win10+python3.5+pycharm5.0+CPU 安装tensorflow

本文详细介绍了如何安装Python 3.5并配置PyCharm 5.0进行开发,接着指导读者如何在Windows环境下安装TensorFlow,并在PyCharm中导入使用。最后通过一个简单的线性回归示例验证了TensorFlow的成功安装。

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

1首先安装python3.5(一定要3.5.x),pycharm5.0
python3.5:一路next就行(最好把add python3.5 to PATH勾上,免得到时候自己手动添加到系统环境变量,麻烦),这里有位道友写的很详细,详见:http://www.cnblogs.com/Alier/p/6362652.html
然后在命令符中输入python,出现python版本信息就说明你的python已经安装成功。
这里写图片描述
pycharm5.0:这个真的就是一路next就行,还是不行,google去,so easy的啦。
2在pycharm上配置python3.5
在文件中点开设置,在设置里面的project interpreter选好python3.5安装的路径就OK了。
如图所示:
这里写图片描述
这里写图片描述
3安装tensorflow
①打开控制命令符框,cmd
先输入python,回车,然后出现一溜python版本的信息,然后,输入exit(),撤销。
这里写图片描述
②复制你安装python3.5里面的Scrips完整路径,粘贴到cmd命令行里。
这里写图片描述
这里写图片描述
③ 安装tensorflow
在接下来的命令行里,复制
pip3 install –upgradehttps://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl
粘上,回车,得到下图,就算成功。
这里写图片描述
4 在pycharm上导入tensorflow包,运行程序
①同样的,在file->settings->project interpreter里面,由边有个绿色的小+号,点进去,搜tensorflow,将下面的install to xxx的勾上,然后install Package,过几分钟就导进去了。
这里写图片描述
这里写图片描述
②测试
新建一个python文件,输入import tensorflow as tf,看是否报错,应该是不会的。
然后,可以跑一个简单的线性回归的小例子实验一下。

import tensorflow as tf
import numpy as np

x_data=np.float32(np.random.rand(2,100))
y_data = np.dot([0.100, 0.200], x_data) + 0.300

b=tf.Variable(tf.zeros([1]))
W=tf.Variable(tf.random_uniform([1,2],-1.0,1.0))
y=tf.matmul(W,x_data)+b

loss=tf.reduce_mean(tf.square(y-y_data))
optimizer=tf.train.GradientDescentOptimizer(0.5)
train=optimizer.minimize(loss)

init=tf.initialize_all_variables()

sess=tf.Session()
sess.run(init)

for step in range(0,201):
    sess.run(train)
    if step % 20==0:
        print(step,sess.run(W),sess.run(b))

能出来下面的结果的样子就对了(可能数据有些不一样,正常,因为开始训练的数据是随机出来的,所以结果中的数据也会不一样)
这里写图片描述

OK,现在就开启你深度学习的大门了~~

### 如何在Anaconda环境中使用PythonPyCharm编辑器搭建TensorFlow和Keras深度学习平台 #### 创建Anaconda环境 为了确保不同项目的依赖项不会相互冲突,建议为每个项目创建独立的Conda环境。可以按照如下命令来创建一个新的环境: ```bash conda create --name dl_env python=3.7 ``` 激活新创建的环境以便后续操作: ```bash conda activate dl_env ``` #### 安装必要的库 一旦环境被激活,在该环境下安装所需的机器学习框架和其他辅助工具。 对于TensorFlow而言,可以通过pip或者conda来进行安装。考虑到兼容性和速度优化,推荐采用官方渠道进行安装: ```bash pip install tensorflow ``` 同样地,对于Keras来说,通常不需要单独安装它作为顶层API的一部分已经被包含于TensorFlow之中;但如果确实需要特定版本,则可以直接通过pip安装指定版本号: ```bash pip install keras==2.x.x # 替换"x"为目标版本号 ``` #### PyCharm配置 完成上述步骤之后,打开PyCharm并进入`文件 -> 设置 (Settings)`菜单下的`项目(Project):<your_project_name>`部分找到`Python解释器(Python Interpreter)`选项卡。点击右侧齿轮图标选择`Add...`, 接着挑选`Existing environment` 并浏览至之前创建好的Conda环境路径下对应的Python.exe位置即可[^4]。 此时应该能看到所选中的解释器已经包含了先前安装过的包列表。如果有任何缺失或额外需求也可以在此界面内直接管理这些第三方模块。 #### Jupyter Notebook集成(可选) 如果希望利用Jupyter Notebook开展交互式的编程体验,可以在同一环境中继续执行以下命令以获取支持: ```bash conda install jupyter notebook ipykernel python -m ipykernel install --name=dl_env --display-name "Python (dl_env)" ``` 这一步骤会使得新建Kernel能够识别到当前工作区内的全部资源,并允许用户随时切换不同的计算引擎实例。
评论 1
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