安装TensorFlow

安装TensorFlow的完整教程 笔者之前在学习TensorFlow，也在自己的笔记本上完成了安装，在PyCharm中进行学习。但是最近为了使用python的科学计算环境，我把之前的环境卸载了，并用Anaconda重新安装了TensorFlow，由于自己的笔记本已经很旧了，显卡不行，所以这里介绍一下cpu版本的安装方法和自己遇到的一些坑，截图甚多。 ### 安装TensorFlow #### 一、前言 随着深度学习的发展，TensorFlow作为一款强大的机器学习框架，被广泛应用于各个领域。本篇将详细介绍如何在Windows环境下安装TensorFlow，特别是针对没有GPU支持的CPU版本。安装过程分为几个步骤：安装Anaconda、配置TensorFlow环境、安装TensorFlow及验证安装。 #### 二、安装Anaconda **1. 下载与安装Anaconda** - 访问官方下载页面：[https://www.anaconda.com/products/distribution](https://www.anaconda.com/products/distribution) ，根据操作系统选择合适的Anaconda版本。 - 本文作者使用的版本为Anaconda4.3.0 for Python 3.6。建议选择最新版，以获取更多支持。 - 安装过程中勾选“Add Anaconda to my PATH environment variable”选项，确保Anaconda环境变量正确配置。 **2. 验证Anaconda安装** - 打开Anaconda Prompt。 - 输入`conda list`命令查看已安装的包列表。如果能看到`numpy`, `sympy`等常用库，则表示安装成功。 #### 三、安装TensorFlow **1. 配置镜像源** - 在Anaconda Prompt中输入以下命令设置清华大学镜像源，加快下载速度： ``` conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes ``` **2. 创建Python 3.5环境** - TensorFlow在Windows下仅支持Python 3.5版本。在Anaconda Prompt中执行命令创建名为“tensorflow”的新环境： ``` conda create -n tensorflow python=3.5 ``` - 进入新创建的环境： ``` activate tensorflow ``` - 如果不再使用该环境，可以通过`deactivate`命令退出。 **3. 安装TensorFlow** - 在激活的“tensorflow”环境中安装CPU版本的TensorFlow： ``` pip install --upgrade --ignore-installed tensorflow ``` - **注意**：此处未涉及GPU版本的安装方法，因为GPU版本需要额外安装CUDA 8 + cuDNN 5等组件。 **4. 测试TensorFlow安装** - 启动Anaconda Prompt，并激活“tensorflow”环境。 - 输入`python`进入Python交互模式。 - 运行以下代码检查TensorFlow是否安装成功： ```python import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello)) ``` - 如果看到输出`Hello, TensorFlow!`，则表明TensorFlow安装成功。 #### 四、解决常见问题 **1. 在ipython和Spyder中使用TensorFlow** - 在Anaconda Navigator中，选择“Not installed”，安装ipython和Spyder插件。 - 安装完成后，确保在“tensorflow”环境下运行ipython或Spyder。 - 使用`import tensorflow`进行测试，确保没有错误提示。 **2. 其他常见问题** - 如果在使用过程中遇到错误提示或无法正常运行的情况，可以尝试以下操作： - 重新激活“tensorflow”环境。 - 确保所有依赖库都已正确安装。 - 检查TensorFlow版本是否与当前Python版本兼容。 - 查阅官方文档或社区论坛寻求帮助。 #### 五、结语 通过上述步骤，您应该能够在Windows环境下成功安装并使用TensorFlow CPU版本。尽管没有GPU加速，但对于初学者或简单的项目来说，这已经足够了。如果您对GPU版本感兴趣，可以参考官方文档或其他资源进行安装。希望这篇文章能帮到您！