本文共 4212 字,大约阅读时间需要 14 分钟。
安装TensorFlow2.x
安装TensorFlow2.x
TensorFlow
实际上是一个开源软件库,它可以被Python的包管理工具pip
安装,通过Python的import
包导入语句导入使用。
所以我们想要安装TensorFlow
首先可以选择Python作为系统环境。
TensorFlow的系统环境
Python拥有不同的发行版本,这里建议使用Anaconda
这个Python的发行版本。从anaconda
中文含义巨蟒中可以看出它与我们的Python(大蟒蛇)是存在着天然关系的。
Anaconda
拥有超过1400个软件包。其中包含conda
和虚拟环境管理,它们都被包含在Anaconda Navigator
中,因此用户无需去了解独立安装每个库。用户可以使用已经包含在Anaconda
中的命令conda install
或者pip install
从Anaconda
仓库中安装开源软件包。pip
提供了Conda的大部分功能,并且大多数情况下两个可以同时使用。
建议使用Anaconda
的原因在于,它的虚拟环境管理系统允许我们拥有多个Python版本,能够隔离不同项目所需的不同版本的工具包,这意味着我们可以在多个Python版本中安装使用TensorFlow
,另外一点在于,它会自动为你安装相应的依赖包,而不需要你一个个手动安装。比如,如果我们使用普通版本的Python安装TensorFlow
时,是需要先安装numpy
这个依赖包的,而Anaconda
在安装TensorFlow
的同时,自动安装好numpy
。
Anaconda的下载安装
我们在百度搜索中输入Anaconda download
,跳转出的搜索结果中的网址如含有anaconda
表明这正是我们需要的提供的下载网址(“官网“二字是超链接)。
打开官网,找到download
下载按钮,点击下载,页面会跳转到下载区域。
根据自己的系统选择合适的安装包进行下载安装,
笔者这里下载的是64位的Windows版本,Python选择的Python3.7。(Python2.7官方已经不维护了)
下载好安装包后点击安装即可,对安装位置没什么要求的人可一路Next、I agree,除了需要注意下环境变量设置就没什么需要注意的了。
由于笔者还安装了普通版本的Python3.7,所以此处并没有将Anaconda
提供的Python作为系统默认使用的版本,可根据实际情况而定。
下载安装完成后,可查看最近添加的软件,其中含有以下磁贴:
Anaconda Prompt
是Anaconda
提供给我们的命令行,我们将在这个命令行内创建tensorflow
的虚拟环境,并安装使用TensorFlow2.x
。
创建TensorFlow2.x虚拟环境
conda换源
由于Anaconda
提供的conda
默认使用的是国外的软件源,下载安装的速度会十分的缓慢,所以在国内我们要将它设置成国内的镜像软件源。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yes
也可以使用其他conda
镜像软件源。例如中科大源:
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/ conda config --set show_channel_urls yes
如果想要删除某个源,可以使用下面的语句:
conda config --remove channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/'
相应网址进行修改就能删除其它源。
创建虚拟环境
换完conda
的软件源后,可以使用以下命令创建出一个python版本为3.7的,且名为tensorflow1
的虚拟环境。
conda create --name tensorflow1 python=3.7
--name
用来指定虚拟环境的名字,也可以使用其它的名字,而不必使用tensorflow1
这个名字,python=3.7
指定这个虚拟环境的Python版本是Python3.7,也可以使用其他Python版本,TensorFlow2.x的官方建议的Python版本在Python3.5~Python3.7都可以。
使用完创建虚拟环境这个命令后敲回车,conda
会慢慢收集这个虚拟环境所需要的组件,
列举完虚拟环境所需要的组件后,conda
会询问是否需要安装这些组件,输入y后回车就可以开始安装这些组件。
安装完组件后,conda
会提示你怎么使用这个虚拟环境,以及怎么退出这个虚拟环境,其中包含activate
激活虚拟环境命令和deactivate
退出虚拟环境命令。
在命令行内使用conda info --envs
或者conda env list
命令会列举出所有的虚拟环境,其实在这里如果激活的是一个不存在的虚拟环境,它也会提示你使用列举虚拟环境的命令来列举全部虚拟环境。
TensorFlow2.x的相关包安装
我们使用activate tensorflow1
进入到刚刚创建的虚拟环境中。
TensorFlow2.x需要通过pip
包管理进行下载安装,与conda
同样,pip
的默认软件源是在国外,为了提升下载速度,我们需要换到国内的镜像源。
pip换源
清华镜像源提供了一份pip
的
临时使用清华镜像源安装相关包:
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
将清华镜像源设置成默认(首先需要升级pip
):
pip install pip -Upip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
如果 pip 默认源的网络连接较差,临时使用清华镜像站来升级 pip:
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pip -U
但是以上方法笔者并不推荐,笔者在将清华镜像源设为默认后,使用pip
来安装tensorflow
时,下载一半时就发生了网络错误,无法安装,切换到国内其他高校的镜像源也会发生网络错误。所以,建议使用国内大厂的镜像源,笔者这里切换到了腾讯镜像源,切换与上面一致,只需要将网址改成腾讯源的网址即可,以下提供pip
源的国内网址。
腾讯https://mirrors.cloud.tencent.com/pypi/simple阿里云http://mirrors.aliyun.com/pypi/simple/中国科技大学https://pypi.mirrors.ustc.edu.cn/simple/豆瓣(douban)http://pypi.douban.com/simple/清华大学https://pypi.tuna.tsinghua.edu.cn/simple/中国科学技术大学http://pypi.mirrors.ustc.edu.cn/simple/
TensorFlow2.x的安装
在切换好pip
源之后,只需使用以下安装命令就能安装tensorflow
,
pip install tensorflow
另外再使用以下命令安装tensorflow
的gpu版本,
pip install tensorflow-gpu
测试TensorFlow2.x是否安装
在anaconda prompt
命令行中,在已进入新创建的有关TensorFlow虚拟环境的情况下,敲入python就能进入python的交互式界面,输入import tensorflow as tf
导入tensorflow
包,这一步如果不出现问题,说明tensorflow
包已正确安装使用。
再输入print(tf.__version__)
就能输出tensorflow
的版本,这一步无误说明tensorflow
已能被使用。
虚拟环境的删除
在使用虚拟环境退出命令的前提下,在命令行中敲入以下命令,就能删除名为tensorflow
的虚拟环境(不要乱用删除命令,这里名为tensorflow
的虚拟环境只是笔者之前创建的,恰好不需要的虚拟环境罢了),
conda remove -n tensorflow --all
不使用Anaconda的方案
由于,笔者考虑了一下使用普通Python3.7版本的方案,在这种情况下,依然使用Anaconda
提供的命令行实在太丑了pip
安装tensorflow
的包可能会需要依赖其它包的安装,那我们可以使用Pycharm这个python的IDE(反正不可能光用,pycharm代码提示与代码高亮很适合实际项目开发),它会提示包的安装问题,通过它的提示也是可以解决包的依赖问题。Python的Anaconda
的命令行的virtualenv
组件也是可以创建虚拟环境的。在不怕折腾的情况下可以使用Python普通版本。
转载地址:https://blog.csdn.net/PeZXO/article/details/106399117 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!