小白使用Anaconda navigator安装tensorflow，keras，opencv；解决tensorflow DLL load failed: 找不到指定的模块

最新推荐文章于 2025-05-07 14:50:32 发布

滴水成猪

最新推荐文章于 2025-05-07 14:50:32 发布

阅读量2.2k

点赞数 1

分类专栏： anaconda，python以及各种程序包的安装文章标签： tensorflow python anaconda opencv 深度学习

本文链接：https://blog.youkuaiyun.com/weixin_42259853/article/details/105900973

版权

anaconda，python以及各种程序包的安装专栏收录该内容

2 篇文章

订阅专栏

Anaconda navigator安装tensorflow，keras，opencv

本人python小白，为了安装keras必须先安装tensorflow，在用Anaconda navigator中的environment安装时总是无法安装，install package里总是没有东西
在这里插入图片描述

而用Anaconda prompt 安装tensorflow成功后一直显示DLL load failed: 找不到指定的模块。所以有了之前的曲折过程，详情看这里https://blog.youkuaiyun.com/weixin_42259853/article/details/105883038
但是我发现安装成功后还是使用不了，又不想在Anaconda里新建环境。

安装过程

我在之前安装opencv的时候发现只要Anaconda重新安装后，就能在正常安装tensorflow等各种包了。正好要把Anaconda从C盘放到D盘，所以就重装了Anaconda，然后在base的环境里直接安装选中的包就可以了，可以说是十分的小白且方便了以下是截图。在这里插入图片描述
选上要安装的包就可以apply并且安装了

我这里由于第一次只安装了opencv和TensorFlow，没有把keras一起选上，所以后面只能在Anaconda prompt里输入pip install keras进行安装

在这里插入图片描述
最后打开Spyder就可以使用这些包了

验证是否安装完成

附上可以用的一小段程序方便运行验证

import keras
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation
from keras.optimizers import SGD

# 生成虚拟数据
import numpy as np
x_train = np.random.random((1000, 20))
y_train = keras.utils.to_categorical(np.random.randint(10, size=(1000, 1)), num_classes=10)
x_test = np.random.random((100, 20))
y_test = keras.utils.to_categorical(np.random.randint(10, size=(100, 1)), num_classes=10)

model = Sequential()
# Dense(64) 是一个具有 64 个隐藏神经元的全连接层。
# 在第一层必须指定所期望的输入数据尺寸：
# 在这里，是一个 20 维的向量。
model.add(Dense(64, activation='relu', input_dim=20))
model.add(Dropout(0.5))
model.add(Dense(64, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(10, activation='softmax'))

sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='categorical_crossentropy',
              optimizer=sgd,
              metrics=['accuracy'])

model.fit(x_train, y_train,
          epochs=20,
          batch_size=128)
score = model.evaluate(x_test, y_test, batch_size=128)
print(score)