tensorflow离线安装

环境

linux x86/windows x86

python 3.8

pip 21.0

安装步骤

1. 首先查看当前python版本支持的tensorflow包

   pip debug --verbose
   

   如果提示没有debug命令，是当前pip版本太低，使用python -m pip install --upgrade pip，怎么离线安装网上有很多。

   离线包网址：https://pypi.org/project/pip/#files

   安装命令：python -m pip install --upgrade xxx

   

2. 访问tensorflow包国内镜像网站

   https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/tensorflow/

   根据当前python适合的版本型号选择，比如本文选择的是tensorflow-2.5.0rc0-cp39-cp39-win_amd64.whl

   

3. 下载后使用pip install tensorflow-2.5.0rc0-cp39-cp39-win_amd64.whl进行安装，安装过程中会提示缺少哪些包，比如：没有比如了，历史被刷新掉了，没法截图

4. 本文安装时使用了如下的包，不是按照安装顺序排的。直接pip install xxx就可以。

   absl_py-0.12.0-py3-none-any.whl
   astunparse-1.6.3-py2.py3-none-any.whl
   cachetools-4.2.1-py3-none-any.whl
   flatbuffers-1.12-py2.py3-none-any.whl
   gast-0.4.0-py3-none-any.whl
   google_auth-1.28.0-py2.py3-none-any.whl
   google_auth_oauthlib-0.4.4-py2.py3-none-any.whl
   google_pasta-0.2.0-py3-none-any.whl
   grpcio-1.34.1-cp38-cp38-manylinux2014_x86_64.whl
   h5py-3.1.0-cp38-cp38-manylinux1_x86_64.whl
   keras_nightly-2.5.0.dev2021032900-py2.py3-none-any.whl
   Keras_Preprocessing-1.1.2-py2.py3-none-any.whl
   Markdown-3.3.4-py3-none-any.whl
   oauthlib-3.1.0-py2.py3-none-any.whl
   opt_einsum-3.3.0-py3-none-any.whl
   protobuf-3.15.7-cp38-cp38-manylinux1_x86_64.whl
   pyasn1-0.4.8-py2.py3-none-any.whl
   pyasn1_modules-0.2.8-py2.py3-none-any.whl
   requests_oauthlib-1.3.0-py2.py3-none-any.whl
   rsa-4.7.2-py3-none-any.whl
   tensorboard-2.4.1-py3-none-any.whl
   tensorboard_plugin_wit-1.8.0-py3-none-any.whl
   termcolor-1.1.0.tar.gz
   tf_estimator_nightly-2.5.0.dev2021032501-py2.py3-none-any.whl
   wrapt-1.12.1.tar.gz
   

5. 然后就安装好了

6. 测试：

   # 导入库
   import tensorflow as tf
   import numpy as np
   from tensorflow import keras
   #定义和编译一个神经网络
   model = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])
   # 编译 并指定 loss optimizer
   model.compile(optimizer='sgd', loss='mean_squared_error')
   #提供数据
   xs = np.array([-1.0, 0.0, 1.0, 2.0, 3.0, 4.0], dtype=float)
   ys = np.array([-2.0, 1.0, 4.0, 7.0, 10.0, 13.0], dtype=float)
   #培训
   model.fit(xs, ys, epochs=500)
   #预测
   print(model.predict([10.0]))
   

   正常执行完就没有问题