conda创建新环境并安装tensorflow2.1+jupyter notebook

最新推荐文章于 2024-08-14 15:26:56 发布
最新推荐文章于 2024-08-14 15:26:56 发布
阅读量1.4k 收藏 5
点赞数
CC 4.0 BY-SA版权
分类专栏： tensorflow笔记 文章标签： anaconda
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/xixi981/article/details/105838054
本文介绍了如何在Anaconda下创建名为tensorflow2的新环境，详细步骤包括指定python版本、安装tensorflow 2.1、解决下载速度问题、安装jupyter notebook以及修改notebook的默认工作路径，确保环境配置成功且可以正常使用。

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

进入Anaconda Prompt

查看环境列表

conda info --envs

创建新的环境，命名为tensorflow2，并指定python版本

conda create -n tensorflow2 python=3.7

进入环境tensorflows2

activate tensorflow2

退出当前环境

deactivate

然后查看是否已经存在该环境

以下命令均是在tensorflow2环境下执行

下载安装tensorflow==2.1

pip install tensorflow==2.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/

若下载过慢，频繁出现timeout，可以选择安装本地whl文件

本地安装whl文件(pip install 路径\whl文件)

pip install d:\tensorflow-2.1.0-cp37-cp37m-win_amd64.whl

成功如下所示

安装其他依赖包同上语句

安装jupyter notebook

pip install jupyter

安装成功如图所示

最低0.47元/天 解锁文章

200万优质内容无限畅学
Anaconda+Tensorflow+Jupyter的安装教程
m0_54502582的博客
03-26 736
第一次写文章，有很多地方还有不足，也算是个记录贴吧，之前一直没有写文章的习惯，所以重装系统后，下载这些软件依旧会遇到很多问题。这篇文章也算是记录的开始，之后会勤加记录学习中所遇到的问题，也是为了再遇到同样的问题有迹可循。
anaconda配置tensorflow-gpu环境并在jupyter notebook使用（两种方法：命令行/anaconda内）
Ang_go的博客
01-30 4866
本文是有关anaconda配置tensorflow-gpu环境，将通过命令行和anaconda内两种方式，读者可自行选择，let’s go！ 以下目录1、2两章内容相同，方式不同，择其一即可。 anaconda配置tensorflow-gpu环境一、anaconda内创建tensorflow虚拟环境二、命令行终端（Anaconda Prompt）创建tensorflow虚拟环境 一、anaconda内创建tensorflow虚拟环境 1.创建环境：打开anaconda，选择左侧environments，点击
【Conda】【TensorFlow】创建环境，安装TensorFlow 2.0
12-21
1  conda create -n TF_2C python=3.6 2 activate TF_2C 3 pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple   4 测试 输出TensorFlow版本：print(tf.__version__)   5 安装其他  （1）安装matplotlib          python -m pip install -U pip setuptools           python -m pip install matplotlib    
Windows——安装Conda、Tensorflow、Jupyter notebook集成环境
CSU174712009的博客
01-07 506
首先下载Conda： https://repo.continuum.io/archive/ 下载好后安装，安装路径自定义，添加*勾选add path； 安装好conda后，进入conda promte 创建tensorflow的环境 选择想用的python版本作为环境 conda create --name tensorflow python=3.6.5 建立好环境后，进入环境 c...
conda 搭建tensorflow2.1 环境
july_young的博客
09-24 594
1、安装 anaconda 2、使用anaconda prompt 进入cmd控制台 3、conda create -n TF2.1 4、conda activate TF2.1 5、conda install cudatoolkit==10.1 6、conda install cudnn==7.6 7、pip install tensorflow==2.1
Anaconda虚拟环境搭建Tensorflow 2.x开发环境
itsgoodtobebad的专栏
03-17 346
待编写
tensorflow1 tensorflow 2 安装配置（cpu+gpu）windows+linux
ziqibit的博客
04-04 1万+
tensorflow安装 2.16.1版本
conda安装tensorflow2.1，出现不能调用GPU
sucreguan的博客
03-17 3958
conda安装tensorflow2.1，出现不能调用GPUconda安装tensorflow2.1-gpuconda创建虚拟环境安装tensorflow2.1添加虚拟环境tf20到jupyter解决不能调用GPU conda安装tensorflow2.1-gpu 了解到anaconda安装tensorflow2.1不需要安装对应的CUDA和cuDNN，并且可以提升一定的运行速度，就卸载了原本的t...
关于在anaconda中虚拟环境已配置好tensorflow但在jupyter notebook中出现No module named ‘tensorflow‘问题解决方法
sfgsdfg2516的博客
03-10 1548
关于在anaconda中虚拟环境已配置好python和tensorflow但在jupyter notebook中出现No module named ‘tensorflow'
通过anaconda安装tensorflow
XyuanL的博客
05-12 333
一.安装步骤： 1. 更改默认的镜像， 把下面的镜像填写到下图步骤四里面 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 2.打开 anaconda prompt 面板（去window搜索），输入下面命令, 含义为创建名为tensorflow_env的环境，并安装tensorflow conda create -n tensorflow_env tensorflow 3.激活tensorflow_env环境 conda.
tensorflow1.2.1安装文件
04-11
先安装conda，然后在conda环境下安装tensorflow。要求：64位linux系统，python3.5。
tensorflow2.1.0安装以及Pycharm和jupyter notebook使用conda虚拟环境方法
qq_41230076的博客
04-30 564
安装tensorflow2.1.0 1.在Anaconda中新建一个虚拟环境，应用 python 版本为3.7，打开Anaconda Prompt输入以下命令： conda create -n tensorflow2.0 python=3.7 tensorflow2.0是Anaconda虚拟环境的名称。 2.激活虚拟环境： conda activate tensorflow2.0 3.在该虚拟...
anaconda安装tensorflow 2.0 踩坑记（mac）
GouGe_优快云的博客
02-25 3636
之前在anaconda中配置了一个名为tensorflow的虚拟环境，并安装好了tensorflow 1.15版本，今天想将tensorflow升级为2.0版本，折腾一下午，最后终于成功 升级方法避坑指南 升级方法 根据anaconda官网目录，得知目前tensorflow的最新版本为2.1.0（20年2月），而mac os系统支持的最高版本为2.0.0版本，见下图： 通过命令cond...
Anaconda 下安装TensorFlow1.2
weixin_33924220的博客
08-14 999
2019独角兽企业重金招聘Python工程师标准>>> ...
Anaconda安装配置Jupyter（2024最新版）
m0_66047447的博客
08-14 1万+
2024安装最新版本Jupyter，一文搞定安装以及配置，支持汉化
通过Anconda中Conda创建tensorflow的虚拟环境并安装tensorflow2.3.1解决包依赖兼容问题同时能在jupyter上使用该环境
weixin_53456019的博客
11-20 3492
本文介绍：通过Conda创建tensorflow2.3.1的虚拟环境并能通过ipykernel在jupyter上使用该环境，导入该库
用conda创建TensorFlow虚拟环境
热门推荐
头脑存档处
05-21 3万+
01 用conda创建python虚拟环境 02 安装TensorFlow 安装方法 问题 01 用conda创建python虚拟环境 1、首先在所在系统中安装Anaconda。可以打开命令行输入conda -V检验是否安装以及当前conda的版本。 2、conda常用的命令。 1）conda list 查看安装了哪些包。 2）conda env list 或 c...
使用conda create一个新的环境后如何对该环境下的jupyter notebook配置默认路径以及添加相应的
wyz6666的博客
10-23 6518
一、使用conda创建一个新的environment 这部分可以查肯我之前的这个教程的第三部分。 二、为该environment下的jupyter配置默认路径 创建好environment后，为了以后用jupyter编写代码方便，我们为jupyter配置默认路径，这样下次打开就会直接到达相应的界面。 1. 首先我们打开终端输入如下命令跳转到所创建的环境中去： source activate fas...
安装Conda+安装并创建Tensorflow 环境 （windows）
u013013280的博客
06-15 3247
一、Tensorflow Win10 CPU版安装 流程： 先安装python；然后安装anaconda ；然后安装 tensorflow；再创建对应python版本的TensorFlow环境 ；最后激活进入 tensorflow 。（以后直接激活进入tensorflow环境，无需再创建tensorflow环境） 1.安装python（3.7以下版本） https://www.p...
conda创建新环境配置依赖
最新发布
03-16
### Conda 创建新环境并安装依赖的方法 #### 虚拟环境的创建 通过 `conda` 命令可以轻松创建一个新的虚拟环境，并指定 Python 的版本号。以下是具体的命令： ```bash conda create -n conda_name python=x.x ``` 其中，`conda_name` 是用户自定义的虚拟环境名称，而 `x.x` 则表示所需的 Python 版本号[^1]。 #### 激活虚拟环境 一旦虚拟环境被成功创建，可以通过以下命令将其激活： ```bash conda activate conda_name ``` 这里的 `conda_name` 应替换为实际创建的虚拟环境名称[^4]。 #### 安装依赖项 在激活虚拟环境之后，可以根据需求选择不同的方式来安装依赖项。 ##### 使用 `requirements.txt` 如果有一个包含所需依赖及其版本信息的文件（通常称为 `requirements.txt`），可以直接利用 `pip` 来批量安装这些依赖项。具体操作如下： ```bash pip install -r requirements.txt ``` 这种方式适用于那些无法通过 `conda` 正常安装或者需要特定版本的包。 ##### 手动安装单个依赖 对于某些特殊的库，比如 TensorFlow 或者 GDAL，可能需要手动逐一安装它们以及其关联的组件。例如： - **TensorFlow 和 Jupyter Notebook** 如果目标是设置一个支持 TensorFlow 2.1 及 Jupyter Notebook 的开发环境，则可按照下面的方式执行： ```bash conda install tensorflow=2.1 jupyter notebook ``` 同样也可以先创建好基础环境再分别添加各个软件包[^2]。 - **GDAL/Numpy/Tqdm/PyInstaller** 对于地理空间数据处理相关的工具链，如 GDAL、Numpy 等，除了常规途径外还可以考虑下载预编译好的 wheel 文件并通过 pip 进行本地化部署。例如针对 Windows 平台上的 AMD64 架构机器而言，有这样一个例子可供参考： ```bash pip install GDAL-3.8.4-cp311-cp311-win_amd64.whl ``` 上述指令中的 `.whl` 文件需事先从官方或其他可信源获取到后再放置至当前工作目录下才能顺利运行[^3]。 #### 注意事项 尽管大多数情况下推荐优先采用 conda 渠道完成所有必要的初始化设定动作；然而鉴于部分特殊场景下的兼容性考量——特别是涉及到 CUDA 或 PyTorch 类型框架的时候——则建议遵循这样的原则：即凡是能借由 conda 实现的部分就尽量依靠它来进行管理维护，而对于剩余难以满足条件的对象才转而借助 pip 达成目的。另外值得注意的是当处于非 root 用户身份之下运用上述两种手段之一所构建起来的新沙盒彼此之间不会发生干扰现象，反之若是切换到了超级管理员模式下去做同样的事情的话就很可能会引发意想不到的结果出来因此应当谨慎对待这个问题。 ```python import sys print(sys.executable) ``` 此段脚本可以帮助确认正在使用的解释器路径是否正确指向了预期的目标位置从而进一步验证整个流程无误与否。
评论 1
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