配置tensorflow(CPU版本)

准备工作

为了即将到来的深度学习做准备。
目前先安装试试cpu版本的tensorflow。

一、知识准备

虚拟环境

创建一个名为 "tf" 的虚拟环境后，你可以在其中安装 TensorFlow 库和其他需要的软件包，然后在这个环境中进行深度学习项目的开发和实验。

使用虚拟环境的好处包括：
隔离环境：虚拟环境可以隔离不同项目的依赖关系，使得项目之间不会相互影响。这样你可以在不同的项目中使用不同版本的软件包，而不会产生冲突。

便于管理：虚拟环境允许你在其中安装和管理特定于项目的软件包，而不会影响到系统中的其他环境。这样可以使得软件包的管理更加清晰和方便。

方便共享和部署：通过虚拟环境，你可以将项目的依赖关系完整地打包在一起，方便与他人共享或者在其他系统上部署。这样可以确保项目在不同环境中的一致性。
总的来说，创建一个名为 "tf" 的虚拟环境可以帮助你更好地组织和管理深度学习项目，并确保项目的依赖关系清晰和隔离。

这虚拟环境太好了，解决了我这种配置环境后又怕配错导致其他环境坏掉的人的顾虑。

二、创建虚拟环境

在 Anaconda 中创建一个虚拟环境非常简单。你可以使用 Anaconda Navigator 图形界面或者命令行工具来完成这个任务。以下是两种方法：
方法一、
1、使用 Anaconda Navigator（图形界面方式创建）
2、打开 Anaconda Navigator。
点击左侧的 “环境”（Environments）选项卡。
在顶部的下拉菜单中，选择 “Create”。
3、输入新环境的名称，选择要安装的 Python 版本，然后点击 “Create”。
方法二、使用命令行
1、打开终端或命令提示符(即Anaconda prompt)。
2、运行创建命令

conda create --name myenv

这将会创建一个名为 “myenv” 的虚拟环境，默认使用当前系统中默认的 Python 版本。
如果你想要指定 Python 版本，可以使用以下命令：

conda create --name myenv python=3.8

这将会创建一个名为 “myenv” 的虚拟环境，并指定使用 Python 3.8 版本。
这样虚拟环境就建立好了。

当你在 Anaconda 中创建虚拟环境时，你可以指定你想要使用的 Python 版本，即使你的 Anaconda 安装中默认的
Python 版本不是 3.8。当你使用 python=3.8 参数指定 Python 版本时，Anaconda 将会下载并安装指定的
Python 版本到虚拟环境中，而不受 Anaconda 安装中默认 Python 版本的影响。

因此，举例来说，如果你的 Anaconda 安装中默认的 Python 版本是 3.7，而你想要创建一个使用 Python 3.8
的虚拟环境，你可以使用以下命令：
conda create --name myenv python=3.8
这将会创建一个名为 “myenv” 的虚拟环境，并在其中安装 Python 3.8，即使你的 Anaconda 安装中默认的 Python 版本不同。

为了能让你在jupyter notebook中编辑自己的代码，所有还需要安装ipykernel，比较直接的法子如下：

点击'install'，完成后就会变成'launch'
当然也要命令行的方式完成这个操作

三、配置tensorflow

下面我推荐使用清华源的镜像安装，这样速度也快。

首先，通过anaconda prompt 进入刚才准备的虚拟环境，激活虚拟环境

conda activate tensorflow_cpu

tensorflow_cpu 是我自己环境名称

语法是、如下

conda activate <environment_name>

这里的 <environment_name> 是你要激活的虚拟环境的名称。执行上述命令后，你就会进入到指定的虚拟环境中，可以在其中执行相应的操作。

添加清华源镜像地址

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

conda config --set show_channel_urls yes

安装tensorflow

conda install tensorflow

下面是相关运行截图



在上图最后有一个选择，选择y即可

四、验证是否成功

在虚拟环境下依次执行下面语句

 python
 import tensorflow as tf
 hello = tf.constant('Hello,Tensorflow!')
 print(hello.numpy())

最后输出了

 b'Hello,Tensorflow!'

然后进入juypter notebook 中建立一个文件，同样运行相同代码，一样正常输出，说明安装成功了。