本文共 4212 字，大约阅读时间需要 14 分钟。

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Anaconda提供的命令行实在太丑了，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Anaconda的命令行的，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！