前提是已经安装好Anaconda,本文基于1.9.2
- 创建一个新的environment 可以选择python的版本创建,也是anaconda的优势,可以根据python的不同版本创建环境
conda create -n tf-env python=3.6
- 查看已经创建的环境
conda env list
- 删除环境
conda env remove -n tfenv
- 激活环境
activate tf-env
- 导出当前环境的配置到yml,实际上就是复制自己的环境,这样即使更换电脑后也可以与之前的自己环境一致
conda env export > environment.yml
使用此环境配置:
conda env create -f environment.yaml
以上就创建并激活tf-env这个环境,python version=3.6
安装tensorflow
Anaconda 在安装python package时比较方便,这也是建议初学者使用它的原因,这样就避免了中间过程要安装很多依赖包的麻烦
- 这里我选择安装的是tensorflow-gpu版本,看到右侧的安装依赖包顺便帮你安装好了CUDA9.0和cuDNN7.1,这省了你很大很大麻烦,当然前提你的电脑显卡是支持的 <

本文介绍了如何在Anaconda环境下创建TensorFlow的特定版本环境,包括环境的创建、激活、导出配置以及安装TensorFlow-GPU的过程。通过Anaconda,可以方便地管理Python版本和依赖包,避免手动解决依赖问题。在安装TensorFlow-GPU版时,Anaconda会同时安装CUDA和cuDNN。使用Spyder作为Python代码编辑器,展示了在Spyder中运行Python文件以测试GPU与CPU的运算速度差异。
最低0.47元/天 解锁文章
7052

被折叠的 条评论
为什么被折叠?



