最简单最快速的TensorFlow1.9环境安装

最新推荐文章于 2025-07-14 17:41:07 发布
最新推荐文章于 2025-07-14 17:41:07 发布
阅读量9.3k 收藏 5
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 深度学习 tensorflow 环境安装 文章标签： tensorflow 深度学习 环境安装 机器学习 macOS
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_42969504/article/details/81672353
本文介绍了在macOS上使用Anaconda 5.2创建环境并安装TensorFlow 1.9.0的详细步骤，包括创建conda环境、激活环境、安装TensorFlow及解决依赖问题，最后通过运行简单程序验证安装成功。

TensorFlow是机器学习和深度学习一个主流框架，也有中文社区，很适合入门深度学习
笔者用的苹果一体机，在环境安装下踩了好多坑，终于找到了最简单的安装方法。文章写于2018-8-14，鉴于有版本更新等时效性，仅供参考。
使用的软件版本环境如下：操作系统：macOS，Anaconda ：5.2，python：3.6，tensorflow：1.9.0

步骤：
1、安装Anaconda：5.2（此版本包含了python3.6，因此不需要安装）
1）在https://www.continuum.io/downloads/ 下载最新版本。
这里写图片描述
我选择的是最新版本
2）下载完成后，按提示安装。
这里写图片描述
3）安装完成后，打开终端工具，创建一个名为tf的conda环境：$ conda create -n tf
这里写图片描述
输入Y继续安装
这里写图片描述
4）继续输入，激活刚刚创建的 conda 环境：$ source activate tf

最低0.47元/天 解锁文章

新学期VIP享超值加赠
TensorFlow 1.13.安装总结
weixin_54707168的博客
09-10 2175
TensorFlow 安装总结 TensorFlow 简介： TensorFlow 是 Google 公司人工智能团队谷歌大脑（Google Brain）研发和维护的开源深度学习框架，世界上由成千上万个开发者为该项目贡献代码，框架能够随着对深度学习的研究进展及时更新。TensorFlow 核心组件包括：最底层的设备层、内核应用、执行器、分发中心。主要是对张量进行运算，有适用于高阶神经网络的Estimators接口。而且 TensorFlow 可轻松移植到网页端和移动设备上。下面安装的是TensorFlo..
TensorFlow1.9.0及相关依赖包
07-16
TensorFlow1.9.0及相关依赖包，方便用户离线环境下搭建TensorFlow。其中numpy和scipy太大不方便上传，可另行下载。压缩包中有requirements。将文件全部解压到一个文件夹如c:\whls中，执行pip install --no-index --find-index=c:\whls -r c:\whls\requirements.txt 即可安装。
Tensorflow 1.9.0版本文件.zip
05-06
win10+python3.7适配的1.9.0版本TensorFlow安装包，文件时whl文件，按博客的教程一步步安装即可。
【深度学习】一文教会从零开始搭建TensorFlow环境（超详细）
最新发布
qq_46315152的博客
07-14 1410
【前言】随着人工智能的飞速发展，深度学习相关技术已经逐步与各行各业的智能化发展紧密融合，卷积神经网络（Convolutional Neural Network，CNN）作为取得了巨大成功的深度学习模型，得以广泛应用。本文将从Python安装开始教大家安装TensorFlow，并使用CUDA进行GPU加速。
tensorflow-1.9.0 setup
01-30
linux版本的 编译好的tx2上的tensorflow，依赖环境：cuda9.0.cudnn7.0
anaconda 安装tensorflow1.9
qq_48345413的博客
11-08 2066
安装tensorflow1.9
树莓派3 安装tensorflow1.9.0（神经网络）
黎国溥
12-14 2980
            树莓派3  安装tensorflow1.9.0（神经网络）   一、首先查看python的版本，是否为python 3.5 python -V 如果是python2 或其它版本的，为了能成功安装tensorflow1.9.0（神经网络），建议先卸载其他版本的python   二、安装Python3.5  : sudo apt-get install pyt...
环境配置：win10+cuda9.0+cudnn v7+anaconda+tensorflow1.9（gpu）+spyder+jupyter notebook+pycharm
zxd52csx的博客
07-31 2484
博主配置的是笔记本：联想Y7000，GPU1050ti 本文参考： https://blog.csdn.net/cool_easy/article/details/80245741 https://blog.csdn.net/jonms/article/details/80330239 目录 一.下载各种软件包 1. cuda9.0(或者下载你想安装的版本)，选择本地.exe版本的，以...
NLP进阶之（四）于Tensorflow中使用Word Embedding
qq_35495233的博客
01-24 2234
NLP进阶之（一）Seq2Seq模型之Chatbot1. 文本预处理2. 词向量维度设置3. 不同情况下Embedding设置情况3.1 Keras层3.2 Tensorflow层3.3 编写自定义模块3.4 采用预训练的词嵌入模型**TensorFlow Hub**4. 总结4.1 参考链接 本节为遇到问题的教程章节，我这里使用了Tensorflow的Embedding模型，通常，我们会有一些文...
Windows7系统安装配置TensorFlow-GPU运算环境
bigcindy的博客
04-14 3125
1. 概述 在深度学习实践中，对于简单的模型和相对较小的数据集，我们可以使用CPU完成建模过程。例如在MNIST数据集上进行手写数字识别，我们可以使用CPU来完成，采用经典的LeNet-5模型只需要十几分钟就能完成（具体取决于电脑配置）。 然而，为了达到更好的效果或者构建更复杂的模型，一般需要更大的数据集，例如经典的ImageNet数据集。假如使用CPU训练模型...
tensorflow1.9.0
08-07
tensorflow1.9.0 tensorflow1.9.0 tensorflow1.9.0 tensorflow1.9.0 tensorflow1.9.0 tensorflow1.9.0 tensorflow1.9.0 tensorflow1.9.0tensorflow1.9.0 tensorflow1.9.0 tensorflow1.9.0 vtensorflow1.9.0 tensorflow1.9.0 vtensorflow1.9.0vv tensorflow1.9.0 tensorflow1.9.0tensorflow1.9.0v tensorflow1.9.0 tensorflow1.9.0
tensorflow-1.9.0-cp37-cp37m-win_amd64.whl
01-06
记住要先安装numpy+MKL 在加上protobuf 将这个文件解压后 ，直接cmd命令 pip install 把解压文件拖到命令里面 回车即可，也可以cmd到解压文件所在目录，在 pip install 这个文件名字
TensorFlow GPU 1.9.0 在 Windows 上的快速安装指南
weixin_42462474的博客
10-07 1285
本文还有配套的精品资源，点击获取 简介：TensorFlow GPU 1.9.0 是一个专为 Python 3.6 和 Windows 设计的深度学习框架版本，它利用 CUDA 技术来加速 TensorFlow 的计算过程。该版本包括了许多性能优化和功能更新，可以显著提高对大规模数据集和复杂模型的训练效率。安装此版本时，需要确保环境满足 Python 3.6 和 NVIDI...
Linux安装tensorflow1.9
Fairy_v的博客
11-08 2211
1.创建环境 conda create -n tf1.9 python=3.6 激活自己的环境 source activate tf1.9 2.用pytorch安装cuda 找好pytorch与cuda的对应关系 conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0 -c pytorch 3.再安装想要安的tensorflow ！tensorflow最好用pip安装，比conda好用 pip install tensorflow
快速安装TensorFlow(GPU) for Windows
Huxnnn的博客
09-02 627
本教程适用于初次安装TensorFlow的同学，试图描述精简。经验尚浅，如有不准确和不完整，请多多指教，谢谢！
TensorFlow 1.9.0正式版来了！新手指南全新改版，支持梯度提升树估计器
量子位
07-12 3455
李林 编译整理量子位 出品 | 公众号 QbitAITensorFlow 1.9.0正式版来了！谷歌大脑研究员、Keras作者François Chollet对于这一版本...
tensorflow-gpu 1.9.0 cuda9.0安装
Hello Word!
12-04 2145
切换cuda版本，参考：https://blog.csdn.net/qxqxqzzz?orderby=UpdateTime 修改cuda软连接： # 参考：https://blog.csdn.net/m0_37400316/article/details/101754957 # 查看之前的软连接 $ stat /usr/local/cuda # 删除之前的软连接 $ rm /usr/loc...
Windows GTX1050安装Tensorflow1.9
weixin_43150396的博客
09-27 615
1．需要提前安装anaconda3（已提前安好） 2. 安装CUDA9.0和CUDNN7.1 网盘链接：链接：https://pan.baidu.com/s/18iUpX5cnQXg0WQgNiaEVRw 提取码：v8ag 过程：ａ．选择自定义版，去掉VS选项，因为会和自己安装的VS冲突； 　　ｂ.如果仍然安装失败，就是显卡驱动问题，可以驱动精灵先卸载显卡驱动，然后安装CUDA，再把显卡驱动按回去。 　　ｃ．安装位置一定不要有中文字符！！！一定不要...
TensorFlow1.9卷积神经网络
Palpitate的博客
06-15 451
TensorFlow1.9卷积神经网络
为此安装哪个版本的python最好
04-02
<think>嗯，用户之前问过关于换编程语言是否能让他的姿态估计项目更简单，现在他接着问应该安装哪个版本的Python最好。我需要先理解他为什么这么问。可能他当前的项目遇到了性能问题，或者环境配置有问题，所以考虑是否换Python版本能解决。 用户可能已经在用Python，但不确定版本是否合适。或者他可能刚开始配置环境，需要选择一个稳定且兼容的版本。考虑到人体姿态估计通常依赖深度学习框架，比如TensorFlow、PyTorch，或者像OpenCV这样的库，这些框架对Python版本有特定要求。 首先，我要回想主流框架支持的Python版本。比如，TensorFlow 2.x通常支持Python 3.7到3.10，而PyTorch可能支持更近的版本。但用户可能使用的是某些特定的库，比如MMPose或MediaPipe，这些库可能有自己的版本限制。 另外，用户之前的问题中提到了使用CUDA加速，这说明他可能在使用NVIDIA GPU，所以Python版本还需要和CUDA工具包兼容。例如，CUDA 11.x可能对应特定的Python版本。 接下来，我需要考虑稳定性和社区支持。Python 3.8和3.9是比较稳定的版本，很多库都已经适配，而3.10或3.11可能某些库还未完全兼容，可能会有兼容性问题。例如，某些依赖旧版Python的库可能在3.10+上无法运行。 用户可能需要一个平衡点，既不过于老旧，又能兼容大多数库。通常推荐3.8或3.9，因为它们被广泛支持，且稳定性较好。同时，如果用户使用较新的框架版本，可能支持3.10，但需要检查依赖项。 还需要考虑虚拟环境的使用，建议用户用conda或venv来管理不同项目环境，避免版本冲突。比如，为姿态估计项目单独创建一个环境，安装指定Python版本和相关库。 另外，用户可能的问题包括安装错误、依赖冲突，或者性能问题。正确的Python版本可以减少这类问题，提升开发效率。需要指导用户如何检查当前库的版本要求，以及如何选择合适的Python版本。 最后，我应该总结推荐版本，并给出具体步骤，比如使用conda安装指定版本，检查框架兼容性，以及如何测试环境是否正常工作。还要提醒用户注意CUDA和cuDNN的版本匹配，确保GPU加速有效。</think>以下是为**人体姿态估计项目**选择Python版本的专业建议，结合主流框架的兼容性和长期维护考量： --- ### **一、版本推荐优先级** | 推荐等级 | Python版本 | 关键支持框架 | CUDA兼容性 | 说明 | |----------|------------|--------------|------------|------| | **⭐首选** | **3.8.x** | TensorFlow 2.6+, PyTorch 1.9+, OpenCV 4.5+ | CUDA 11.0-11.8 | 最广泛兼容的稳定版本 | | **⭐次选** | **3.9.x** | ONNX Runtime 1.12+, MMPose 0.28+ | CUDA 11.1-12.1 | 支持新特性但需验证旧库 | | **⚠️谨慎选** | 3.10+ | MediaPipe 0.9+, TF 2.11+ | CUDA 11.8+ | 部分库需要源码编译 | --- ### **二、版本选择技术依据** #### **1. 框架兼容性验证** ```bash # 检查当前环境限制（以TensorFlow为例） pip show tensorflow | grep "Requires-Python" # 输出示例：Requires-Python: >=3.7, <3.11 # PyTorch官方兼容性矩阵：https://pytorch.org/get-started/previous-versions/ ``` #### **2. CUDA工具链匹配** - **Python 3.8** + **CUDA 11.3** + **cuDNN 8.2** → 支持90%的预编译包 - **Python 3.9** + **CUDA 11.7** → 需要从源码编译OpenCV #### **3. 典型冲突案例** - 使用Python 3.10时，`pycocotools`需要手动修复安装 - `mmcv-full`在Python 3.11下可能无法找到预编译包 --- ### **三、推荐安装方案** #### **1. Conda环境配置（最佳实践）** ```bash conda create -n pose python=3.8 conda install -c conda-forge cudatoolkit=11.3 cudnn=8.2 pip install torch==1.12.1+cu113 -f https://download.pytorch.org/whl/torch_stable.html ``` #### **2. 验证GPU加速** ```python import torch print(torch.cuda.is_available()) # 应输出True print(torch.backends.cudnn.version()) # 应≥8200 ``` --- ### **四、不同框架的版本对照表** | 框架 | 推荐Python版本 | 关键依赖 | |------|----------------|----------| | **MediaPipe** | 3.7-3.9 | protobuf<4 | | **MMPose** | 3.8-3.10 | mmcv-full>=1.6 | | **OpenPose** | 3.6-3.8 | CMake≥3.12 | | **TensorFlow Pose** | 3.7-3.10 | CUDA≥11.2 | --- ### **五、疑难问题解决方案** 1. **`numpy`版本冲突**： ```bash # 强制使用兼容版本 pip install "numpy<1.24" opencv-python ``` 2. **`protobuf`版本过高**： ```bash pip install protobuf==3.20.3 # MediaPipe的硬性要求 ``` --- ### **六、长期维护建议** 1. **锁定依赖版本**： ```bash pip freeze > requirements.txt # 关键包示例： # numpy==1.23.5 # opencv-python==4.5.5.64 # torch==1.12.1+cu113 ``` 2. **使用Docker镜像**： ```dockerfile FROM nvidia/cuda:11.3.1-cudnn8-devel-ubuntu20.04 RUN conda install python=3.8 ``` --- **最终决策建议**：若您正在使用NVIDIA RTX 30/40系列显卡，选择**Python 3.8 + CUDA 11.8**组合能平衡新硬件支持和框架兼容性。具体安装命令： ```bash conda create -n pose38 python=3.8 conda activate pose38 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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