所示的網頁:

https://www.anaconda.com/download/

圖 3-1

1.2 運行下載後的Anaconda,如圖3-2所示:

圖 3-2

1.3.單機Next按鈕,如圖3-3示。

圖 3-3

1.4.單機I Agree按鈕,如圖3-4所示:

圖 3-4

1.5. 單機Next按鈕,如圖3-5所示:

圖 3-5

1.6.設置安裝目錄,如圖3-6所示:

圖 3-6

1.7 設置Anaconda,如圖3-7所示:

圖3-7

2. 建立Tensorflow的Anaconda虛擬環境

在一臺計算機中,我們常常需要安裝很多軟體,但是每個軟體所需要的Python的關聯模塊或版本不相同。例如,我們要使用Python開發開發網站系統,安裝的網站框架可能需要Python2.X的版本,但是安裝Tensorflow需要Python3.5的版本,此時就會發生版本不一致的問題。因為我們需要使用Anaconda虛擬環境來安裝,讓網站框架與TensorFlow分別在不同的虛擬環境中,這樣就不會有版本不一致的問題了。

2.1. 建立工作目錄

在命令提示符串口輸入下列命令:

建立並切換到工作目錄 md pythonwork

cd pythonwork

執行後屏幕顯示界面如圖3-8所示:

圖 3-8

2.2 建立Anaconda虛擬環境

下面使用conda命令建立一個新的Python3.5Anacoda虛擬環境,我們將虛擬環境命名為tensorflow。這個虛擬環境用來安裝TensorFlow的版本。在命令提示符窗口輸入下列命令:

建立Tensorflow Anaconda虛擬環境 conda create --name tensorflow python=3.5 anaconda

執行後屏界面顯示如圖3-9所示。

圖 3-9

按Y鍵之後,就會開始安裝Anaconda 虛擬環境,並且安裝各個軟體包。安裝完成後屏幕界面如圖3-10所示。

圖 3-10

2.3 啟動Anaconda虛擬環境

建立tensorflow的Anaconda虛擬環境後,就可以啟動這個虛擬環境了。在命令提示符窗口輸入下列命令:

啟動Anaconda虛擬環境 activate tensorflow

圖 3-11

命令提示符中出現tensorflow時,表名已經啟動tensorflow虛擬環境。

3.在Anaconda虛擬環境安裝Tensorflow與Keras

3.1 啟動Anaconda虛擬環境

安裝Tensorflow與keras前,先啟動Tensorflow的Anaconda虛擬環境。在命令提示符窗口輸入下列命令:

啟動Anaconda虛擬環境

acitvate tensorflow

3.2 安裝Tensorflow

在命令提示符窗口輸入下列命令:

- 安裝Tensorflow命令 pip install tensorflow

執行後屏幕顯示界面如圖3-12所示:

圖 3-12

3.3 安裝Keras

在命令提示符窗口輸入下列命令:

- 安裝Tensorflow命令 pip install keras

執行後屏幕顯示界面如圖3-13所示:

圖 3-13

出現上述界面時,表明tensorflow和Keras已經在虛擬環境中安裝成功。

本節中我們介紹了如何在Windows中安裝TensorFlow與Keras,並且介紹了Jupyter Notebook的使用方法。

相關焦點

  • Windows上安裝Tensorflow踩的坑
    sess$run(hello)踩過的一號坑——tensorflow在windows上的安裝    在之前的文章中,曾經通過Docker的方法,實現了在windows上安裝tensorflow,感興趣的出門左轉,在公眾號查看「Deep Learning 學習(三)——在window下運行tensorfolw」。
  • 寫給純小白的深度學習環境搭建寶典:pytorch+tensorflow
    每天給小編五分鐘,小編用自己的代碼,讓你輕鬆學習人工智慧。本文將手把手帶你快速搭建你自己的深度學習環境,然後實現自己的第一個深度學習程序。野蠻智能,小白也能看懂的人工智慧。小編這裡為大家提供一個CPU版本的安裝方法。本方法適用於linux和windows平臺。第一步:本文採用流行度最高的搭建方法:Anaconda3 + pytorch。首先去清華鏡像站(百度搜索關鍵字:清華鏡像)進入網站後找到anaconda,然後點擊,進去後下載Anaconda3-4.2.0,對應的python版本是3.5.2。
  • 基於TensorFlow的深度學習實戰
    毫不誇張得說,TensorFlow的流行讓深度學習門檻變得越來越低,只要你有Python和機器學習基礎,入門和使用神經網絡模型變得非常簡單。TensorFlow簡介如前所述,TensorFlow是一個深度學習庫,使用這一框架,可以用來構建和測試深度神經網絡。深度學習讓我們能夠以極高的準確性構建複雜的應用程式。
  • 用GPU加速深度學習: Windows安裝CUDA+TensorFlow教程
    背景在Windows上使用GPU進行深度學習一直都不是主流,我們一般都首選Linux作為深度學習作業系統。但很多朋友如果只是想要了解深度學習,似乎沒有必要專門裝雙系統或者改用Linux。現實生活中,很多使用學校或者公司電腦的朋友也沒有操作權限改換系統。
  • TensorFlow與PyTorch之爭,哪個框架最適合深度學習
    選自builtin作者:Vihar Kurama機器之心編譯參與:吳攀、杜偉谷歌的 Tensorflow 與 Facebook 的 PyTorch 一直是頗受社區歡迎的兩種深度學習框架。那麼究竟哪種框架最適宜自己手邊的深度學習項目呢?本文作者從這兩種框架各自的功能效果、優缺點以及安裝、版本更新等諸多方面給出了自己的建議。如果你在讀這篇文章,那麼你可能已經開始了自己的深度學習之旅。如果你對這一領域還不是很熟悉,那麼簡單來說,深度學習使用了「人工神經網絡」,這是一種類似大腦的特殊架構,這個領域的發展目標是開發出能解決真實世界問題的類人計算機。
  • Python安裝TensorFlow 2、tf.keras和深度學習模型的定義
    p=15826 深度學習的預測建模是現代開發人員需要了解的一項技能。TensorFlow是Google開發和維護的首要的開源深度學習框架。儘管直接使用TensorFlow可能具有挑戰性,但現代的tf.keras API使得Keras在TensorFlow項目中的使用簡單易用。使用tf.keras,您可以設計,擬合,評估和使用深度學習模型,從而僅用幾行代碼即可做出預測。
  • Windows配置tensorflow開發環境
    由於TensorFlow十分強大,因此被廣泛應用於產品開發和各領域的科學研究。通過這篇文章,希望能夠幫助大家更加順利地配置tensorflow的開發環境。Tensorflow根據Tensorflow的官方文檔,可以得到Tensorflow的安裝命令:pip install --ignore-installed–upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.0.0
  • 安裝TensorFlow 2.0 preview進行深度學習(附Jupyter Notebook)
    【導讀】深度學習框架TensorFlow 2.0 (preview版)可以用pip進行安裝了。
  • PYTORCH與TENSORFLOW:哪種框架最適合您的深度學習項目?
    為了幫助開發這些架構,諸如Google,Facebook和Uber之類的技術巨頭已經發布了適用於Python深度學習環境的各種框架,從而使學習,構建和訓練多樣化的神經網絡變得更加容易。在本文中,我們將研究兩個流行的框架並進行比較:PyTorch與TensorFlow。簡要地比較一下,最常用和依賴的Python框架TensorFlow和PyTorch。
  • MIT 深度學習基礎教程:七個基本框架TensorFlow代碼實戰
    【導讀】麻省理工學院發布一系列深度學習視頻課和代碼實戰,今天給大家介紹的是研究科學家Lex Fridman整理的常用的深度學習七個基本框架實戰,
  • TensorFlow發布JavaScript開發者的機器學習框架TensorFlow.js
    當時時間 3 月 30 日,谷歌 TenosrFlow 開發者峰會 2018 在美國加州石景山開幕,來自全球的機器學習用戶圍繞 TensorFlow 展開技術演講與演示。去年的 TensorFlow 開發者大會上,該框架正式升級到了 1.0 版本,逐漸成為最流行的深度學習框架。
  • 帶你入門機器學習與TensorFlow2.x
    在這2層分類中,發現了前面提到的機器學習和深度學習。其實這3者的關係如下:人工智慧 > 機器學習 > 深度學習也就是說,機器學習包含深度學習,而人工智慧包含機器學習。如果想查看 Anaconda 軟體中集成的 TensorFlow 安裝包版本,可以通過以下命令: anaconda search -t conda tensorflow3.3 GPU 版本的安裝方法如果用 pip 命令安裝 TensorFlow 框架的 GPU 版本,還需要安裝 CUDA 軟體包和 CuDnn 庫。
  • 最熱門的深度學習框架TensorFlow入門必備書籍
    但進入機器學習和人工智慧領域並不是一件簡單的事情,目前市場上有許多大量的學習資源,許多開發者和想要進入的愛好者往往很難找到適合自己的發展路徑。其實,早在 2015 年底,谷歌就開源了內部使用的深度學習框架 TensorFlow 。眾多研究表明,Tensorflow 是研究深度學習的首選平臺。
  • Tensorflow 全網最全學習資料匯總之Tensorflow 的入門與安裝【2】
    本文將重點整理TensorFlow框架的入門和安裝教程。更多關於TensorFlow的深入介紹、應用項目以及各機器學習開源框架之間的對比等內容,請見雷鋒網(公眾號:雷鋒網)的系列文章。第三篇則實際上是基於史丹福大學基於深度學習的自然語言處理課程的學習筆記,該系列其他的文章還講述了循環神經網絡(RNN)和 word2vec 模型等更深入的知識,感興趣的讀者可以從文章的作者頁找到更多文章。上述文章都更傾向於 TensorFlow 的簡單介紹了基礎用法,但對於TensorFlow具體安裝過程的講述則不夠細緻。因此這裡專門針對TensorFlow的安裝過程推薦一篇教程。
  • 大數據下基於Tensorflow框架的深度學習示例教程
    當數據膨脹到一定規模時,基於機器學習對海量複雜數據的分析更能產生較好的價值,而深度學習在大數據場景下更能揭示數據內部的邏輯關係。本文就以大數據作為場景,通過自底向上的教程詳述在大數據架構體系中如何應用深度學習這一技術。
  • 對比深度學習十大框架:TensorFlow 並非最好?
    他寫道:「我常聽到人們談論深度學習——我該從哪裡開始呢?TensorFlow 是現在最流行的吧?我聽說 Caffe 很常用,但會不會太難了?在 BEEVA Labs,我們常常需要應對許多不同的深度學習庫,所以我希望能夠將我們的發現和感想分享出來,幫助那些剛剛進入深度學習這一美麗世界的人。」
  • 深度學習筆記7:Tensorflow入門
    作者:魯偉 一個數據科學踐行者的學習日記。
  • 解決安裝AI算法庫TensorFlow 2.0的最新入坑指南以及詳細的安裝教程【分別在linux和windows系統下安裝】
    正文開始眾所周知,學習深度學習和人工智慧技術的科技工作者對Tensorflow的安裝一直是件麻煩的事情,其實也沒那麼難,只是在於操作的方法是否合理和規範而已。合理正確的安裝命令和正確的操作環節是成功的關鍵因素。
  • TensorFlow安裝與卷積模型
    1:Tensorflow 安裝:首先目前已學習的方法中有兩種方法可用於安裝TensorFlow:一是pip,二是Anaconda。另外 TensorFlow還有cpu和Gpu兩個版本。使用pip安裝1)下載安裝Python 2)打開windows的命令行窗口,安裝CPU版本pip installtensorflow安裝GPU版本Pip install tensorflow-gpu之後驗證是否安裝了 TensorFlow 可以嘗試一下代碼>>> importtensorflow
  • TensorFlow 安裝詳解
    在應用實踐上,可以狹義理解為機器學習算法,但聚焦在具體算法實現和編程上,往往實踐中不盡人意。機器學習是一種學科,一種類似數學的學科,交叉了數學、算法、計算機等多門學科。目的是讓機器(這裡指計算機)如何模擬或者實現人類的學習行為。就像我們讀小學,讀初中,讀高中... 讓機器學習的話可能需要 1 小時,因為機器效率很高。