TensorFlow学习-anaconda的方式安装TensorFlow教程

前置准备

首先在说到安装TensorFlow前,要安装好anaconda,这里引入一篇教程anaconda安装与使用
初学者另外也需要在官网安装对应的python包python官网

有这些前置准备后,就可以安装TensorFlow了

采用anaconda安装的时候,相当于将所有的底层依赖细节全部已经打包给封装好了!并且,Anaconda还能创建自己的计算环境,相当于将tensorflow的环境与其他环境做了隔离,

1、建立计算环境

(1)安装好Anaconda后,打开Anaconda中的 Anaconda Prompt
在这里插入图片描述
(2)输入命令

conda create -n tensorflow python=3.8.11

ps:如果速度太慢,可以使用国内的清华镜像(在上述步骤前输入这两行命令)

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

创建环境完成后出现以下标示
在这里插入图片描述
打开Anaconda Navigator,点击左侧的Environments,可以看到tensorflow的环境已经创建好
在这里插入图片描述
在这里插入图片描述
也可以直接进行查询

conda info --envs

在这里插入图片描述

2、激活TensorFlow环境

首先activate tensorflow

activate tensorflow

在这里插入图片描述
激活成功后,用户名前有tensorflow的标识。
我们这样切换,实际上是更换了环境变量里的pip和python。
ps:当不使用tensorflow时,关闭tensorflow环境,命令为:deactivate

conda deactivate

3、安装TensorFlow

然后开始用pip安装(这里针对不同的python版本、cpu/gpu、Windows/linux等有不同的命令)
我这里安装的cpu版本
(1)pip安装

pip install --ignore-installed --upgrade tensorflow

ps:
-gpu版本(注意gpu版参考方法一中事先装好cuda以及cudnn):

pip install --ignore-installed --upgrade tensorflow-gpu 

我们查看tensorflow环境下的所有安装包,这里如果安装错版本可以进行卸载

pip list # 查看tensorflow环境下的所有安装包

卸载

pip uninstall tensorflow

安装错多个可以进行多次卸载
(2)conda安装
我这里因为pip安装后出现了报错,我换成了conda安装,然后成功了
在这里插入图片描述

conda install tensorflow

卸载

conda uninstall tensorflow

同理这里用conda安装的话,可以查看list

conda list

在这里插入图片描述
这里如果想安装指定版本的tensorflow可以

conda install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.15

后面改成所需要的版本号

4、安装成功后进行测试(三种方法)

(1)直接用Anaconda中的 Anaconda Prompt测试
首先直接打开Anaconda中的 Anaconda Prompt

输入python,然后输入下面的命令行
如果tensorflow是1.0-的版本

import tensorflow as tf

hello = tf.constant("Hello!TensorFlow")
sess = tf.Session()
print(sess.run(hello))

如果是2.0-的版本

import tensorflow as tf
tf.compat.v1.disable_eager_execution()
hello = tf.constant('hello,tensorflow')
sess= tf.compat.v1.Session()
print(sess.run(hello))

其实这里可以在引入的时候就进行修改

import tensorflow.compat.v1 as tf

如果成功运行就说明tensorflow安装成功
1.0版本运行结果
在这里插入图片描述

2.0-版本运行结果
在这里插入图片描述

(2)使用Anaconda中的spyder的编辑器
直接在编辑器中写入上述代码然后进行运行
(3)vscode进行测试
我这里使用的工具是vscode,通过Anaconda安装tensorflow时,一般会新建一个虚拟环境,但是vscode在调试python代码时默认使用的是base环境下的路径,这就会出现无法解析tensorflow的情况。所以需要将tensorflow环境的路径添加到vscode的settings.json用户设置中,即可在vscode中搭建TensorFlow的开发环境。
我们要运行 python 代码,需要 python 解释器去解释执行这些代码。不同的项目,使用的 python 版本可能不一样,我们使用的是 Anconda 来管理 python 解释器版本和运行环境。下面要配置python解释器的路径
首先要配置python的路径
在文件>首选项>设置中搜索pythonpath
在这里插入图片描述
点击在setting.json中编辑,加入以下代码(路径改为自己的路径)

    // tensorflow 配置
    "python.pythonPath": "D:\\anaconda\\envs\\tensorflow\\python.exe",
    "python.autoComplete.extraPaths": [
        "E:\\anaconda\\envs\\tensorflow",
        "E:\\anaconda\\envs\\tensorflow\\Lib\\site-packages"
    ],

然后Ctrl+Shift+P,输入Python: Select Interpreter打开python解释器,选择我们刚刚刚添加的conda虚拟环境,我这里添加了两个环境(python3.8版本、tensorflow安装2.0.-;python3.7版本、tensorflow安装1.15.0)
在这里插入图片描述

然后输入代码进行检测

import tensorflow as tf
tf.compat.v1.disable_eager_execution()
hello = tf.constant('hello,tensorflow')
sess= tf.compat.v1.Session()
print(sess.run(hello))

成功运行后
在这里插入图片描述

ps:这里我遇到一个小坑,我的python文件名命名tensorflow.py会出现冲突的报错,这里引入一篇博客的解决方案报错解决方法
在这里插入图片描述
这种情况修改文件名为tf后就没有了

ps:无论是tensorflow还是pytorch,安装好环境之后可以直接对文件夹下的envs进行压缩,拷贝到新电脑上后直接解压就可以直接激活activate xxx进行使用。
在这里插入图片描述

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
青葱年少的头像青葱年少普通用户
上一篇 2023年3月5日 下午10:54
下一篇 2023年3月5日

相关推荐