用conda创建TensorFlow虚拟环境

本文详细介绍如何使用Anaconda创建Python虚拟环境,并在其中安装TensorFlow。包括虚拟环境的创建、激活、安装额外包、关闭及删除环境等操作。同时,提供在不同操作系统下安装TensorFlow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 >


01 用conda创建python虚拟环境

1、首先在所在系统中安装Anaconda。可以打开命令行输入conda -V检验是否安装以及当前conda的版本。

2、conda常用的命令。

1)conda list 查看安装了哪些包。
2)conda env list 或 conda info -e 查看当前存在哪些虚拟环境
3)conda update conda 检查更新当前conda

3、创建python虚拟环境。

执行以下命令创建python版本为3.6、名字为tensorflow的虚拟环境。tensorflow文件可以在Anaconda安装目录envs文件下找到

conda create -n tensorflow python=3.6
  • winddows:打开Anaconda promt,执行以上命令,然后输入conda env list查看: 
    conda env list

4、使用激活(或切换不同python版本)的虚拟环境。

  • 打开命令行输入python –version可以检查当前python的版本。 
    使用如下命令即可 激活你的虚拟环境(即将python的版本改变)。

    Linux: source activate tensorflow(虚拟环境名称) 
    Windows: activate tensorflow(虚拟环境名称)

5、对虚拟环境中安装额外的包。

使用以下命令即可安装package到your_env_name中

conda install -n tensorflow numpy

6、关闭虚拟环境(即从当前环境退出返回使用PATH环境中的默认python版本);使用如下命令即可。

Linux: source deactivate
Windows: deactivate

7、删除虚拟环境。

conda remove -n your_env_name(虚拟环境名称) --all
  •  

8、删除环境中的某个包。

conda remove --name your_env_name  package_name 
  •  

02 安装TensorFlow

安装方法

建议在虚拟机环境下安装tensorflow,使用时需要把设置好相应的虚拟环境:例如用pycharm使用tensorflow时,需要为配置好安装好tensorflow的虚拟机环境;用jupyter notebook使用tensorflow时,现在Anaconda promt中切换到tensorflow虚拟环境再执行 jupyter notebook; 

  • anaconda设置运行环境的方法:

Anaconda

  • pycharm设置运行环境的方法: 
    (File–settings) 
    pycharm环境设置
pip install --ingore-installed --upgrade tensorflow
  •  

问题

01 Tensorflow中使用matplotlib报错 
使用matplotlib 包中的imread 方法解析图片报错 
ValueError: invalid PNG header 
原因:所用PNG格式图片为通过其他格式图片直接修改后缀得来

02 ValueError: Only know how to handle extensions: [‘png’]; with Pillow installed matplotlib can handle more images 
原因:win10 上安装的matplotlib 只能解析PNG格式图片

### 使用 Conda 搭建 TensorFlow 开发环境 #### 创建虚拟环境 为了确保不同项目之间的依赖项不会相互冲突,建议为每个项目创建独立的虚拟环境。对于 TensorFlow 的开发环境来说,可以通过以下命令来创建一个新的 Python 3.7 版本的虚拟环境: ```bash conda create -n tensorflow python=3.7 ``` 这条指令会建立一个名为 `tensorflow` 的新环境,并设置 Python 解释器版本为 3.7。 #### 激活虚拟环境 一旦创建虚拟环境之后,需要激活它才能在这个特定环境中工作。通过如下命令切换到刚刚创建好的 `tensorflow` 环境中: ```bash conda activate tensorflow ``` 此时终端提示符前应该会出现 `(tensorflow)` 字样,表示当前处于这个新的虚拟环境中[^2]。 #### 安装 TensorFlow 库 接下来就是安装 TensorFlow 自身及其相关组件。如果想要安装带有 GPU 支持的 TensorFlow,则需先确认 CUDA 和 cuDNN 已经正确配置完毕后再继续此步操作;如果不打算利用GPU加速的话则无需担心这些前置条件。针对 CPU 或者 GPU 加速版的选择取决于个人硬件情况和个人偏好: - 对于仅支持CPU运算的情况: ```bash conda install tensorflow ``` - 如果希望启用GPU加速功能(注意检查兼容性): 需要预先按照官方文档指导完成CUDA Toolkit (例如v9.2)[^1], CuDNN (例如v7.6.5)[^1]等相关驱动程序和库文件的部署后,再执行下列语句以获取适合该组合下的TensorFlow-GPU版本(如 v1.12): ```bash conda install tensorflow-gpu==1.12 keras==2.2.4 ``` 以上命令将会自动解析并下载所有必要的依赖关系,从而简化整个过程中的复杂度。 #### Jupyter Notebook集成 为了让开发者能够在交互式的笔记本界面下编写代码片段或实验模型架构,可以在同一个虚拟环境中安装 Jupyter Notebook : ```bash conda install jupyter notebook ``` 这一步骤使得用户能够更方便地探索数据集、构建原型以及分享研究成果。 #### PyCharm IDE 整合 除了命令行工具外,还可以考虑将 Anaconda 与专业的IDE相结合以便获得更好的编程体验。特别是当涉及到大型项目的管理和团队协作时,使用像 PyCharm 这样的集成开发环境是非常有益处的。具体做法是在Anaconda Navigator 中选择目标环境作为解释器路径,或者手动编辑PyCharm 设置里的Project Interpreter选项指向相应位置。
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