在anaconda中安装tensorflow十余次的经验之谈

本文详细记录了在Anaconda环境中安装TensorFlow的过程与遇到的问题,包括选择正确的Python版本、使用清华镜像加速下载及解决版本冲突等关键步骤。
部署运行你感兴趣的模型镜像

头痛啊,真的头痛。

对这方面一无所知的我着手安装anaconda、安装pycharm,在anaconda里面安装tensorflow、在tensorflow的基础上安装keras

1. 安装anaconda问题很多,但是不是困扰我的所以我这里先不赘述。我安装的当前时间点的最新版的!!如果有问题给我留言我再写一篇关于anaconda的安装。

2. 安装pycharm一样找教程来安装很简单不会出现问题,如果上面两个有出现问题了私信我我帮助解答。

3. 我最想说的就是在anaconda里面装tensorflow,我之前直接cmd在命令行进入这个环境下安装过,全部没成功。还是在anaconda里面安装好点。安装了十几次斯毫不夸张,当然这样的教程特别多,但是我都试了,没有什么结果。

        我想大家对这个流程应该清晰了,安装anaconda,安装好之后打开安装的anaconda prompt ,记住右击管理员身份打开,管理员身份打开,管理员身份打开!!!重要的事说三遍,我在卸载环境(后面讲到)的时候一直不成功,后来重新用管理员打开卸载成功了。在anaconda里面安装一个内置的python解析器。然后激活环境activate tensorflow,在tensorflow环境下安装tensorflow,下面是安装过程。。

        最简单的也是最不可能成功的一个方法是:pip install tensorflow,不知道大家又没有试过,350多兆,卡半天出现超时错误。出现这样的原因就是这些镜像文件是在国外的网站上的,在一般电脑上下载是不可能成功的。

        (此时的我剑走偏锋,我看了一篇博客上说使用pip降低性能,为了更好的性能使用conda吧,没办法初出茅庐的小子,试试吧,一试吧我试傻了,我弄不明白了。装好了是真的装好了,但是无论我怎么import都是不行,安装失败。我开始懵了,因为我自始至终还是不知道流程的,有些事情其实做着做着就明悟了。)

        然后我尝试了清华镜像回到pip安装,听着是很不错的解决办法是吧,按照常理来说是的,既然国外的不行,用国内的总行了吧,我改了连接在后面加了下载的地址,然后安装,还是不行,怎么办???

        到这一步已经慢慢的接近成功了,既然镜像下载不行,大部分人能想到这个方法把,我去清华镜像那个网站下载好,放在本地然后再使用pip安装不就可以了,有了这个想法我就试了试,不管我下载多少了镜像,pip安装多少次都不行,又是不行,怎么办???

        放弃吗?那时不可能的。在下载镜像进行安装尝试的时候发现,有的镜像是读取错误,有的是版本不对应,,,,,,,,,,哦ho,版本不对应,我明悟了,此时感觉anaconda和tensorflow必须要版本对应,可能这个我们都知道,我也知道只是这个时候突然想起这个我知道我那儿弄错了。然后我去查了版本对应,anaconda里面的python与tensorflow对应的关系,发现了在我自己找的清华镜像下载的网站里面都没有与我安装的python3.5相对应,这就是问题所在,我想我安装anaconde是安装的最新版的那么里面的python也应该是最新版的吧,于是我卸载了python3.5安装了python3.7(这里面插一句一直没卸成功,就是因为没有管理员打开prompt),然后再下载tensorflow最新的版本,发现里面没有与之对应的。没错清华镜像里面没有与之对应的。怎么办???

        重新卸载anaconda吗,不用的,我找到python3.5对应的是tensorflow1.4,镜像里面也没有,我专门去找了这个镜像下载好重新装上python3.5,激活环境然后直接pip安装,成功了!!!!!

python3.5对应的安装命令:conda create --name tensorflow python=3.5

对应的tensorflow1.4命令:pip install tensorflow==1.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple(下载超级快)

 

对于想用python3.7对应的tensorflow的话看这个博主的:https://blog.youkuaiyun.com/moonshine_cc/article/details/90416045

其他的只要对应,看好是win系统还是linux系统。对应的找应该都没什么问题。

您可能感兴趣的与本文相关的镜像

Python3.8

Python3.8

Conda
Python

Python 是一种高级、解释型、通用的编程语言,以其简洁易读的语法而闻名,适用于广泛的应用,包括Web开发、数据分析、人工智能和自动化脚本

<think>我们正在回答用户关于如何在Anaconda中创建TensorFlow环境的问题。根据引用[1]中的内容,创建TensorFlow环境的核心步骤是使用conda命令创建虚拟环境。用户需要先安装Anaconda,然后通过Anaconda Prompt执行命令。 具体步骤: 1. 打开Anaconda Prompt(在开始菜单中可以找到)。 2. 使用以下命令之一创建环境: - 使用当前默认的Python版本创建(推荐,除非有特定版本需求): conda create -n tensorflow - 指定Python版本创建(例如3.5): conda create -n tensorflow python=3.5 注意:环境名称可以自定义,这里使用tensorflow作为环境名。 3. 激活环境: conda activate tensorflow 4. 安装TensorFlow(根据需求选择CPU或GPU版本): pip install tensorflow # CPU版本 pip install tensorflow-gpu # GPU版本(需要CUDA等支持) 引用[2]中提到了一些安装Anaconda时可能遇到的问题,但用户已经安装Anaconda,所以主要关注创建环境步骤。 如果用户在创建环境时遇到问题,可以尝试以下通用解决方案: - 确保Anaconda安装正确,conda命令可用。 - 检查网络连接,因为创建环境可能需要下载包。 - 如果遇到权限问题,可以尝试以管理员身份运行Anaconda Prompt。 根据用户的问题,我们只需要回答如何创建环境,但为了完整性,我们给出创建环境后激活和安装TensorFlow的步骤。 因此,回答如下:</think>### 在Anaconda中创建TensorFlow环境的步骤 以下是在Anaconda中创建TensorFlow环境的完整流程,请按顺序操作: #### 1. **打开Anaconda Prompt** - 在Windows搜索栏输入`Anaconda Prompt`,以**管理员身份运行**(避免权限问题)[^2]。 #### 2. **创建TensorFlow虚拟环境** **选择以下任一命令执行**: ```bash # 使用Anaconda默认Python版本创建环境 conda create -n tensorflow -y ``` ```bash # 指定Python版本创建(推荐Python 3.5-3.8,兼容TensorFlow) conda create -n tensorflow python=3.7 -y ``` - `-n tensorflow`:环境名称为`tensorflow`(可自定义) - `-y`:自动确认安装依赖 #### 3. **激活环境** ```bash conda activate tensorflow ``` 激活后命令行提示符会显示`(tensorflow)`。 #### 4. **安装TensorFlow** ```bash # 安装CPU版本(推荐大多数用户) pip install tensorflow # 安装GPU版本(需提前配置CUDA) pip install tensorflow-gpu ``` #### 5. **验证安装** 在Python交互环境中测试: ```python import tensorflow as tf print(tf.__version__) # 输出版本号即成功 ``` --- ### 常见问题解决方案 1. **环境创建失败** - 检查网络连接,确保能访问Anaconda仓库 - 尝试删除`C:\Users\<用户名>\.condarc`文件后重试 - 若提示权限错误,全程使用**管理员权限**运行Anaconda Prompt[^2] 2. **导入TensorFlow报错** - 确保环境已激活(命令行显示`(tensorflow)`) - 检查Python版本兼容性(TensorFlow 2.x需Python 3.5-3.8) 3. **GPU版本无法使用** - 确认已安装匹配的CUDA和cuDNN([官方文档](https://www.tensorflow.org/install/gpu)) - 运行`tf.test.is_gpu_available()`检测GPU支持 ---
评论 5
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

打赏作者

xiaokanshijie

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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