tensorflow在windows——python3.7下安装教程(最新教程)

Tensorflow1.13.1版本已经正式发布,现在Python3.7直接安装Tensorflow即可。

pip install tensorflow

pip install tensorflow
 
 

一段时间之后即可安装完成!!

Successfully installed tensorflow-1.13.1
 
 

接下来测试一下吧


 
 
  1. import tensorflow as tf
  2. hello = tf.constant( 'Hello, TensorFlow!')
  3. sess = tf.Session()
  4. print(sess.run(hello))
b'Hello, TensorFlow!'
 
 

成功!开始一起学习吧!

### Python 3.7 安装教程与环境配置指南 #### 下载安装Python 3.7 为了确保安全性和稳定性,应从官方渠道下载Python 3.7安装包[^1]。访问Python官方网站,找到适用于操作系统版本的最新稳定版链接完成下载。 #### 执行安装过程 启动安装程序时需遵循向导提示逐步设置参数。特别需要注意的是,在此期间要谨慎挑选适合自身的安装模式以及指定合理的磁盘位置来存放软件文件夹;另外记得勾选“Add Python to PATH”,以便后续能在命令行工具里直接调用解释器执行脚本任务而无需输入完整路径名。 #### 验证安装成果 通过打开终端窗口键入`python --version`指令查看返回的结果是否显示已成功部署的目标版本号即3.7.x系列之一,则说明整个流程顺利完成。若有异常情况发生,可查阅相关手册获取解决方案或是借助网络平台求助他人分享的经验贴作为参考依据加以解决。 对于希望在同一台机器上同时运行多个不同主要修订级别的开发者而言,这里提供了一份关于怎样让Python 3.7和平共处于已有旧版本(比如2.7)旁边的指导方案——采用压缩包形式来进行独立空间内的自定义编译构建活动,具体细节可见特定资源库中的文档描述[^2]。 考虑到部分用户可能还会涉及到依赖项管理方面的需求,推荐利用Anaconda这样的集成化科学计算平台来进行全方位的一站式服务体验,因为其内部集成了众多常用的第三方扩展库如NumPy、SciPy等,并且能够轻松处理跨平台兼容性难题[^3]。 当目标应用场景牵涉到GPU加速运算特性支持的时候,务必依照框架提供商给出的技术规格表单精确匹配相应的驱动程序版本组合关系,例如TensorFlow 2.0 beta阶段所对应的CUDA Toolkit应该是v10.0加上cuDNN SDK v7.6.0这一组搭配最为理想[^4]。
评论 3
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