window+anaconda+tensorflow

本文详细介绍如何在Windows环境下配置TensorFlow,包括安装适合版本的Anaconda和Python,配置国内镜像加速下载,以及安装TensorFlow CPU/GPU版本的具体步骤。

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

在windows下配置tensorflow:

我下载的anaconda:我的下载的是anaconda3里面的内置版本是python3.6 和conda4.4.10

然后window下目前的要求是需要的python的版本是3.5的。所以我们在下载完anaconda后,需要下载python3.5

我安装anaconda的时候没有点击自动添加系统环境变量那一项,之前以前点击了那一项,

然后下载完后在cmd中找不到conda不知道为什么,所以又重新安装了一次。

之后我们需要设置Anaconda仓库镜像,默认的链接是国外的,下载速度慢,我们需要改成国内清华的的软件镜像站:

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

conda config --set show_channel_urls yes

由于之前我不会配置然后上面的命令输入了很多次 然后有时候会输入错误,这个时候我们去我的电脑的:

C:\Users\张三\.condarc 打开文件。

最后的结果是:


下载python : conda create -n python35 python=3.5

之后点击y,等待下载完成。 

由于tensorflow在windows下需要的是python3.5所以我们下载tensorflow的时候

activate python35  进行激活。

输入 :(cpu版本):

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/tensorflow-1.1.0-cp35-cp35m-win_amd64.whl

输入:(gpu版本)

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/gpu/tensorflow_gpu-1.1.0-cp35-cp35m-win_amd64.whl

完成后可以进入python

在python环境下输入

import tensorflow as tf

如果这个时候没有出现找不到这个模块就表示成功了。


### TensorFlowWindows 1 操作系统的支持 TensorFlow 官方并不支持 Windows 1 操作系统[^4]。通常情况下,TensorFlow 的最低支持操作系统为 Windows 7 或更高版本,并且推荐使用 Windows 10 来获得最佳性能和支持[^5]。 对于安装和配置 TensorFlow,在 Anaconda 环境下可以通过以下方式完成: ```bash # 创建并激活名为 tensorflow 的虚拟环境 conda create --name tensorflow python=3.6 conda activate tensorflow # 升级 pip 并安装 TensorFlow pip install --upgrade pip pip install tensorflow ``` 如果需要 GPU 支持,则需额外安装 NVIDIA CUDA 和 cuDNN 库,并确保驱动程序满足最低要求[^1]。 以下是验证 TensorFlow 是否成功安装的方法: ```python import tensorflow as tf print(tf.__version__) ``` 运行上述代码后,如果没有报错并且能够打印出 TensorFlow 版本号,则说明安装成功。 #### 关于 TensorFlow Serving 在 Windows 上的编译与部署 虽然 TensorFlow 主体可以在 Windows 上正常工作,但对于某些高级功能(如 TensorFlow Serving),可能需要手动修改源码来适配特定需求。例如,可以参考如下方法禁用版本显示逻辑以解决潜在兼容性问题[^3]: ```cpp // 注释掉以下部分以避免版本信息输出冲突 if (!tensorflow::Flags::Parse(&argc, argv, flag_list)) { std::cout << usage; return -1; } // if (display_version) { // std::cout << "TensorFlow ModelServer: " << TF_Serving_Version() // << "\n" // << "TensorFlow Library: " << TF_Version() << "\n"; // return 0; // } tensorflow::port::InitMain(argv[0], &argc, &argv); ``` 此操作有助于简化构建过程中的复杂度。 ---
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