tensorflow安装全解(全解萌新向/CPU/下载快/自选新旧版本/GPU安装简述/报错解决)

一、安装过程总述

  笔者结合自己两次安装tensorflow的经历为初学者写下这份说明，已尽可能地写的较为清楚明白，以下安装按CPU安装过程来说明，GPU安装稍些复杂，但也是只多几个步骤，只做了简要概述，详见本文2.5 GPU安装简述。
  第一部分中我总体概述一下安装的各个步骤，如果着急的读者可以直接参考以下步骤来安装，不急用的读者还是建议阅读后方安装过程分述再一一按步进行操作。以下为总体安装过程

1.安装Anaconda
 Anaconda 下载安装地址：https://www.anaconda.com/download/

2.打开Anaconda Prompt，分步运行以下指令：

# 提前注明：<>号代表是需要更改内容的，不能直接拿到指令里运行
# 第一步，创立环境
conda create --name <环境变量名> python=<python版本号>
# 第二步，激活环境
conda activate <环境变量名>
# 第三步，pip安装
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple/ <--upgrade> tensorflow==<tensorflow版本号>

 下面给出一些说明和示例：

# 说明
1.<环境变量名>取自己喜欢的名字即可，如tf、tfcpu、tensorflow等等都可以,注意第二第三步的环境变量名要一致
2.<python版本号>是python对应的安装版本号
3.<tensorflow版本号>是tensorflow对应的安装版本号，省去不写默认安装最新版本
注意python和tensorflow两者版本号对应的安装包要能在https://pypi.tuna.tsinghua.edu.cn/simple/tensorflow/ 找到对应的，详见安装过程分述
4.<--upgrade>选择是否更新tensorflow，要更新tensorflow就把两个尖角号去掉，不更新直接删除就可以
5.如果你安装的是python3，直接把pip3改成pip也可以
6.安装过程中如果遇到[y/n]时（表示是否继续），填y后回车即可继续安装

# 示例
conda create --name tfcpu python=3.5
conda activate tfcpu
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade tensorflow==1.1.0

3.检验
  在anaconda里的notebook中输入import tensorflow后运行，没报错基本上就是没问题，或在Prompt里输入如图所示指令，也是import没报错就可以，注意要激活的是自己安装的环境变量名

4.使用
  在Anaconda中使用tensorflow，一定确保是在自己建立的tensorflow的环境中运行。

二、安装过程分述

2.1 一些建议和说明

  在这篇文章中，我第一步就让大家安装了Anaconda，关于Anaconda的简介和安装步骤这里就不给大家多费嘴了，安装直接在官网下载你想要的版本然后安装即可，如果官网下载速度慢，也可以到百度或谷歌去尝试各种各样的方法，基本上网上的教程都可以让你顺利安装。
  那么，为什么让大家安装Anaconda?
  首先，Anaconda安装后在它的基础环境中已经为你装载了许多科学包，并且帮你安装好了许多实用性应用，如最常见的jupter notebook，许多python初学者在它的基础环境中几乎不用为编程之外的事情而困扰。
  其次，界面简洁明了，我要为大家在该节介绍的一个要点，就是环境。
  编程环境，就是你编辑出的代码是在什么样的环境下运行的，这就像学习环境，配备的教室卫生、课程及教学质量等都有可能影响你的学习质量。在Anaconda的编程环境中，各类各样的python包就是你运行代码的基本，因为这些包为你提供了很多简便强大的函数，如numpy包里的矩阵运算函数。
  Anaconda方便了我们去查看这些环境里都包含些什么，点开新安装的Anaconda，你应会看到如下图所示的界面，其中红框内代表你是处于什么样的环境运行代码：

  点开‘environments’

  回到安装tensorflow的正题上，指令的前两个步骤是创建环境和激活环境，这两个步骤首先是为tensorflow搭建了一个新的环境，这个环境不同于Anaconda自带的基础环境，是没有其他科学包的，只是搭载了python的环境而已。若想要安装其他科学包，可以参考如下图的安装步骤，还有一种安装方法我放到本文2.4 pip安装讲了：

  在Anaconda的安装位置中也可以查看我们自己建立的环境（/envs）和安装的科学包（/envs/ /Lib/site-packages），如图（无关的部分我都遮住了，关键是要知道自己的Anaconda安装在什么位置下）：

  下一步我们会用到Anaconda prompt，Anaconda prompt相当于windows系统的命令行程序(cmd)，如果不清楚，你就理解为它是帮助我们操作电脑的。 打开Anaconda Prompt后，你会看到如下的界面，其中第一行最左侧括号内代表环境名，默认是在base基础环境下，后面显示了当前指向的地址，cmd指令是在该地址和环境下被执行的。

 接下来在Anaconda Prompt中，分步运行以下指令：

2.2 创立环境

conda create --name <环境变量名> python=<python版本号>
# 过程中如果遇到[y/n]时（表示是否继续），填y后回车即可继续安装

  该行指令的主要作用是创建一个python环境，tensorflow的安装需要该环境作为基石。
  <环境变量名>是自己创建的新环境的名字，取一个适当 喜欢的就可以 ；<python版本号>是要建立的python对应的版本号，注意python和tensorflow的版本对应的安装包要能在https://pypi.tuna.tsinghua.edu.cn/simple/tensorflow/ 找到，具体怎么找我放到2.4去讲了（所以2.4很重要啊，初学的萌新们一定认真看啊= =）
  下图给出了一个示例：

2.3 激活环境

conda activate <环境变量名>

  该行指令的主要作用是激活上一步我们创建好的环境，表示tensorflow将会安装到该环境下。因此注意<环境变量名>与上一步的<环境变量名>是相同的
  如图所示，在激活环境后，前面的括号内由base基础环境跳到了我们新创建的环境，这就代表环境激活成功了，我们将在这个环境下安装tensorflow。

2.4 pip安装（※）

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple/ <--upgrade> tensorflow==<tensorflow版本号>
# 过程中如果遇到[y/n]时（表示是否继续），填y后回车即可继续安装
# 如果你用的python3,直接把pip3改成pip就可以

  该行指令的作用是安装tensorflow，详细说明如下：
  在安装tensorflow的过程中，绝大部分人都会遇到下载慢的情况，还有人因CPU配置等问题需要安装旧版本tensorflow。利用清华园开源软件镜像站可以解决上面两类问题，首先，请大家打开https://pypi.tuna.tsinghua.edu.cn/simple/，不出意料的话，大概会看到如下的界面：

  左边一侧是一列的超链接，其中的名字是各类科学包的名字，点进链接会看到科学包的各种版本对应的安装链接。现在，在界面中找到tensorflow并点进去，如图:

  上图左侧是各个版本安装包的超链接，已经给大家标注了其名字的意义。但是，这些安装包不需要我们手动下载，在开头的指令中，我们使用了pip进行安装，只要给出tensorflow的版本号，它会自动帮我们根据电脑的操作系统和当前的python版本为我们匹配对应的安装包然后进行安装。
  关键要注意版本匹配的问题。举个例子，比如你现在要安装tensorflow1.0.0，那么找到tensorflow-1.0.0-，观察python版本，你会发现该版安装包最低支持python2.7(cp27)、最高3.6(cp36)。那么如果你在指令的第一步安装的是python3.7，你就有可能在这一步无法安装tensorflow1.0.0。因此，在安装的时候，为保准不出错，一定先确定一下你要装的tensorflow版本，再去这个网站上看一下对应的安装包里适配的python版本；；如果觉得麻烦，没有特别的需要，tensorflow版本号可以省去不写，python选择较新的版本安装，这样基本不会出错。

  同时，安装任何科学包的过程都是与安装tensorflow的过程类似的，激活环境→点进https://pypi.tuna.tsinghua.edu.cn/simple/→找到自己想要的安装包并点进超链接→查看版本适不适配→确定好后直接用指令安装：

# 安装其他科学包的方法
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple/ <--upgrade> <科学包名字>==<科学包版本号>

  下图是安装tensorflow的示例：

  安装的详细信息我都没有给出来，怕误导大家，这里教大家检验的步骤：输入‘python’后再输入’import tensorflow’，没报错基本说明安装成功。（‘import tensorflow’ 表示 ‘导入tensorflow模块’，是我们使用tensorflow的必要步骤，导入出错即说明存在问题）

  总结的步骤可以回看一、安装过程总述

2.5 GPU安装简述

  tensorflow_gpu的安装就不跟大家详细叙述了，笔者只安装过一次，过程不是很顺利。它与tensorflow_cpu的安装只差一步CUDA和cuDNN的安装及其环境变量的设置。这里给出总体的安装过程，其中第二步是需要大家自己在网上寻找相关教程，别的步骤我已经阐述过了：
1. 安装Anaconda
2.安装CUDA和cuDNN并设环境变量，安装前记得根据自己电脑显卡的型号匹配支持的版本，设置环境变量时找准文件。
3.查找合适的tensorflow版本，除了和python版本对应上，也要和CUDA、cuDNN对应上。
这一点务必注意，版本不匹配的问题经常遇见，参考：

  在Anaconda Prompt中，分步运行以下指令，指令的详细说明就不给大家贴了，跟我们之前所讲的是一样的：

# 提前注明：<>号代表是需要更改内容的，不能直接拿到指令里运行
# 第一步，创立环境
conda create --name <环境变量名> python=<python版本号>
# 第二步，激活环境
conda activate <环境变量名>
# 第三步，pip安装，如果你安装的是python3，直接把pip3改成pip也可以
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple/ <--upgrade> tensorflow-gpu==<tensorflow-gpu版本号>

4.检验，在Anaconda Prompt中输入‘python’后再输入’import tensorflow’，没报错基本上就是没问题

三、后述（如何尝试解决报错）

  笔者曾安装过三次tensorflow(也算上这次写教程又安了一遍)，安装过一次pytorch，安装过程基本靠百度和谷歌，网上的教程杂七杂八，很多是复制粘贴没有讲原因。最初写下这篇教程的想法是因为自己也曾作为一名什么都不懂的萌新，操着一个旧电脑在安装tensorflow的过程中碰壁不少，如今收获这么多想详细写写安装的那些事儿。但这也是笔者第一次写下这篇教程，可能没有顾及太多，如果有什么写的不周到的地方可以给我评论，我为大家查查资料补充一些。同时，如果你觉得该篇文章有帮助你，你可以点个赞评论一下再走。最后，跟大家阐述一下我在安装tensorflow的过程中的心得体会。
  相信大家在安装过程中肯定会遇到各种各样的问题，有些人可能会给我留言问错误怎么解决，说实话，我不是想推卸责任，但面对你们的问题我也只是去百度谷歌解决，给出一个可能的问题所在。这里，我先说一下我在安装过程中踩过的坑和见过的坑。
  我所见识过的大部分遇到的问题都属于配置低和版本不匹配，比如pip版本低、 显卡型号支持不了CUDA、 CUDA和tensorflow-gpu版本对不上、 CPU配置低无法支持高版本tensorflow（某一版本更新后高版本tensorflow无法支持旧CPU了）、 本想安装tensorflow-gpu结果写成了tensorflow（清华源里这两个是不一样的）、 原有环境中的其他科学包版本高会影响tensorflow的使用（如一次我安装了tensorflow1.0.0，import时出现warning，原因是因为和tensorflow相关联的numpy包版本过高，有些旧函数不适用了）等。也有一些其他的问题，如代码是用低版本tensorflow写的 却用高版本tensorflow运行； CUDA的环境设置出错； 下载过慢导致中途安装自动退出等等。这些问题有些并不是安装过程中出现的，而是import时或运行代码时出错的，因此安装完tensorflow一定要注意去检验它是否安装成功(import tensorflow)，接下来谈一谈我推荐的 大家在面对这些问题时应采取的措施：

• 查看报错信息，看看英文能不能看懂，有些报错信息很直接了当（比如pip版本低，会提示你该更新pip了，更新了才能用）
• 如有报错信息看不懂，放到百度或谷歌上去搜索，查看究竟是什么类型的问题，对症下药（如配置问题可以重新建立环境安装其他版本；版本不匹配问题就先明确哪个模块有问题而后重新安装它；…）
• 实在无法确定报错问题，查看每个模块的版本是否匹配（CUDA和cuDNN, 和tensorflow, python和tensorflow等等版本信息），接下来，如果对自己电脑的GPU配置没信心，可以换CPU安装 或 选择低版本tensorflow等重装；；如果CPU配置你也没信心，可以选择低版本tensorflow重装。这里的重装指的是重新建立新的环境，在新环境下重装。（有部分情况可能是因为安装时中途退出了，那么继续在该环境下或许会出问题）（建议大家还是找出问题所在，选择合适的版本）
• 除了清华源，也可使用豆瓣、中国科学技术大学等等开源镜像站
    

临别前推广一下自己的深度学习论文资源，小白收藏起来，迟早要看哦：深度学习论文资料大全

  

  
  

完（有问题留言哦）（转载请注明原博客链接）