tensorflow环境配置

最新推荐文章于 2025-06-07 12:02:34 发布

小企鹅爱吃鱼

最新推荐文章于 2025-06-07 12:02:34 发布

阅读量1k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：环境配置文章标签： anaconda-tf1.1+py3.6

本文链接：https://blog.youkuaiyun.com/yinge1523/article/details/103035893

环境配置专栏收录该内容

2 篇文章

订阅专栏

本文详细介绍如何使用Anaconda创建Python3.6虚拟环境并安装TensorFlow1.11，包括环境配置、安装过程、conda与pip的区别、软件环境配置及测试方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

环境配置 anaconda--tf1.11+py3.6

安装环境

安装环境

01 用conda创建python的虚拟环境

anaconda->prompt，使用命令查看版本，我的是4.5.1，（装anaconda时，选择了最新版本的，出毛病了，菜单栏里显示不出来，而且少了很多文件，上网查了，没装成功。于是乎，卸了，装了一个低版本的Anaconda3-5.3.0-Windows-x86_64，就正常了。内置的py=3.7）
conda常用的命令

  1）conda list 查看安装了哪些包。
  2）conda env list 或 conda info -e 查看当前存在哪些虚拟环境
  3）conda update conda 检查更新当前conda
  4) conda --version 查看版本信息

创建python虚拟环境

执行以下命令创建python版本为3.6、名字为tensorflow的虚拟环境。tensorflow文件可以在Anaconda安装目录envs文件下找到（可以直接装，为什么要创建环境呢，方便进行版本控制，而且不会影响你Python其他的设置）

conda create -n tensorflow python=3.6

-执行以上命令，然后就可以看到创建的环境
在这里插入图片描述
4.对虚拟环境其他的一些操作

Linux: source activate tensorflow(虚拟环境名称)
Windows: activate tensorflow(虚拟环境名称)
#对虚拟环境中安装额外的包
conda install -n tensorflow numpy      安装package到your_env_name中
#关闭虚拟环境
Linux: source deactivate
Windows: deactivate
#删除虚拟环境
conda remove -n your_env_name(虚拟环境名称) --all

5.为什么没装gpu的呢，因为配置不够，没有NVIDIA。
CUDA(Compute Unified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。开发人员现在可以使用C语言来为CUDA架构编写程序，C语言是应用最广泛的一种高级编程语言。所编写出的程序于是就可以在支持CUDA的处理器上以超高性能运行。CUDA3.0已经开始支持C++和FORTRAN。

02 安装TensorFlow

安装的时候，看了很多帖子，可是很惨，清华源
已经不提供tf的安装了
pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple (从国内镜像源下载，速度极快且稳定)
pip装了多次，每次都因为网速太差，在我最后一次试的时候，又突然可以了，网速哇~，所以就没有尝试离线装的方法
若要装具体版本，则在包名tensorflow后加上 == 版本号 ,当然是在激活了tf环境后进行安装（大概晚上8点多）

pip install tensorflow==1.11.0

ps:插一句，当你在找其他的一些conda源、pip源、国内镜像源都没有的包的时候，你可以在pypi.org上下载到你所需要的包，然后本地安装 :

pip install 本地路径名.压缩格式
pip install 本地保存地址/tensorflow_cpu-0.12.0rc0-cp35-cp35m-win_amd64.whl

相对于本地安装，使用Anaconda prompt 在线安装，可以自动升级TensorFlow所依赖的类库

pps：关于国内镜像源的补充
pip国内的一些镜像（pip可以，conda命令不行）

阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

修改源方法：
临时使用：
可以在使用pip的时候在后面加上-i参数，指定pip源
例如: pip install scrapy -i https://pypi.tuna.tsinghua.edu.cn/simple

永久修改：
linux:
修改 ~/.pip/pip.conf (没有就创建一个)，内容如下：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

windows:
直接在user目录中创建一个pip目录，如：C:\Users\xx\pip，新建文件pip.ini，内容如下

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

03 conda和pip安装有什么区别

  在安装一些python的安装包时，我们会使用conda install 或者pip install

Pip代表Pip Installs Packages，是Python的官方认可的包管理器，最常用于安装在Python包索引(PyPI)上发布的包。 pip和PyPI都由Python包装管理局(PyPA)管理和支持。
　
　　简而言之，pip是Python包的通用管理器; conda是一个与语言无关的跨平台环境管理器。对于用户，最显着的区别可能是这样的：pip在任何环境中安装python包; conda安装在conda环境中的任何包装。

如果我们专注于只是安装Python包，conda和pip服务不同的受众和不同的目的。如果你想在现有的系统Python安装中管理Python包，conda不能帮助你：通过设计，它只能在conda环境中安装包。如果你想说，使用依赖于外部依赖的许多Python包(NumPy，SciPy和Matplotlib是常见的例子)，同时以一种有意义的方式跟踪这些依赖，pip不能帮助你：它管理Python包和只有Python包。
　　详细内容可以参考这篇文章

04 配置软件的环境

要想在Jupyter上使用，还需要进行如下配置

接着安装ipython，安装jupyter

#网上查到的
(tensorflow)D:\>conda install ipython
(tensorflow)D:\>conda install jupyter

#用conda直接安装太慢，于是想到了镜像，用pip装

(base) C:\Users\yinge>activate tensorflow
(tensorflow) C:\Users\yinge>pip install ipython -i https://pypi.tuna.tsinghua.edu.cn/simple/

安装python kernel for Tensroflow：

(tensorflow) C:\Users\yinge>ipython kernelspec install-self –user #不要复制这个命令，user前面是两个-，这里显示不出来
pycharm 里的设置
在这里插入图片描述

05 测试

直接在cmd里面键入python，然后键入import tensorflow as tf

import tensorflow as tf
#初始化一个Tensorflow的常量：Hello Google Tensorflow! 字符串，并命名为hello作为一个计算模块
hello = tf.constant('Hello Google Tensorflow!')
#启动一个会话
sess = tf.Session()
#使用会话执行hello计算模块
result = sess.run(hello)
print(result)
sess.close()

参考链接：https://www.cnblogs.com/the-sun-never-sets/p/10301390.html
https://blog.youkuaiyun.com/weixin_41043240/article/details/79519118