有关Tensorflow安装（win11）自己的一些经验

看各种转载教程不如直接看官网

pip 安装：使用 pip 安装 TensorFlow

conda安装：TensorFlow — Anaconda documentation

使用conda安装的时候，可以直接：

conda create -n tf tensorflow

而不是先配环境再conda安装tensorflow（因为会出现莫名其妙的报错）

备注：

使用 pip 和 conda 安装 TensorFlow（或其他库）主要有以下几个区别：

1. 包管理和环境管理

• Conda 是一个跨平台的包和环境管理器，可以用来安装、运行和更新包及其依赖。Conda 既可以管理 Python 包，也可以管理非 Python 包，提供了一个统一的环境管理方案。Conda 更注重于环境的一致性和依赖关系之间的兼容性。

• Pip 是 Python 的包安装工具，专注于 Python 包的安装和管理。Pip 安装包时主要从 Python Package Index (PyPI) 获取，侧重于 Python 生态系统内的包。

2. 依赖解析

• Conda 在安装包时会考虑到所有依赖的兼容性，尝试为整个环境找到一个一致的解决方案，这有时会导致 Conda 在解决复杂的依赖关系时比较慢。

• Pip 在安装包时依赖于 requirements.txt 或直接的安装命令，对包的依赖进行逐一安装，可能不会全面考虑整个环境中的依赖兼容性，有时可能会导致依赖冲突。

3. 安装源

• Conda 的包通常来自 Anaconda Repository 或设置的第三方 Conda channels。Conda 提供的包可能是预编译的，这意味着某些包可能针对特定平台进行了优化，安装速度可以更快，而且更容易安装（特别是对于包含复杂依赖的包，如涉及到 C 语言库的）。

• Pip 安装的包主要来自 PyPI，安装时可能需要从源代码编译，特别是在包含 C 语言扩展的情况下，这可能需要额外的编译环境和更长的安装时间。

4. 环境隔离

• Conda 可以创建完全隔离的环境，这些环境中的包版本可以与系统中其他环境的包版本不同，不仅仅限于 Python 包，还包括 Python 解释器本身和其他语言的包。

• Pip 通常与虚拟环境（如 venv 或 virtualenv）结合使用来实现环境的隔离，但它不直接管理虚拟环境。

5. TensorFlow 特定的注意事项

• 安装 TensorFlow 时，使用 pip 可能更直接，因为 TensorFlow 官方推荐的安装方法就是使用 pip。这确保你能够获得最新版本的 TensorFlow 和其直接依赖的正确版本。

• 使用 Conda 安装 TensorFlow 时，可能会稍微方便一些，尤其是在处理 CUDA 和 cuDNN（用于 TensorFlow GPU 版本）等依赖时。Conda 可以更容易地管理这些复杂的依赖，但可能不总是提供 TensorFlow 的最新版本。

总的来说，选择 pip 还是 conda 安装 TensorFlow 取决于你的具体需求，包括对环境隔离、依赖管理和安装速度的不同要求。如果你已经习惯于使用 Conda 管理环境，并且需要安装许多非 Python 依赖，Conda 可能是更好的选择。如果你需要 TensorFlow 的最新版本或者更倾向于使用 Python 官方的包管理工具，pip 可能更合适。