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

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

### Conda 创建新环境安装依赖的方法 #### 虚拟环境创建 通过 `conda` 命令可以轻松创建一个新的虚拟环境指定 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: - **TensorFlowJupyter Notebook** 如果目标是设置一个支持 TensorFlow 2.1Jupyter 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

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