Tensorflow学习笔记①——Pycharm中的Tensorflow2.1安装教程（小白版本）

堇禤

已于 2023-04-17 13:25:34 修改

阅读量5.5k

点赞数 16

分类专栏： Tensorflow学习笔记文章标签： tensorflow pycharm python

于 2022-10-15 09:38:51 首次发布

本文链接：https://blog.csdn.net/CRW__DREAM/article/details/127327154

版权

Tensorflow学习笔记专栏收录该内容

7 篇文章 3 订阅

订阅专栏

Anaconda创建环境

1、安装Anaconda，之后找到Anaconda Prompt（+安装名称）
在这里插入图片描述
2、输入如下命令，表示在Anaconda环境下，创建一个名为TF2.1、Python版本为3.7的目录文件

conda create -n TF2.1 python=3.7

在这里插入图片描述
编译器会自动收集安装包，输入‘y’确认安装。

在这里插入图片描述
出现该界面显示安装完成

3、输入如下命令激活刚才我们所创建的环境

conda activate TF2.1

在这里插入图片描述

4、输入如下命令安装cudatoolkit，用于Tensorflow的GPU加速（若电脑无GPU，此条命令忽略）

conda install cudatoolkit=10.1

在这里插入图片描述
出现此界面，说明安装成功

5、输入如下命令安装cudnn，同样用于后期的Tensorflow的GPU加速（若电脑无GPU，此条命令忽略）

conda install cudnn=7.6

在这里插入图片描述
出现此界面表示安装成功

6、输入如下命令，安装Tensorlow2.1版本（漫长的等待…）

pip install tensorflow==2.1

在这里插入图片描述

如果下载速度过慢，出现如下问题时

推荐换源，达到更快的下载速度，依次输入如下命令（以清华的源为准）在（base）端口，不在（TF2.1端口输入）
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config
--add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge  conda
config --add channels
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ conda
config --set show_channel_urls yes ```

安装完成后，我们要验证刚才所装的环境是否有效，验证方法如下：

7、输入如下命令激活刚才所创建的环境

python

在这里插入图片描述
8、输入如下命令import tensorflow

import tensorflow as tf

在这里插入图片描述
在此步骤可能会出现错误，错误如下

原因是protobuf的版本太高而导致编译错误，所以我们只需要按照编译器提示的信息下载3.19.0对应的版本即可解决问题。（一定要输入‘exit()’，退出刚才进入的python编译环境，在终端里安装）

# 这两个命令只需挑一个输入安装，本人在安装的时候第二个命令不好使，输入第一个命令成功安装的
pip install protobuf==3.19.0
pip install protoc==3.19.0

9、输入如下命令，查看tensorflow的版本

tf.__version__

在这里插入图片描述
到此为止，说明刚刚在Anaconda中创建的环境完毕。

Pycharm导入Anaconda中的环境

1、在Pycharm中新建project
在这里插入图片描述
2、在conda environment，选中刚刚所创建的TF2.1中的python.exe文件，选择下方的OK选项，新建环境

3、如果编译器自动找不到此选项，可以在Anaconda安装目录下，找到envs文件夹，选择TF2.1文件夹，选中里面的python.exe文件
在这里插入图片描述

4、进入新建环境后，新建一个python文件，输入如下命令测试tensorflow是否运行正常

import tensorflow as tf

tensorflow_version = tf.__version__
gpu_available = tf.test.is_gpu_available()

print("tensorflow_version: ", tensorflow_version, "\tgpu_available: ", gpu_available)

a = tf.constant([1.0, 2.0], name='a')
b = tf.constant([1.0, 2.0], name='b')
result = tf.add(a, b, name='add')
print(result)

在这里插入图片描述
5、终端出现如下输出时，表示tensorflow2.1版本导入Pycharm成功

安装完毕！

屏蔽Waring

TF_CPP_MIN_LOG_LEVEL = 1 //默认设置，为显示所有信息

TF_CPP_MIN_LOG_LEVEL = 2 //只显示error和warining信息

TF_CPP_MIN_LOG_LEVEL = 3 //只显示error信息

如果终端不想输出Tensorflow的标红日志，您可以在import tensorflow前面输入如下命令：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

import tensorflow as tf

附录

安装tensorflow1.14.0版本：链接（其中有报错解决办法）

具体错误如下：

TypeError: Descriptors cannot not be created directly.
If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.
If you cannot immediately regenerate your protos, some other possible workarounds are:
 1. Downgrade the protobuf package to 3.20.x or lower.
 2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower).