删除原安装jupyter,在anaconda中重新安装jupyter,修改jupyter默认启动位置,在anaconda中jupyter配置tensorflow模块

删除

  • 原安装的jupyter并不是基于anaconda环境进行安装的,完全删除jupyter
pip uninstall jupyter
pip uninstall jupyter_core
pip uninstall jupyter-client
pip uninstall jupyter-console
pip uninstall notebook
pip uninstall qtconsole
pip uninstall nbconvert
pip uninstall nbformat
  • 上述内容删除之后,查询文件夹会发现,该路径下C:\Users(你的用户名) 还存在着.jupyter文件夹,里面包含着对jupyter初始启动页面的路径配置,这个可以删除,也可以放任不管(建议删除)

安装

  • 然后重新安装 jupyter
  • 打开anaconda prompt
pip install jupyter
  • 对于缺少的内容,一律按如下处理
pip install 缺少的内容
# 例如
pip install jupyter_core

修改

  • 安装完后如果需要修改jupyter启动页面可以到C:\Users(你的用户名) 该路径下.jupyter文件夹中,打开jupyter_notebook_config.py,查找c.NotebookApp.notebook_dir = ,修改为你希望的默认启动位置,例如我的
c.NotebookApp.notebook_dir = 'E:\jupyter'

tensorflow 安装

# 打开anaconda prompt
# 查询python版本
python --version
# 创建tensorflow虚拟环境
conda create -n tensorflow_env python=3.9.1
# 启动虚拟环境
activate tensorflow_env
# 安装tensorflow
pip install tensorflow
# 如果出现error提示,则按照提示进行pip相应的文件,然后再安装一次tensorflow确保没有缺少

# 将 tensorflow 嵌入到 jupyter
conda install ipython
conda install jupyter

# 安装ipykernel
conda install ipykernel

# 绑定内核
# tensorflow_env 为虚拟环境名称
# python(tensorflow) 为显示名称
python -m ipykernel install --user --name tensorflow_env --display-name "python(tensorflow)"

<think>嗯,用户想找到与Anaconda3 5.2.0 64位和Jupyter兼容的TensorFlow库。首先,我需要确认Anaconda3 5.2.0对应的Python版本。Anaconda的版本通常与Python版本相关,5.2.0应该对应Python 3.6或者3.7吧。查一下资料,Anaconda3 5.2.0发布于2018年,确实自带Python 3.6。所以用户的环境是Python 3.6。 接下来,TensorFlow的版本兼容性。TensorFlow 1.x和2.x的安装方式不同。用户可能希望用较新的版本,但考虑到Anaconda 5.2.0比较旧,可能只能安装较旧的TensorFlow版本。比如,TensorFlow 1.14或2.0之前的版本。需要确认这些版本是否支持Python 3.6。 然后,用户提到Jupyter兼容性。Jupyter本身对TensorFlow版本没有严格要求,只要Python内核支持即可。所以只要TensorFlow能在Python 3.6下运行,Jupyter就能正常使用。 推荐用户使用conda安装,因为conda会自动处理依赖关系。可以建议创建新环境,避免影响base环境。例如,用conda create -n tf_env python=3.6,然后安装tensorflow。但需要查看conda仓库中是否有对应版本的TensorFlow。或者使用pip安装,指定版本号,比如pip install tensorflow==1.14.0。 另外,用户提供的引用中有提到编译TensorFlow 1.14时需要安装keras依赖,这可能是因为某些模块在旧版本中需要单独安装。需要注意安装顺序和依赖项,比如keras_applications和keras_preprocessing的特定版本。 还要考虑用户的操作系统,如果是Windows,可能需要额外的步骤,比如安装Visual Studio工具集,如引用1中的VS2015 update3。但用户的问题中没有明确提到系统,可能需要分情况说明。 总结步骤应该是:创建conda环境,安装Python 3.6,用conda或pip安装兼容的TensorFlow版本,测试安装,最后在Jupyter中使用。同时提醒用户可能遇到的依赖问题,比如需要安装特定版本的库,或者编译时的注意事项。 可能的问题包括版本冲突、依赖缺失,或者安装后导入错误。需要给出解决方案,比如使用虚拟环境,指定版本号,或安装额外的依赖库。例如,引用3中提到安装keras相关库和h5py,可能需要在安装TensorFlow之后进行这些步骤。 最后,确保用户知道如何验证安装是否成功,比如运行import tensorflow as tf并检查版本。同时,提供相关的问题供用户进一步参考,比如如何更新环境或处理兼容性问题。</think>### 分步解答 根据您的需求,以下是兼容 **Anaconda3 5.2.0 (64-bit)** 和 **Jupyter** 的 TensorFlow 安装方法: --- #### **1. 确认 Python 版本** Anaconda3 5.2.0 默认使用 Python 3.6[^2]。 TensorFlow 的版本需与 Python 3.6 兼容。建议选择 **TensorFlow 1.14.0** 或 **TensorFlow 2.0 以下的版本**。 --- #### **2. 创建独立虚拟环境(推荐)** 为避免依赖冲突,使用 Conda 创建新环境: ```bash conda create -n tf_env python=3.6 conda activate tf_env ``` --- #### **3. 安装 TensorFlow** **方法一:通过 Conda 安装(优先)** ```bash conda install tensorflow=1.14.0 ``` **方法二:通过 Pip 安装** ```bash pip install tensorflow==1.14.0 ``` > 注:若安装后出现 `keras_processing` 缺失问题,需手动安装依赖[^3]: > ```bash > pip install keras_applications==1.0.4 --no-deps > pip install keras_preprocessing==1.0.2 --no-deps > pip install h5py==2.8.0 > ``` --- #### **4. 验证安装** 启动 Python 解释器,运行: ```python import tensorflow as tf print(tf.__version__) # 应输出 1.14.0 ``` --- #### **5. 集成到 Jupyter** 在虚拟环境中安装 Jupyter: ```bash conda install jupyter ``` 启动 Jupyter: ```bash jupyter notebook ``` 在 Notebook 中测试 TensorFlow 是否可导入。 --- ### 常见问题解决 - **编译问题**:若需从源码编译,需安装 CMake 和 Visual Studio 2015 工具集[^1][^4]。 - **依赖缺失**:安装 OpenCV 或其他库时,需补充系统依赖[^5]。 ---
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