安装TensorFlow2.0+keras(anaconda3、python3.7、Windows+cpu版)

本文详细介绍了如何使用Anaconda环境安装TensorFlow 2.0.0和Keras,包括安装Anaconda、创建Python环境、激活环境、安装TensorFlow与Keras并验证安装成功的过程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

事先声明,本人小白,刚开始学,很多地方不是很会,而且是第一次写博客,请多包涵。有错误的地方请指出,谢谢!我省略了很多东西,只有必要的步骤,如果想知道就自己到其他大佬那里找吧,以下是我五一假期血的教训得出的结果:

1. 安装anaconda

网址:https://www.anaconda.com/
我下载的是这个:
在这里插入图片描述
在官网按提示找,下相应的安装包就可以了。温馨提示:尽量早上下,这个安装包比较大,而且官网比较慢,晚上下会卡死的。别问我怎么知道的~

2. 按提示一直点下去, anaconda3默认的是python3.7(包里自带有)。

可以改路径,别忘了~

!!!这个地方要注意一下:第一个,它上面提示你:因为如果勾选,则将会影响其他程序的使用什么什么的(自己看英文)。如果你打算使用多个版本的Anaconda或者多个版本的Python,就勾选。虽然它是这么提示的,但是还是勾选吧,因为我第一次安装后,在执行第四步的时候,就没有成功,然后默默的卸了重安装…

在这里插入图片描述

3. 等待安装,可能比较久,安装好后进入cmd

4. 检查anaconda是否安装好:conda --version

在这里插入图片描述

6. 新建一个python3.7的环境:conda create --name tensorflow python=3.7

这个之后有个要输入y的地方:

在这里插入图片描有述

等待安装完…

7.激活新建环境:activate tensorflow

在这里插入图片描述

8.确认环境添加:conda info --envs

在这里插入图片描述

9.安装tensorflow2.0.0:

pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
这个最好用,又快,亲测~
这里就不截图了,太长~
等待安装…

10.检查tensorflow2.0.0是否安装成功

输入python,
import tensorflow as tf
print(tf.version)
得到tensorflow的版本:2.0.0

在这里插入图片描述

11.退出:exit():

在这里插入图片描述

12.安装keras:pip install keras

类似以下(我的是安装过的,就没有下载那些)
在这里插入图片描述

安装成功一定有successfully installed keras…之类的字眼

11. 检查keras安装是否成功

同tensorflow检查的步骤,
不过改成 import keras
在这里插入图片描述

显示Using TensorFlow backend即为成功。

好啦!安装成功,如果你按这个方法还不行的话就找其他大佬吧,毕竟我是小白~~~
在这里插入图片描述

### 如何在Anaconda环境中使用Python与PyCharm编辑器搭建TensorFlowKeras深度学习平台 #### 创建Anaconda环境 为了确保不同项目的依赖项不会相互冲突,建议为每个项目创建独立的Conda环境。可以按照如下命令来创建一个新的环境: ```bash conda create --name dl_env python=3.7 ``` 激活新创建的环境以便后续操作: ```bash conda activate dl_env ``` #### 安装必要的库 一旦环境被激活,在该环境下安装所需的机器学习框架和其他辅助工具。 对于TensorFlow而言,可以通过pip或者conda来进行安装。考虑到兼容性和速度优化,推荐采用官方渠道进行安装: ```bash pip install tensorflow ``` 同样地,对于Keras来说,通常不需要单独安装它作为顶层API的一部分已经被包含于TensorFlow之中;但如果确实需要特定本,则可以直接通过pip安装指定本号: ```bash pip install keras==2.x.x # 替换"x"为目标本号 ``` #### PyCharm配置 成上述步骤之后,打开PyCharm并进入`文件 -> 设置 (Settings)`菜单下的`项目(Project):<your_project_name>`部分找到`Python解释器(Python Interpreter)`选项卡。点击右侧齿轮图标选择`Add...`, 接着挑选`Existing environment` 并浏览至之前创建好的Conda环境路径下对应的Python.exe位置即可[^4]。 此时应该能看到所选中的解释器已经包含了先前安装过的包列表。如果有任何缺失或额外需求也可以在此界面内直接管理这些第三方模块。 #### Jupyter Notebook集成(可选) 如果希望利用Jupyter Notebook开展交互式的编程体验,可以在同一环境中继续执行以下命令以获取支持: ```bash conda install jupyter notebook ipykernel python -m ipykernel install --name=dl_env --display-name "Python (dl_env)" ``` 这一步骤会使得新建Kernel能够识别到当前工作区内的全部资源,并允许用户随时切换不同的计算引擎实例。
评论
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