安装tensorflow

最新推荐文章于 2024-06-22 22:55:33 发布
最新推荐文章于 2024-06-22 22:55:33 发布
阅读量422 收藏
点赞数
分类专栏： 知识图谱 知识图谱实战-编程合集 文章标签： 知识图谱
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35222729/article/details/119774868
版权

更详细的版本根据这个博客

1、 安装anaconda， 这里已经安装成功，所以忽略！

conda --version
conda info --envs

分别看自己现在的环境
在这里插入图片描述

2、 查看默认的python版本（也就是anaconda下的）

python
exit()

在这里插入图片描述

3、安装环境

conda create --name tf37 python=3.7

在这里插入图片描述
这里默认给我安装的是python=3.7.11版本的

在这里插入图片描述

再次查看python版本！ 到此完成了python环境的创建！
在这里插入图片描述

退出环境查看环境是不是创建成功
在这里插入图片描述
上面的这些基本就可以对于Anaconda有一个比较简单的了解，其实它就类似于JDK的一些操作，比如我们查看jdk的版本，也可以用java --version ，所以说对于Anaconda去安装tensorflow是比较简单的原因也正是这样，也就是是给我们提供了一个基础的依赖环境，这样就方便我们进行后面的安装操作

4、安装tensorflow

CPU版本：

pip install tensorflow

GPU版本：

pip install tensorflow-gpu

两者都是默认安装的tf2.6

5、出现了问题

在这里插入图片描述
为什么呢？ 经过网上的资料是tf版本和cuda版本不对应导致的；
版本对应
在这里插入图片描述
是版本不对应的问题！ 也就是tensorflow 和 cudatoolkit 和 cudnn！
我们降低tf的版本到2.3 or 2.2 还是不成功！
但是可能2.1就会成功！ 我没有这么做，而是直接采用了下面这种，修改cudnn的方法！ 你可以先尝试改改2.1（这样说岂不是这个bazel有问题？？？）

这次我们更改cudnn，但是这也会带来一些问题！ 原来配置好的torch的环境可能会出现问题，因为它们在建库的时候是按照原来的cudatoolkit = 10.2建立的！！！ 看看情况！
怎么看自己cudnn的版本？

在这里插入图片描述
错误变成了一个
在这里插入图片描述
经过网上查阅发现这是正确的！ 哈哈哈！ 没有什么问题！ 代表成功运行了！

当然也可以取消这样的提示！

6. 测试tf安装成功

1.0和2.0是不一样的，是因为tf.Session()在2.0版本已经被遗弃了！为什么呢？

2.0版本：

import tensorflow as tf
tf.compat.v1.disable_eager_execution()#保证sess.run()能够正常运行
hello = tf.constant('hello,tensorflow')
sess= tf.compat.v1.Session()#版本2.0的函数
print(sess.run(hello))

运行结果如下：
在这里插入图片描述

中间的就胜省略了！在这里插入图片描述
这样就表示成功了！

1.0版本

import  tensorflow as tf

hello = tf.constant("Hello, Tensorflow!")
sess = tf.Session()
print(sess.run(hello))

7. 配置到pycharm中

新建一个项目

  • 选择我们的虚拟环境
    我们创建一个项目！ 注意这里有三种图片，其中我们需要的是conda里面的虚拟环境（圆圈）！ 为什么称之为虚拟环境呢，因为这里就像一个虚拟机一样，我们可以创建一个一个独立的环境（python版本）而不相互影响！ 但是在普通的环境中（也就是我们的电脑上，姑且这么认为），一个python版本只能对应一个环境，是定义好的！

在这里插入图片描述

再次

在这里插入图片描述

新建py文件进行测试

import tensorflow as tf
import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
tf.compat.v1.disable_eager_execution()#保证sess.run()能够正常运行
hello = tf.constant('hello,tensorflow')
sess= tf.compat.v1.Session()#版本2.0的函数
print(sess.run(hello))

在这里插入图片描述

8. 在jupyter上运行

直接在jupyter上运行上面的程序是肯定有问题的

jupyter需要提前选择环境！

在jupyter中添加其它的工作环境

安装Python环境的命令：

conda create -n env_name python=2.7

env_name是你给自定义的python2.7的名字

activate env_name

进入这个Python

pip install ipykernel

安装ipykernel

需要导入！！！！！！！

python -m ipykernel install --name env_name

将刚才安装的python环境加入kernel

现在验证一下是否成功吧，打开你的jupyter notebook，看看创建新文件的地方是否多了你刚才新创建的python环境

补充：

jupyter kernelspec remove kernel_name

在这里插入图片描述、

在这里插入图片描述

在这里插入图片描述

可以使用pycharm中安装

  • 怎么使得jupyter每次都默认打开指定路径
    修改jupyter自启动！！！
    但是这样十分麻烦，有什么办法可以自动打开呢，我查了百度，又查了不少别人的博客，亲测有效的
    1.去cmd 命令窗口执行jupyter notebook --generate-config 可以找到 Jupyter_notebook_config.py文件
    2.在文件中 找到
    #c.NotebookApp.notebook_dir = ‘’
    3.在下面复制以下代码
    import webbrowser
    webbrowser.register(“Chrome”, None,
    webbrowser.GenericBrowser(u"C:\Program Files (x86)\Google\Chrome\Application\chrome.exe"))
    c.NotebookApp.browser = u’Chrome’
    坑一： 注意要是双引号。 原来不知道是不是单引号的问题所以一直没有成功
    坑二： 注意要是双 u ！！！！！

补充： CUDA相关

后面的两者都是需要安装的，但是在使用的时候（也就是配置环境的时候），是遵从于后者的！
但是前者版本必须大于等于后者，至于有没有问题，需要不需要改动，需要看情况！

查看驱动版本CUDA版本（无需配置环境变量 ）

nvidia-smi

在这里插入图片描述

查看cudatoolkit版本（需要配置环境变量）

但是这样是有缺陷的，如果你要安装不同的cuda版本的时候，需要将环境变量给清除，这样才不会影响后面的操作！ 因为你在安装torch的时候，命令语言会获取你环境变量中的信息而自动给你确定要安装什么版本的cuda or cudatoolkit！ 所以要小心啊！
相同的道理这也就是为什么java也需要配置环境变量，因为只有你在装上基础**jdk(Java development kit)**基础环境之后，需要配置环境的原因，因为后续的操作要看这个版本号来确定安装or不安装什么！
是不是和CUDA Toolkit 很一样，也是一个基本的开发工具包
在这里插入图片描述

nvcc-V

  • 查看cudatoolkit的安装位置

set cuda

  • cudatoolkit安装目录一般为：

C:\Program Files\NVIDIA GPU Computing
Toolkit\CUDA\vXX.X\extras\CUPTI\libx64

conda activate XXX

  • 查看自己安装的torch版本

import torch
torch.version

  • cudatoolkit版本（就是在cuda上使用的工具组件库），并且验证是不是cuda是不是可以成功运行：
    进入python，

import torch
torch.version.cuda

这里必须和自己电脑安装的cuda版本要一致的！！
在这里插入图片描述

对应关系：

1.这里pytorch和cudatoolkit版本对应关系：

2.cudatoolkit版本和系统cuda对应关系（cuda >= cudatoolkit）：

3.系统cuda和nvidia对应关系：

4.cuda和cuDNN的关系和对应关系：

小结：

gpu有驱动，系统cuda用于加速，cudnn是系统cuda的深度学习小应用，cudatoolkit是深度学习框架，对系统cuda的适应器(cudatoolkit是不完整系统cuda，可能深度学习只需要用一小部分的系统cuda？)

驱动版本和运行版本可以不一致

https://blog.csdn.net/qxqxqzzz/article/details/103453413

https://blog.csdn.net/ljp1919/article/details/102640512

只要驱动版本大于等于运行版本就可以了！
而且在我们配置torch 或者是 tensorflow环境的时候，依赖的是cudatoolkit版本（说白了就是工具cuda）
后面我们修改也是修改这个就可以了

JDK： JDK 是Java开发工具包 (Java Development Kit ) 的缩写。从字面意思翻译过来就是java开发的工具。它是一种用于构建在 Java 平台上发布的应用程序、applet 和组件的开发环境。

JRE： Java运行环境（Java Runtime Environment，简称JRE）是一个软件，由太阳微系统所研发，JRE可以让计算机系统运行Java应用程序（Java Application）。JRE的内部有一个Java虚拟机（Java Virtual Machine，JVM）以及一些标准的类别函数库（Class Library）。
可以通俗的讲，就是JDK的开发是需要JRE的，但是最终的运行是在JRE上

追赶早晨
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
tensorflow的详细安装
每天进步一点点，不要逃避
11-14 2万+
**tensorflow的详细安装** 1.打开清华开源镜像网站下载Anaconda，https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ ，我下载的是Anaconda3-5.2.0-Windows-x86_64.exe，它对应的Python版本是3.6.5。 （Anaconda是Python的升级版，因此不需要另外下载Python，但是tensorflow的版本需要和Python的版本相对应，经过查阅资料，得知目前3.6.x的pytho...
第一个TensorFlow程序运行问题及解决方法
qq_40371180的博客
02-01 904
这里是TensorFlow中文社区的一个小例子： >>> import tensorflow as tf >>> hello = tf.constant('Hello, TensorFlow!') >>> sess = tf.Session() >>> print sess.run(hello) Hello, Tenso...
import tensorflow as tf 时报错ImportError: cannot import name ‘OrderedDict‘ from ‘typing‘
m0_67661689的博客
09-13 514
跟随图片上的路径找到function_type.py打开， 把从typing中import的OrderedDict删除，加上from typing_extensions import OrderedDict。如果没有安装typing_extensions,就在控制台pip install typing_extensions一下。先用python的IDLE去import一下，然后就能得到一个报错。
tensorflow安装教程详解（Win10，CPU，Anaconda）
weixin_47590992的博客
09-05 2万+
本文主要讲述了在Anaconda环境的TensorFlow2.8.2安装教程。
【深度学习系列】全面指南：安装TensorFlow的CPU和GPU版本
最新发布
2301_81199775的博客
06-22 4834
本博客旨在为初学者提供一份全面的指南，介绍如何根据个人电脑的配置选择并安装适合的TensorFlow版本。内容涵盖了如何查看电脑显卡型号以确定是安装CPU还是GPU版本的TensorFlow，创建Python虚拟环境，以及使用conda命令查找可用的TensorFlow版本。同时，文章还提供了安装过程中可能遇到的问题及其解决方法，确保读者能够顺利完成安装过程，并开始他们的机器学习或深度学习项目。
TensorFlow学习（一）入门
03-02 371
TensorFlow学习之入门
安装TensorFlow
08-03
### 安装TensorFlow #### 一、前言 随着深度学习的发展，TensorFlow作为一款强大的机器学习框架，被广泛应用于各个领域。本篇将详细介绍如何在Windows环境下安装TensorFlow，特别是针对没有GPU支持的CPU版本。安装...
NVIDIA MX150安装TensorFlow-GPU
01-07
TensorFlow版本：1.10.0 步骤： 1、安装CUDA-9.2 访问官网下载后安装即可 https://developer.nvidia.com/cuda-92-download-archive 安装时最好按默认路径安装 2、下载CUDNN-7.2 访问官网下载https://developer.nvid
树莓派4B安装Tensorflow的方法步骤
09-16
这篇文章将详细介绍如何在树莓派4B上安装TensorFlow，包括两种不同版本的TensorFlow：v1系列和v2系列。 首先，确保你的树莓派4B已经安装了最新版的Raspberry PI OS（以前称为Raspbian）。在开始安装之前，你需要...
详解Anaconda安装tensorflow报错问题解决方法
12-16
本篇文章将详细解析如何解决在Anaconda环境下安装TensorFlow时遇到的"UnsatisfiableError"报错，并提供解决方案。 首先，这个错误通常意味着你的Anaconda环境中当前的Python版本与TensorFlow不兼容。TensorFlow对...
python安装tensorflow
01-06
因为目前tensorflow只支持python3.6及以下版本。 1. 假设我们已经安装了其他版本的python，我们需要将其进行卸载，卸载方法： 首先在命令行 python -version，找到我们当前的python版本，然后使用该版本的安装程序...
原创：Tensorflow1.0GPU版本最全最详细的安装(转载请标明出处)
weixin_43858010的博客
07-26 8100
全网Tensorflow1.0GPU版本最全最详细的安装关于Tensorflow电脑配置具体安装所有安装包对应版本所需要的安装包详细安装步骤1、安装Anaconda2、安装CUDA和cudnn3、Tensorflow的安装4、Pycharm的安装5、测试6、声明。 写在前面： 本人是求解偏微分方程的方向，奈何传统方法的局限性，开始探索用深度学习求解PDE，便开始入了深度学习的门。在了解完深度学习的基本概念后，就要开始选择深度学习库了，对于Pytorch和Tensorflow都有考虑，但最后还是选择了Tens
tensorflow详细安装过程
热门推荐
weixin_46305053的博客
06-05 3万+
我电脑安装的python是3.7.4的，所以python如果版本不一样的话（不是3.7的），下边的内容不建议完全参考，可以适当参考。主要是注意很多numpy和models与你安装的tensorflow的版本对应，我个人建议还是以1.18以下，如果安装2.0虽然改进了很多弊端，让代码来的更简洁了，但是可能很多模型还没有跟上，会导致报错，这是坑！！！！安装tensorflow 第一步输入conda create --name tf2 python=3.7安装报错：CondaHTTPError: HTTP 00
TensorFlow的安装
夜雨飘零
07-08 2万+
目录 目录 前言 Ubuntu下安装TensorFlow “原生”pip安装TensorFlow Virtualenv安装TensorFlow Docker下安装TensorFlow Windows下安装TensorFlow 原生pip安装TensorFlow Docker容器安装TensorFlow Linux子系统安装TensorFlow 测试 参考资料 前言 在...
Tensorflow1.0环境搭建(2023最新)
自己在学习过程中的总结
09-26 972
TensorFlow1.0环境搭建2023。最近在学吴恩达的深度学习，在看他的代码，前面还好改为2.0就行，改的不算多，看到卷积这一块的时候嗖嗖报错，于是我就想搭建一个TensorFlow1.0的版本去跑这老旧的代码。但是在搭建1.0版本的环境，踩了诸多的坑，所以写了这样的教程，以及我提供了1.0的环境，帮助和我一样需要用tensorflow1.0版本的同胞。如果你是刚开始学习深度学习，那么我建议去看这个课程，很新，也很详细，《动手学深度学习》，但是要是和我一样指定了让学习吴恩达的，那么就看我下面的内容吧。
【tensorflow】tensorflow的安装及应用
Minor0218的博客
07-02 1万+
tensorflow的安装及应用以及自己学习过程中的一些错误解决方法
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值