tensorflow1.x环境的部署和配置(个人记录)

前言：环境需要

之前的工作都是在tensorflow1.x环境下运行的，此处记录一下配置。可以在本地直接部署环境，也可以在Anaconda中部署环境。
The codes are implemented in tensorflow–1.14 or 1.15 under the interpreter python3.6 or python3.7. Additionally, if the codes are runned on a Server, one should use the miniconda3 for python 3.7 or 3.6. （这些代码在解释器python3.6或python3.7下，tensorflow 1.14或1.15环境中实现。此外，如果代码是在服务器上运行的，则应该使用miniconda3，在python 3.7或3.6中运行。）

环境部署

此处介绍如何在Anaconda中部署我们需要的环境。

第一步 : 安装Anaconda

史上最全最详细的Anaconda安装教程
anaconda的安装和使用（管理python环境看这一篇就够了）

第二步：创建并配置环境

首先，直接在Anaconda里面create新的环境即可

然后点击三角号在terminal里面查看环境，接着使用命令安装包。

创建的环境如下，预装了一些包。

安装numpy包和matplotlib这些必要的包，然后安装tensorflow 1.14或者 tensorflow1.15，以及其他的包。
Anaconda中使用命令:
conda install tensorflow == 1.14 或者 conda install tensorflow == 1.15
conda install matplotlib
本地使用命令:
pipinstall tensorflow == 1.14 或者 pipinstall tensorflow == 1.15
pipinstall matplotlib
注:Anaconda 中也可以使用pip安装软件包，如果tensorflow使用gpu版本，则tensorflow == 1.14 改为 tensorflow-gpu == 1.14 即可

第三步: 将配置好的环境关联到pycharm软件。

pycharm 如何关联anaconda3下的环境

附录：本人部署tensorflow2.x的笔记

Anaconda,python,Numpy,Tensorflow2等配置

注：一些问题及解决办法

在这个环境下，numpy版本过高会出现如下问题，我们考虑卸载numpy 1.20.3，然后安装numpy 1.16.0

当卸载numpy时，tensorflow环境也会跟随卸载。安装完numpy。再安装tensorflow即可。如下为安装numpy1.16.0后的结果

如下为安装tensorflow1.14.0后的结果

重新安装完后，结果如下：(只有命名空间的问题了)