Python虚拟环境安装Tensorflow

本笔记仅下载cpu版本 不考虑gpu版本~

虚拟环境搭建参考上一篇笔记：Python配置虚拟环境---使用venv_俩小歪的博客-CSDN博客

 

Step1:查看pip版

(xuni1) D:\python_venv\xuni1\Scripts>pip --version

我创建的虚拟环境继承了全局的pip包：19.2.3 版本 

---

有的笔记说最好升级到最新版（写笔记时pip最新版是23.2.1，我试了用最新版去安装tensorflow 报错了 后来又把版本降回来了...)   可能中间有错 不确定

---

Step2：通过镜像安装Tensorflow

1. 清华镜像：https://pypi.tuna.tsinghua.edu.cn/simple
2. 阿里镜像：https://mirrors.aliyun.com/pypi/simple/

---

TIPS: tensorflow和python版本对应：查看tensorflow官网在 Windows 环境中从源代码构建  |  TensorFlow

下图仅展示cpu版本的部分对应，GPU版以及详细CPU版查看上面链接 

---

我的python是3.8 对应我选择 tensorflow==2.3 ：

(xuni1) D:\python_venv\xuni1\Scripts>pip install tensorflow==2.3 -i https://pypi.tuna.tsinghua.edu.cn/simple

注意：需要激活（activate）虚拟环境并在Scripts路径下进行pip

 安装需要几分钟...

Step3：测试Tensorflow 

1.可以直接在IDE里面查看：

注意：在创建虚拟环境时 最好不要继承全局包（非常容易冲突！！！

2.在终端进行测试

---

报错：protobuf版本过高 （默认protobuf==4.24.2）

TypeError: Descriptors cannot not be created directly.
If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.
If you cannot immediately regenerate your protos, some other possible workarounds are:
 1. Downgrade the protobuf package to 3.20.x or lower.
 2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower).

解决方案：重新装 protobuf == 3.19.0

结果：

ERROR: tensorboard 2.14.0 has requirement protobuf>=3.19.6, but you'll have protobuf 3.19.0 which is incompatible.

 那就直接下载protobuf==3.19.6  解决！

---

运行官网最简单代码：

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

结果：运行成功 即安装tensorflow成功！！！