Window 下“最快”安装 TensorFlow

最新推荐文章于 2025-08-12 22:32:07 发布
原创 最新推荐文章于 2025-08-12 22:32:07 发布 · 639 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#TensorFlow #TensorFlow安装 #window #机器学习

本文档详细介绍了在Windows 64位系统上如何快速安装TensorFlow，包括Python环境搭建和TensorFlow的CPU版本安装步骤，适合没有Python基础的开发者，特别是Android开发者。通过Anaconda进行环境配置，并在命令行窗口中执行安装指令完成TensorFlow的安装。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

前言

本系列文章旨在：做个人学习笔记的同时为大家提供一个学习路径的参考。文章皆以一名普通（Android）开发者的角度进行书写及整理，相关demo将不断在个人github上更新。

环境搭建

  • 操作系统：以Window 64bit 为例（Window、MacOS、Linux都以支持TensorFlow安装）
  • python环境搭建
  • TensorFlow安装

python环境搭建

注意： 目前Window用户只能使用python3.5（64bit）。MacOS，Linux支持python2.7和python3.3+

具有python基础的可以跳过这一步（如果是Window环境，需要注意对应版本）。

无python基础的强烈推荐使用Anaconda（可以认为是python的集成环境）进行搭建：

  • 下载地址， Anaconda3_4.2.0 对应 python3.5

  • Window下安装 Anaconda 后(过程略)，会自动将相关路径添加至环境变量中

  • （新起的）命令行窗口中输入：conda list 可以查看已集成好的一些环境，如Python、Pip
  • 如果你没有比较熟悉的用于开发Python的IDE，可以先使用自带的：Jupyter Notebook（在安装目录的子目录Scripts中即可找到）

知识点：要求了解

最低0.47元/天 解锁文章

200万优质内容无限畅学
win10快速安装tensorflow
数字人生
02-18 278
安装Python时，请确保勾选了“Add Python to PATH”的选项，以便在命令行中可以直接调用。大多数情况下，如果没有NVIDIA GPU或者不需要进行大量的数学计算，安装CPU版本就足够了。在Windows 10上安装TensorFlow的一个快速且常用的方法是使用Python的包管理工具pip。请参考TensorFlow的官方网站获取最新的安装信息和要求。- 如果安装了支持GPU的版本，需要确保系统上安装了正确版本的CUDA Toolkit和cuDNN，并且设置了环境变量。
tf第一讲：安装tensorflow（GPU版和CPU版）
热门推荐
weixin_43178406的博客
03-03 1万+
本文讲述了如何安装tf，包括win下cpu、gpu的安装方法，linux下的cpu、gpu安装方法，不同环境、不同版本的tf安装方法都不相同
TensorFlow 各版安装方法
qq_38269799的博客
03-07 386
转自 Google：https://tensorflow.google.cn/install/source_windows
Anaconad安装tensor flow教程
2301_76746106的博客
09-07 315
测试，再次以管理员身份运行Anaconda Prompt在弹出页面输入按步骤写入横框和箭头所指的内容。输入后点击运行，如果运行出以下内容，请再次以管理员身份运行Anaconda Prompt。六，在开始里面的最近添加。弹出页面输入：“cond create -n TF2.1 python=3.7”选择自己要装的盘，然后点Next，然后等待安装成功。打开Spyder 再弹出页面输入横框内部内容。在右下角页面出现圆圈里面内容表示安装成功。在弹开页面输入黄线以上内容。在弹开页面输入黄框内容。
ThensorFlow学习笔记【二】
Milk_1997的博客
04-22 513
ThensorFlow学习笔记【二】 ThensorFlow学习笔记【二】 一个简单的MNIST识别模型 一个简单的MNIST识别模型 附代码如下： import tensorflow as tf INPUT_NODE = 784 #输入节点 因为图片是28×28的所以是784个像素 OUTPUT_NODE = 10 #输出为0~10之间的数字所以输出的为...
windows下的tensorflow安装步骤（CPU版本）
Yes,I do...huima2017的博客
07-12 4351
1、下载安装python3.5 或 Anaconda3.5目前windows下只支持3.5版本，我这里安装Anaconda3.52、找到这个位置，将其发送到桌面快捷方式3、以管理员身份打开桌面的快捷方式，然后在网页里面自动打开了编译界面4、5、在里面编译，按shift+enter运行6、安装tensorflow（CPU版本），以管理员身份7、安装完成8、打开jupyter，输入import ten...
用pip安装tensorflow换成国内源快速安装
hezhenpp的博客
07-07 2767
用pip安装tensorflow换成国内源快速安装 pip install --index-url https://pypi.douban.com/simple tensorflow 或pip install --index-url https://mirrors.aliyun.com/pypi/simple/ tensorflow
Window版下在Jupyter中编写TensorFlow的环境搭建
09-17
### Window版下在Jupyter中编写TensorFlow的环境搭建 #### 概述 本文将详细介绍如何在Windows操作系统环境下，利用Jupyter Notebook进行TensorFlow开发前的环境配置与搭建。此教程不仅适合初学者，也对有经验的...
Anaconda下的tensorflow-gpu2.6.0安装使用
zhuozhuo的博客
05-11 1万+
# Anaconda下的tensorflow-gpu2.6.0安装使用
win7+CUDA+Anaconda+tensorflow_GPU+keras安装（艰辛）
warmbeast的博客
03-12 1167
背景：想实现 yoloV3 算法，据介绍使用keras实现 yolov3 比较方便，github上下载到keras_yoloV3代码包，但是 keras 实现使用的后端是 tensorflow ，于是便开始安装tensorflow ， 没想到安装版本匹配如此麻烦......... 1、软件安装包版本（从先到后）： （1）、CUDA9.0 + cudnn-9.0-windows7-x64-v7...
机器学习——DBSCAN
2501_91237346的博客
08-10 1104
本文介绍了DBSCAN密度聚类算法的原理、参数调优及实现过程。DBSCAN通过定义核心对象、E邻域和密度可达等概念，能够发现任意形状的聚类并识别噪声点。文中详细说明了Python中sklearn.cluster.DBSCAN的参数设置，包括eps邻域半径、min_samples最小样本数等关键参数的影响。同时提供了完整的代码实现，包括数据预处理、DBSCAN模型训练、轮廓系数评估等步骤，并对比了KMeans与DBSCAN在真实数据集上的表现。最后通过标签对齐方法解决了聚类标签与真实标签的映射问题，采用分类指
自适应反步控制：理论与设计
courage_sir的博客
08-08 543
本文提出了一种自适应反步控制方法，用于处理具有未知参数的二阶非线性系统。该方法通过设计虚拟控制律和参数更新率，确保闭环系统稳定性和状态跟踪性能。首先定义跟踪误差并构建Lyapunov函数，推导出虚拟控制律和参数估计更新律；接着设计实际控制输入消除未知参数影响，并证明系统全局渐近稳定性。理论分析表明，该方法能有效处理参数不确定性，实现期望轨迹的渐进跟踪，同时保证所有状态有界。
机器学习TF-IDF算法详解
2201_75607087的博客
08-11 861
TF-IDF是一种统计方法，用于评估一个词在文档集合（语料库）中某个文档里的重要程度。词频 (Term Frequency, TF)：一个词在文档中出现的次数越多，它对这个文档的重要性可能就越高。逆文档频率 (Inverse Document Frequency, IDF)：一个词在所有文档中出现的文档数越少（即越稀有），它区分文档的能力就越强，重要性就越高。简单来说，TF-IDF值高的词，是那些在当前文档中频繁出现，但在整个语料库的其他文档中很少出现的词。这些词往往最能代表该文档的独特主题。
机器学习——08 特征降维
念头通达
08-09 1002
特征降维、低方差过滤法、主成分分析、PAC相关系数法
机器学习-决策树（上）
最新发布
m0_67703435的博客
08-12 694
决策树的结构与python中的二叉树结构()相似，不过决策树中除了叶节点之外的其他节点，都被称之为，构建决策树的过程，也就是选取每一个节点采用哪一个特征作为划分依据的过程。以解决二元分类问题为例，最终的叶节点输出只有两种情况：0或1，那么在前面的每一个决策节点时我们自然希望每一个节点分支得到的样本尽可能属于，也就是说得到的示例样本纯度最高。因此，我们引入“熵”的概念，熵用于衡量，其表达式如下：其中：——所有样本中正例的占比；——所有样本中负例的占比。
李宏毅2025《机器学习》-第十二讲：让AI“开口说话”：深入解析语音语言模型（SLM）的发展历程与核心技术
木鱼时刻的专栏
08-12 927
当大型语言模型（LLM）在文本世界的能力趋于成熟时，人工智能的下一个前沿阵地正转向一个更复杂、更具人性的维度——语音。本文基于李宏毅教授的最新课程，系统地梳理了“语音语言模型”（Spoken Language Model, SLM）的发展历程与核心技术。
机器学习处理文本数据
2501_91113915的博客
08-12 641
这段代码完整实现了从 “原始文本” 到 “模型输入特征” 的预处理流程：读取数据 → 中文分词 → 过滤停用词 → 构建带标签的数据集 → 拆分训练 / 测试集 → 文本向量化主要用于后续的文本分类任务（如区分好评 / 差评），但需注意标签设置错误的问题（差评和好评标签应不同）。
19day-人工智能-机器学习-分类算法-决策树
2401_87710133的博客
08-06 1056
学过数据结构与算法的小伙伴应该对树不陌生吧，这里的决策树也是大同小异的，只是每次反之都有一个条件来决定流向的。
MLE-STAR：谷歌AI推出的机器学习工程新范式，一种搜索驱动、精准优化的智能代理
qianggezhishen的专栏
08-08 675
MLE-STAR 真的代表了当前 ML 自动化的一个新高度。它通过“搜索打底、聚焦优化、智能集成、严格检查”这一整套机制，不仅提升了性能，更重要的是提升了可靠性和可解释性。如果你在做 AutoML、智能 agent、或者 MLOps 相关的工作，这个项目非常值得深入研究。我已经在 GitHub 上 star 了他们的 repo，也打算用他们的 notebook 先跑一个 demo 试试。
E:\python3.9.13\python.exe E:\pycharm\study\计算机视觉\test3.py Traceback (most recent call last): File "E:\python3.9.13\lib\site-packages\tensorflow\python\pywrap_tensorflow.py", line 73, in <module> from tensorflow.python._pywrap_tensorflow_internal import * ImportError: DLL load failed while importing _pywrap_tensorflow_internal: 动态链接库(DLL)初始化例程失败。 During handling of the above exception, another exception occurred: Traceback (most recent call last): File "E:\pycharm\study\计算机视觉\test3.py", line 20, in <module> from 计算机视觉.test2 import ObjectRecognitionDeployer File "E:\pycharm\study\计算机视觉\test2.py", line 1, in <module> import tensorflow as tf File "E:\python3.9.13\lib\site-packages\tensorflow\__init__.py", line 40, in <module> from tensorflow.python import pywrap_tensorflow as _pywrap_tensorflow # pylint: disable=unused-import File "E:\python3.9.13\lib\site-packages\tensorflow\python\pywrap_tensorflow.py", line 88, in <module> raise ImportError( ImportError: Traceback (most recent call last): File "E:\python3.9.13\lib\site-packages\tensorflow\python\pywrap_tensorflow.py", line 73, in <module> from tensorflow.python._pywrap_tensorflow_internal import * ImportError: DLL load failed while importing _pywrap_tensorflow_internal: 动态链接库(DLL)初始化例程失败。 Failed to load the native TensorFlow runtime. See https://www.tensorflow.org/install/errors for some common causes and solutions. If you need help, create an issue at https://github.com/tensorflow/tensorflow/issues and include the entire stack trace above this error message.
06-23
####步骤3：安装兼容的TensorFlow版本尝试安装支持Python3.9的TensorFlow版本（如TensorFlow2.5或更高版本）：```bashpipinstalltensorflow==2.5.0```或者，如果问题仍然存在，可以尝试使用TensorFlow2.4（官方未...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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