在Anaconda中创建用户
1、打开Anaconda Prompt
2、创建一个虚拟环境并进入创建的虚拟环境
- 在 Anaconda Prompt 中,先写第一行建立一个python3.7版本的虚拟环境,并起名为tf2
- 下载好后,写第二行进入虚拟环境
conda create --name tf2 python=3.7 # “tf2”是你建立的conda虚拟环境的名字
conda activate tf2 # 进入名为“tf2”的conda虚拟环境
虚拟环境起名为tf2,这里随便起,和你的虚拟环境做的事情对应最好
3、安装TensorFlow
方法一:在Anaconda Prompt上下载
在 Anaconda Prompt 中,写以下内容下载TensorFlow
pip install tensorflow
方法二:在Anaconda上下载
以上安装完成
题外话
pip 和 conda 包管理器
pip
pip 是最为广泛使用的 Python 包管理器,可以帮助我们获得最新的 Python 包并进行管理。常用命令如下:
pip install [package-name] # 安装名为[package-name]的包
pip install [package-name]==X.X # 安装名为[package-name]的包并指定版本X.X
pip install [package-name] --proxy=代理服务器IP:端口号 # 使用代理服务器安装
pip install [package-name] --upgrade # 更新名为[package-name]的包
pip uninstall [package-name] # 删除名为[package-name]的包
pip list # 列出当前环境下已安装的所有包
conda
conda 包管理器是 Anaconda 自带的包管理器,可以帮助我们在 conda 环境下轻松地安装各种包。相较于 pip 而言,conda 的通用性更强(不仅是 Python 包,其他包如 CUDA Toolkit 和 cuDNN 也可以安装),但 conda 源的版本更新往往较慢。常用命令如下:
conda install [package-name] # 安装名为[package-name]的包
conda install [package-name]=X.X # 安装名为[package-name]的包并指定版本X.X
conda update [package-name] # 更新名为[package-name]的包
conda remove [package-name] # 删除名为[package-name]的包
conda list # 列出当前环境下已安装的所有包
conda search [package-name] # 列出名为[package-name]的包在conda源中的所有可用版本
conda 中配置代理:在用户目录下的 .condarc 文件中添加以下内容:
proxy_servers:
http: http://代理服务器IP:端口号
conda 虚拟环境
在 Python 开发中,很多时候我们希望每个应用有一个独立的 Python 环境(比如应用 1 需要用到 TensorFlow 1.X,而应用 2 使用 TensorFlow 2.0)。这时,Conda 虚拟环境即可为一个应用创建一套 “隔离” 的 Python 运行环境。使用 Python 的包管理器 conda 即可轻松地创建 Conda 虚拟环境。常用命令如下:
conda create --name [env-name] # 建立名为[env-name]的Conda虚拟环境
conda activate [env-name] # 进入名为[env-name]的Conda虚拟环境
conda deactivate # 退出当前的Conda虚拟环境
conda env remove --name [env-name] # 删除名为[env-name]的Conda虚拟环境
conda env list # 列出所有Conda虚拟环境
在PyCharm中配置刚刚创建的tf2虚拟环境
-
打开设置
-
找到Python解释器
-
打开设置下面的添加
- 找到tf2的虚拟环境路径下的python.exe
之后连续点确定就行了
在PyCharm中运行测试TensorFlow
- 新建立一个python文件
- 输入如下代码
import tensorflow as tf
A = tf.constant([[1, 2], [3, 4]])
B = tf.constant([[5, 6], [7, 8]])
C = tf.matmul(A, B)
print(C)
- 编译运行
- 结果
- 其他
编译后可能会报错如下警告
报这种警告,意思是告诉你,明明可以使用AVX、AVX2这种操作,来使用cpu,而获取更快的速度,为啥你不用。
解决办法,那就是在代码中加上如下代码,以不打印消息信息和警告消息,省的看着心烦(但问题没有得到实际的解决)
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
其中 os.environ[‘TF_CPP_MIN_LOG_LEVEL’] = ‘2’ 或者等于其他,各有什么作用如下
0 = 记录所有消息(默认行为)。
1 = 不打印消息信息。
2 = 不打印消息信息和警告消息。
3 = 不打印消息信息、警告和错误消息。
CUDA Toolkit 和 cuDNN 的安装
安装 CUDA Toolkit 和 cuDNN,其中 X.X 和 X.X.X 分别为需要安装的 CUDA Toolkit 和 cuDNN 版本号,必须严格按照 TensorFlow 官方网站所说明的版本 安装。
conda install cudatoolkit=X.X
conda install cudnn=X.X.X
当然,也可以按照 TensorFlow 官方网站上的说明 手动下载 CUDA Toolkit 和 cuDNN 并安装,不过过程会稍繁琐。