tensorflow安裝過程-(windows環境下)---詳解(擺平了很多坑!)

2021-12-29 深度學習科研平臺

一, 前言:本次安裝tensorflow是基於Python的,安裝Python的過程不做說明(既然決定按,Python肯定要先了解啊):本次教程是windows下Anaconda安裝Tensorflow的過程(cpu版,顯卡不支持gpu版的...)

二, 安裝環境:(tensorflow支持的系統是64位的,windows和linux,mac都需要64位)

    windows7(其實和windows版本沒什麼關係,我的是windows7,安裝時參照的有windows10的講解)

    Python3.5.2(之前電腦上是安裝的就是這個版本,如果你安裝了,不知道版本的話可以在命令窗口輸入"python --version",會顯示你已安裝的Python的版本號)

    Anaconda3-4.2.0-Windows-x86_64.exe (windows下安裝注意選擇windows x86 64位就好)

三, Anaconda3-4.2.0-Windows-x86_64.exe

    下載可以去官網上下載,直接搜索找與你電腦對應的版本就好,我個人習慣從國內鏡像網站下載,下載快哇(國內清華鏡像網站是:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/)

    下載完成後直接安裝就行,步驟如下圖所示:

     

     

       自己用,就選擇Just me

     

     選擇習慣的存儲盤

     

        下面兩個全部選上,點Install安裝就好了

     

    驗證Anaconda是否安裝成功的方法:

      命令窗口中輸入「conda --version」  >得到conda 4.2.0

    看到了這個結果,恭喜你,你已經成功的安裝上了Anaconda了,那麼我們繼續。

四, 安裝Tensorflow

   安裝Tensorflow時,需要從Anaconda倉庫中下載,一般默認連結的都是國外鏡像地址,下載肯定很慢啊(跨國呢!),這裡我是用國內清華鏡像,需要改一下連結鏡像的地址。這裡,我們打開剛剛安裝好的Anaconda中的 Anaconda Prompt,然後輸入:

    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/     conda config --set show_channel_urls yes

    這兩行代碼用來改成連接清華鏡像的

    接下來安裝Tensorflow,在Anaconda Prompt中輸入:

    conda create -n tensorflow python=3.5.2

    一下圖片是安裝過程,有些坑我也寫出來,注意一下就好:

    正常的情況應該如下:

    

    等待,然後輸入「y」

    

    然後:

    

    看到上面這些activate tensorflow(這麼直白的英語,看看是不是很激動,)恭喜你,tensorflow你已經安裝成功啦,去激活一下,緊接著輸入:「activate tensorflow」就Ok了

    我們要安裝的是CPU版本,那麼在命令下緊接著輸入:

    pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/tensorflow-1.1.0-cp35-cp35m-win_amd64.whl

     你也可以自己選擇對應的Tensorflow版本,可以在清華鏡像中查看

    

    經過一小會的等待,當你看見如上圖最後一行時,那麼,恭喜你,你已經安裝成功了,是不是很驚喜,是不是很激動,是不是想測試一下呢,那麼我們先測試一下吧

五,  測試:

    在Anaconda Prompt窗口中輸入:python

    進入python後輸入:

    import tensorflow as tf

    sess = tf.Session()

    a = tf.constant(10)

    b= tf.constant(12)

    sess.run(a+b)

    

    好了,到這裡你可以放心了,你可以使用Tensorflow了

六,  那些年,那些坑:

    好了,最後我們來填坑了

    

    改為清華鏡像時的錯誤:會顯示路徑錯誤,沒關係,conda info 查看一下,你會發現:

    

    很明顯的發現地址亂了,不過沒關係,找到電腦:C:\Users\Administrator中的.condarc文件,打開,然後修改一下,如下就可以了

     

    然後在回到命令窗口,你可以繼續安裝了。

    

    如果你在安裝Tensorflow時出現了如下情況:

    

    哇,那麼多紅色字體,不要擔心,看最後一段,提示是版本問題,我們就升級版本就好了。

  操作如下圖所示:

    

    結果:

    

    好了,問題解決了

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」。
  • Windows配置tensorflow開發環境
    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
  • 手把手教你在windows7上安裝tensorflow-gpu開發環境
    添加環境變量此時在命令行下查看Python的版本,可以發現電腦中已經成功安裝了python3.6的開發環境啦.3、安裝tensorflow-gpu版本anaconda中已經內置了pip,所以選擇直接用pip進行安裝:pip install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl
  • 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】
    為此,我們在本文中將詳細說明linux和windows兩種OS系統關於TensorFlow的安裝教程,並且將重點說明目前最新版本TensorFlow2.1.0的安裝要素和測試檢驗。提示:如果遇到No module named 『tensorflow』,那是因為沒有在tensorflow的環境下打開它們,所以記得激活tensorflow的環境。
  • TensorFlow 安裝詳解
    性能最優化三、安裝 TensorFlow環境:Mac OS 10.xTensorFlow 支持多種安裝,比如 Pip, Docker, Virtualenv, Anaconda 或源碼編譯的方法安裝 TensorFlow。我自己推薦當然是 Pip 安裝。什麼是 Pip ?
  • TensorFlow 安裝教程
    高層應用的一個比較大的麻煩就是需要依賴的底層的東西很多,如果底層依賴沒有弄好的話,高層應用是沒法玩轉的。 在極客學院有關tensorflow的教程中,提到了這樣幾種安裝方式:Pip, Docker, Virtualenv, Anaconda 或 源碼編譯的方法安裝 TensorFlow。在這裡,我強烈推薦大家使用Anaconda的方式安裝!
  • 在Windows中安裝Tensorflow和Kears深度學習框架
    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。
  • tensorflow安裝教程
    tensorflow是谷歌開源的人工智慧庫,有最完善的生態支持。是進行人工智慧領域開發和科研的必備工具。本文在windows10下,藉助anacondaAnaconda安裝和使用,AkShare入門,安裝tensorflow2.0。
  • TensorFlow環境搭建
    今天這篇文章,我們就先學習如何在Windows、Linux上搭建開發環境。1. 安裝Python環境進入官網,根據個人電腦系統選擇合適的發行版本進行安裝,以下是兩點提示:下載好之後進行安裝的時候,記住勾選Add Python 3.x to PATH可選項。
  • Tensorflow和Pytorch深度學習框架安裝教程
    目前主流深度學習框架有Tensorflow和pytorch,由於一些原因我只在windows10下安裝了以上兩個深度學習框架。
  • 【技術茶話會】如何在電腦上搭建 tensorflow 環境
    TensorFlow 是一個由谷歌開發和維護的基於數據流編程的符號數學系統,被廣泛應用於各類機器學習,完成版的支持 c 和 python 語言,但機器學習模塊大多使用 python 語言編寫,下面來介紹一下如何在自己的筆記本電腦上搭建 python 語言的 tensorflow 環境。
  • Anaconda軟體安裝TensorFlow教程
    Anaconda軟體的安裝,請閱讀文章《Anaconda軟體安裝和簡易使用教程》第一步:創建r-tensorflow環境打開Anaconda Prompt,執行命令conda create --name r-tensorflow python=3.6該命令用來創建r-tensorflow虛擬環境
  • 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
  • 寫給純小白的深度學習環境搭建寶典:pytorch+tensorflow
    Anaconda+pytorch環境準備如果你的電腦帶有GPU,可以先安裝Nvidia驅動 + cuda + cudnn,然後再搭建環境,這樣可以達到更高的運行速度。如果不想使用GPU,學習階段也可以使用cpu版本,對於簡單的程序用CPU和GPU其實沒差別。
  • 技術文檔 | Tensorflow框架的使用環境搭建
    下載,chmod改成可執行,使用root權限擼一遍,一路下一步,該覆蓋的覆蓋,缺什麼補什麼,安裝很容易,此處就不再贅述了。tensorflow/tensorflow:latest-jupyter如果在拉取Docker image的時候受到網絡環境的困擾,可以參考我以前的這篇post配置一下國內鏡像。
  • 9步教你安裝完成tensorflow與pytorch
    配置鏡像源,打開後,可以看到現在是base環境,就是安裝完anaconda之後的自帶環境(⾸先進⾏鏡像源的配置,因為咱們⼤部分⼩夥伴在國內,但是tensorflow和pytorch卻在國外,為了防⽌下載的時候出現⽹絡問題,所以需要配置
  • 用GPU加速深度學習: Windows安裝CUDA+TensorFlow教程
    好消息是越來越多的深度學習框架開始支持Windows,這使得在Windows上使用GPU加速學習過程也變成了可能。很多朋友雖然沒有一塊很強勁的顯卡,但也可以以較低的代價來了解在GPU上運行深度學習模型的過程。值得欣喜的是,大部分Nvidia GeForce系列的顯卡都可以使用CUDA,大部分有獨顯的筆記本理論上都可以使用GPU來「深度學習」。
  • tensorflow2.1對應 GPU版本的安裝與卸載
    GTX965M顯卡,win10系統一、檢查tensorflow的Version假定tensorflow 安裝完成,安裝 tensorflow 請參考 集成環境,安裝超簡單通過 命令行pythonimport tensorflow
  • Windows下tensorflow-gpu=1.13.2、torch1.2.0深度學習環境配置
    需要特別注意的問題是版本的對應問題和安裝順序問題一般情況下要考慮的有 tensorflow(或 pytorch)、 cuda、cudnn的版本對應,有時候還需考慮 python 下表整理出了TensorFlow從1.2到最新版本的CUDA和cuDNN所對應的版本集合。
  • TensorFlow入門指南(一):TensorFlow安裝和簡單示例
    我按照官網的介紹安裝操作了一遍,基本可以跑通了。將操作過程整理於此算是對整個學習過程的梳理與回顧。雖然看其他資料也可以不斷學習, 但終究不如自己梳理來的深刻。現將 TensorFlow 的安裝過程記錄於此, 期待通過分享與大家共同進步。因為本人使用的是 Mac 電腦, 因此只介紹 Mac 上相關的安裝過程, 其他系統的安裝方式請自行查閱相關資料。