Windows中以Anaconda搭建虚拟环境,安装tensorflow(CPU版本)、keras教程

目录


本文演示环境为win10
在安装之前默认读者的电脑里已经成功安装了Anaconda,并且其python版本为3.5及以上。

1.启动命令提示符

单击开始菜单旁边的搜索图标,输入cmd,即可单击“命令提示符”,弹出窗口
命令提示符窗口

2.建立TensorFlow的Anaconda虚拟环境

Step1 建立工作目录
输入命令:
md \pythonwork #建立工作目录
cd C:\pythonwork #切换到工作目录
这里写图片描述
Step2 建立Anaconda虚拟环境
输入命令:
conda create –name tensorFlow python=3.5 anaconda
其中conda create为建立虚拟环境,–name tensorflow是虚拟环境名称,python版本为3.5

### 如何在 VSCode 中搭建 TensorFlow (CPU 版本) 的开发环境 #### 创建 Conda 虚拟环境 为了确保依赖项管理得当,建议使用 Anaconda创建一个新的 Python 环境。通过命令行执行如下操作来建立名为 `tensorflow_cpu` 的新环境,并指定 Python 版本3.7: ```bash conda create -n tensorflow_cpu python=3.7 ``` 激活该虚拟环境以便后续安装软件包[^1]。 ```bash conda activate tensorflow_cpu ``` #### 安装 TensorFlow 其他必要的库 一旦进入正确的环境中,可以利用 pip 工具从国内镜像源下载并安装特定版本TensorFlow 库以加速下载过程。对于 CPU-only 支持的情况,可采用以下指令完成安装: ```bash pip install tensorflow==2.0.0-alpha0 -i https://pypi.doubanio.com/simple/ ``` 此方法有助于解决官方 PyPI 可能存在的访问速度慢或连接不稳定的问题[^2]。 #### 配置 Visual Studio Code 使用 Conda 环境 为了让 VSCode 正确识别所创建的 Conda 环境,在编辑器内需做适当调整: - 打开命令面板 (`Ctrl+Shift+P`) 并输入 "Python Select Interpreter" - 浏览列表找到之前创建好的 `tensorflow_cpu` 环境路径进行选择 此时应该能够看到终端窗口中的 Python 解释器已经切换到了对应的 Conda 环境下运行。 #### 编写测试代码验证安装成功与否 最后编写一段简单的 Python 代码片段用于确认 TensorFlow 是否被正确加载以及能否正常工作: ```python import tensorflow as tf print("TensorFlow version:", tf.__version__) mnist = tf.keras.datasets.mnist (x_train, y_train), (x_test, y_test) = mnist.load_data() print('Data loaded successfully.') ``` 如果一切顺利,则会在控制台输出相应的信息而不会抛出异常错误提示。
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