超简单！教你TensorFlow的安装配置

俗话说工欲善其事必先利其器，作为一名即将跨入人工智能行业的萌新，给电脑安上TensorFlow是必不可少的。来来回回出现各种问题折腾了一天终于搞好了，所以写个帖子记录一下，以防换新机时再浪费大量的时间在这种事情上，同时也分享给大家参考。

放在最前面大家要注意的一点是，安装下面一些软件，在安装的时候有的安装界面有打钩的选项，记得勾上"add...PATH"这种的。以免之后还要去配置环境变量里面手动添加。

1. 安装anaconda

1. 下载安装anaconda，附链接

Anaconda | Individual Edition​www.anaconda.com/products/individual#Downloads​编辑

2. 如我本人是win10系统64位，点击红色方框部分即可下载。

3. 安装完成后如何判断是否安装成功？

①win+r打开运行对话框，在对话框中输入cmd命令提升符；

②在弹出的dos窗口输入conda回车，若如下图表示成功。

2. 安装pycharm

1. 下载安装pycharm，附链接

Download PyCharm: Python IDE for Professional Developers by JetBrains​www.jetbrains.com/pycharm/download/#section%3Dwindows​编辑

2. 这里同样是win10系统64位，可以根据系统选择Linux或MacOS版；

3. 特别注意的一点是，这里选择右边的社区版（免费）。

3. 创建虚拟环境

1. 为什么要有虚拟环境？

因为在开发的时候会有多个项目同时进行，这难免会导致冲突，这是就需要为不同的项目建立不同的虚拟环境（python开发环境包括解释器和工具包）。

2. 具体步骤如下

①win+r打开运行对话框，输入cmd回车，然后会弹出dos窗口，利用下图的一些conda的命令进行操作；

②利用conda create --name tf_2.3 python=3.8 命令回车创建虚拟环境，其中代码里面tf_2.3是环境名，可以自己命名；后面的python版本根据自己需求自行选择；

③这个时候你已经创建了一个虚拟环境，可以利用conda env list命令回车来查看你的虚拟环境列表，此时你应该可以看到两个，一个是base，一个是tf_2.3(自命名)；

4. 安装tensorflow-gpu

1. 在上一步的基础上利用activate tf_2.3命令回车进入虚拟环境tf_2.3，进入的目的是你可以开始操纵它了；
2. 然后就可以安装tensorflow-gpu(注意是gpu版，如果不带_gpu，则默认的是cpu版，这将导致你无法使用GPU的强大算力)。命令代码是conda install tensorflow-gpu=2.3，等号后面的是版本号，自行选择
3. 测试tensorflow，接着输入python，回车，你可以看到你当前虚拟环境的python版本；之后再输入from tensorflow.python.client import device_lib回车；接着输入print(device_lib.list_local_devices())回车。如下图。如果检查到两个设备，一个CPU，一个GPU就代表你成功了。

5. 连接到pycharm

1. 打开之前安装好的pycharm，新建已经项目，地址就填你自己想放的位置。之后你进入到pycharm的主界面，如下图；

2. 之后按下图操作，可以完成虚拟环境的切换。其中第三步是选择你需要切换的虚拟环境，这里我们选择刚刚创建的tf_2.3虚拟环境

3. 之后我们回到pycharm主界面，按下图建一个文件，准备写测试代码；

4. 建好之后，按下图执行下面两行代码，

①from tensorflow.python.client import device_lib

②print(device_lib.list_local_devices())

若执行结果如图，那么恭喜你，你已经成功了。

安装配置好TensorFlow，便可以开始你踏入人工智能行业的第一步，接下来你就可以了解到它的强大之处，更好的帮你在人工智能这条道路上，越走越远。

   在线教程

• 麻省理工学院人工智能视频教程 – 麻省理工人工智能课程
• 人工智能入门 – 人工智能基础学习。Peter Norvig举办的课程
• EdX 人工智能 – 此课程讲授人工智能计算机系统设计的基本概念和技术。
• 人工智能中的计划 – 计划是人工智能系统的基础部分之一。在这个课程中，你将会学习到让机器人执行一系列动作所需要的基本算法。
• 机器人人工智能 – 这个课程将会教授你实现人工智能的基本方法，包括：概率推算，计划和搜索，本地化，跟踪和控制，全部都是围绕有关机器人设计。
• 机器学习 – 有指导和无指导情况下的基本机器学习算法
• 机器学习中的神经网络 – 智能神经网络上的算法和实践经验
• 斯坦福统计学习

有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
​

人工智能书籍

• OpenCV（中文版）.(布拉德斯基等)
• OpenCV+3计算机视觉++Python语言实现+第二版
• OpenCV3编程入门 毛星云编著
• 数字图像处理_第三版
• 人工智能:一种现代的方法
• 深度学习面试宝典
• 深度学习之PyTorch物体检测实战
• 吴恩达DeepLearning.ai中文版笔记
• 计算机视觉中的多视图几何
• PyTorch-官方推荐教程-英文版
• 《神经网络与深度学习》(邱锡鹏-20191121)
• …
  

第一阶段：零基础入门（3-6个月）

新手应首先通过少而精的学习，看到全景图，建立大局观。 通过完成小实验，建立信心，才能避免“从入门到放弃”的尴尬。因此，第一阶段只推荐4本最必要的书（而且这些书到了第二、三阶段也能继续用），入门以后，在后续学习中再“哪里不会补哪里”即可。

第二阶段：基础进阶（3-6个月）

熟读《机器学习算法的数学解析与Python实现》并动手实践后，你已经对机器学习有了基本的了解，不再是小白了。这时可以开始触类旁通，学习热门技术，加强实践水平。在深入学习的同时，也可以探索自己感兴趣的方向，为求职面试打好基础。

第三阶段：工作应用

这一阶段你已经不再需要引导，只需要一些推荐书目。如果你从入门时就确认了未来的工作方向，可以在第二阶段就提前阅读相关入门书籍（对应“商业落地五大方向”中的前两本），然后再“哪里不会补哪里”。

 有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
​