【python】本地配置tensorflow环境(Anaconda+python3.7+tensorflow1.14.0+numpy1.16.0)

本文详细介绍了如何在Anaconda环境下创建并配置TensorFlow1.14.0,以及如何解决遇到的TensorFlow版本和numpy版本不兼容问题。通过修改conda镜像源加速下载,创建特定Python版本的环境,安装指定版本的TensorFlow和numpy,并在PyCharm中配置该环境。最后,针对遇到的TensorFlow版本错误和numpy的FutureWarning进行了问题排查和解决。


一、Anaconda安装

已有博主详细解答Anaconda的安装流程,链接:史上最全最详细的Anaconda安装教程,根据这篇博客一步步安装即可~


二、创建tensorflow环境

通过Anaconda Navigator可视化界面添加tensorflow环境

如下图所示,选择左侧导航栏的Environments,点击Create即可添加新的环境,注意选择python版本为3.7,创建后就可以看见环境中多了你添加的环境啦,还可以看到环境中所安装的包及相应版本。
在这里插入图片描述
在这里插入图片描述

三、安装tensorflow

这里先用两行代码改一下镜像,使用国内镜像下载速度快一些
打开Anaconda中的 Anaconda Prompt,输入(两行代码分开运行):

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

接下来激活一下第一步中创建的tensorflow环境,再安装tensorflow(建议版本为1.14.0):

# 激活tensorflow环境(activate +环境名称)
activate tensorflow
# 安装tensorflow(若想要最新版本的,运行conda install tensorflow即可)
conda install tensorflow == 1.14.0
# 退出当前环境
conda deactivate

如下所示,(base)表示你在原始环境中,(tensorflow)表示已经切换到tensorflow这个环境中
在这里插入图片描述
安装完毕可以测试下是否能正常运行,在刚才的环境中输入Python即可运行Python代码,输入一下代码进行测试,该语句可查看tensorflow的版本:

import tensorflow as tf
print(tf.__version__)

如图所示,可成功运行

四、在pycharm中配置tensorflow环境

在pycharm中选择File-Settings-Python Interpreter,如图选择add添加环境
在这里插入图片描述

<think>我们参考了多个引用,特别是引用[1]、[2]、[4]提供了安装TensorFlow 1.14.0的方法。由于TensorFlow 1.14.0是一个较旧的版本,直接通过pip安装可能无法找到合适的版本(因为现在pip官方源可能已经移除了旧版本)。不过,我们可以通过以下步骤来安装: ### 方法1:使用国内镜像源安装(推荐) 引用[4]提到使用清华镜像源安装: ```bash pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.14.0 ``` ### 方法2:使用Anaconda创建虚拟环境安装 引用[1]和[2]提到使用Anaconda创建虚拟环境,并指定Python版本3.6(因为TensorFlow 1.14.0不支持Python3.8及以上): 1. 创建虚拟环境: ```bash conda create -n tensorflow1.14 python=3.6 ``` 2. 激活环境: ```bash conda activate tensorflow1.14 ``` 3. 安装TensorFlow 1.14.0: ```bash pip install tensorflow==1.14.0 ``` 或者使用清华源加速: ```bash pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.14.0 ``` ### 方法3:手动下载wheel文件安装 引用[2]提到可以手动下载对应版本TensorFlow wheel文件。由于TensorFlow 1.14.0有多个版本(如CPU和GPU,以及不同Python版本),需要根据你的系统和Python版本选择。 1. 前往https://pypi.org/project/tensorflow/1.14.0/#files 2. 下载对应的whl文件(例如:对于Windows 64位和Python 3.6,下载`tensorflow-1.14.0-cp36-cp36m-win_amd64.whl`) 3. 在命令行中安装: ```bash pip install 下载的whl文件路径 ``` ### 验证安装 安装完成后,按照引用[3]的方法验证: ```python import tensorflow as tf import numpy as np import time print("TensorFlow version:", tf.__version__) # 注意:tf.test.is_gpu_available()1.x版本中可用,但可能会打印一些警告信息 print("GPU Available: ", tf.test.is_gpu_available()) ``` ### 注意事项 - TensorFlow 1.14.0要求Python版本3.5-3.7,推荐使用3.6(因为3.7可能在安装时遇到问题)。 - 如果使用Anaconda,可以按照引用[5]配置PyCharm使用虚拟环境。 §§相关问题§§ 1. 如何解决安装TensorFlow 1.14.0时出现的依赖冲突? 2. 如何在PyCharm中使用Anaconda创建的虚拟环境运行TensorFlow程序? 3. TensorFlow 1.x和2.x版本的主要区别是什么? </think>### 下载 TensorFlow 1.14.0 的详细方法 #### ⚙️ 方法1:使用 pip + 国内镜像源(推荐) ```bash # 先升级pip确保兼容性 python -m pip install --upgrade pip # 使用清华镜像源安装(速度更快) pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.14.0 ``` > 适用场景:快速安装基础版本[^4] #### ️ 方法2:通过 Anaconda 虚拟环境安装 1. 创建 Python 3.6 虚拟环境TensorFlow 1.14 要求): ```bash conda create -n tf_1.14 python=3.6 ``` 2. 激活环境: ```bash conda activate tf_1.14 ``` 3. 安装 TensorFlow: ```bash pip install tensorflow==1.14.0 ``` > 优势:隔离依赖冲突[^1][^5] #### ⚙️ 方法3:手动下载 wheel 文件安装 1. 访问 [PyPI 历史版本页面](https://pypi.org/project/tensorflow/1.14.0/#files) 2. 根据系统选择对应文件(例如 Windows 选 `tensorflow-1.14.0-cp36-cp36m-win_amd64.whl`) 3. 本地安装: ```bash pip install 下载路径/tensorflow-1.14.0-cp36-cp36m-win_amd64.whl ``` #### ✅ 安装验证 ```python import tensorflow as tf print("版本:", tf.__version__) # 应输出 1.14.0 print("GPU支持:", tf.test.is_gpu_available()) # 检查GPU加速 ``` > 注意:GPU 检测可能需要额外安装 CUDA/cuDNN[^3] #### ️ 关键注意事项 1. **Python 版本限制**:必须使用 Python 3.5-3.7(推荐 3.6) 2. **依赖兼容性**: ```bash # 安装匹配的依赖包 pip install numpy==1.16.0 protobuf==3.20.* ``` 3. **虚拟环境必要性**:避免与新版 Python/TensorFlow 冲突[^5] #### 💻 配置开发环境(PyCharm) 1. 创建新项目时选择 `tf_1.14` 虚拟环境 2. 在解释器设置中添加路径: ```path .../Anaconda3/envs/tf_1.14/python.exe ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值