windows和pycharm安装tensorflow以及jupyter使用

Windows下安装tensorflow花费了我很长的时间，刚开始不知道很晕，一直不清楚该怎么弄，安装完anaconda之后，就在pycharm中选择virtual environment的python环境，然后安装tensorflow，安装完之后发现运行时错误很多，也没有解决，然后才发现可以使用conda environment，这个就和前面做的工作联系在了一起，这样就可以成功的使用tensorflow了。

现在来记录下我遭遇过的坑

1.安装Anaconda3

看大家都是先安装anaconda，再通过anaconda安装tensorflow。anaconda是一个开源的python发行版本，里面包含了很多包，比如tensorflow，c，numpy等。

anaconda对python的版本是有要求的，具体要求请看下图：

这个图的意思是如果需要python2那么就安装anaconda2，如果需要python3就安装anaconda3。

在安装anaconda的时候，会默认下载python包，所以要选择好对应的版本。

下载anaconda可以直接到清华大学开源软件镜像站下载，提供了很多资源，那么网址是：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

选择电脑对应的版本，我选择的是Anaconda3-5.2.0-Windows-x86_64.exe这个版本，这个版本在安装时会自动安装python3.6，省去了很多不必要的麻烦，安装时勾选下方的两个选项。

下载好之后，点击安装包进行安装，直接点击下一步直到安装成功。安装完成之后，我们需要打开anaconda的命令窗口，输入命令可以控制anaconda和python，那么它叫anaconda prompt，可以在所有程序中找到他，如下图所示：

2.在Windows上安装tensorflow（cpu版本）

那么我们需要在刚刚打开的anaconda prompt命令窗口

1.检测anaconda环境是否安装成功：

conda --version

2.检测目前安装了哪些环境变量：

conda info --envs

3.安装python版本（我这里是安装的3.6的版本，这个根据需求来吧）：

conda create --name tensorflow python=3.6

如果网络比较慢，可以改为清华镜像，命令如下；

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

4.激活tensflow的环境：

activate tensorflow

5.安装tensorflow，cpu版本。在安装过程中遇到需要升级pip命令，即按照要求升级即可

pip install --ignore-installed --upgrade tensorflow

如果输入activate tensorflow时报错'chcp' 不是内部或外部命令，也不是可运行的程序，那么添加两个环境变量即可解决：

将Anaconda的安装地址添加到环境变量“PATH”，如果没有可以新建一个，我的安装地址是“F:\Anaconda3”，这个因人而异
将“C:\Windows\system32”添加到同一环境变量“PATH”，如图所示：

之后重新打开anaconda prompt，输入activate tensorflow进行测试，

然后输入python进入python环境下，输入import tensorflow测试，

这时可能会报错，但是输入命令conda list查看，发现已经安装了tensorflow包，那么解决办法是：

虽然有tensorflow包，但是没有tensorflow numpy等包，这个似乎就是import各种库无效的原因

接下来，在tensorflow环境下输入conda install tensorflow，安装一下即可，再conda list，tensorflow numpy等库已经安装存在

现在进入到python中再import试一下就可以了，测试成功如下图

安装完tensorflow，进入python环境导入tensorflow时，遇到测试失败，其中错误有三个：

错误1：出现ImportError: Could not find 'msvcp140.dll'. TensorFlow requires that this DLL be installed in a

解决办法可以参考这篇博客https://blog.csdn.net/qq_41185868/article/details/90181684，就是按照错误提示的网址到网上下载dll

错误2：出现 ImportError: DLL load failed: 动态链接库(DLL)初始化例程失败

解决办法可以参考这篇博客https://blog.csdn.net/lchzh1994/article/details/81223726，使用旧版的tensorflow

错误3：出现FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'. _np_qint8 = np.dtype([("qint8", np.int8, 1)]) 
解决办法可以参考这篇博客https://blog.csdn.net/mao123_4zxc/article/details/99717601

错误4：ReadTimeoutError:.........Read timed out.

解决方法可以参考博客https://blog.csdn.net/beta_safe/article/details/81514442

以上错误是我在安装时遇到的所有问题，后续欢迎补充

之后可以使用下面的测试代码：

#TensorFlow使用图(Graph)来表示计算任务；并使用会话(Session)来执行图，通过Session.close()来关闭会话（这是一种显式关闭会话的方式）。会话方式有显式和隐式会话之分。
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')  #初始化一个TensorFlow的常量
sess = tf.Session()  #启动一个会话
print(sess.run(hello)) 

那么这个是在Windows上安装tensorflow，可以直接打开anaconda prompt可以直接使用tensorflow，使用步骤和上面一样，每次使用时要先激活tensorflow，再进入python环境测试tensorflow，这个和pycharm没有关系

3.使用jupyter notebook

如果要使用jupyter，就要在anaconda上使用，因为提供了很多库可以使用，首先要先activate tensorflow

然后在tensorflow环境下安装ipython，输入命令conda install ipython

然后再安装jupyter，输入命令conda install jupyter

然后再输入jupyter notebook，就可以使用了，在浏览器弹出的页面中新建python3文件

当然，还会使用到其他的库，因此可以在anaconda环境中安装sklearn，输入命令conda install scikit-learn

同样的方法安装别的库，比如conda install numpy，然后就可以使用了

总结一下，如果要使用tensorflow的话，那么就先activate tensorflow，然后输入jupyter notebook，选择python3新建文件

如果不用tensorflow，那么直接在anaconda环境下输入jupyter notebook即可。

4.pycharm中配置conda环境，并安装使用tensorflow

点击settings进入到设置界面，然后再project interpreter中右边点击设置按钮，如下图圈出来的

然后选择add，然后选择conda environment，在右边选择相应的python版本号

然后点击pip选择右边的+号

在搜索栏中输入tensorflow，然后安装即可，那么安装成功之后就会看到，如下界面：

5.输入下面的代码进行测试：

import tensorflow as tf

#实现一个加法运算

a = tf.constant(5.0)
b = tf.constant(6.0)
sum1 = tf.add(a,b)

v=tf.__version__
print(v)



with tf.Session() as sess:
    print(sess.run(sum1))

那么运行结果如下图：

如果中间出现了警告，没关系，那是告诉你如果使用源码编译可以进行cpu加速，但是我们不用了

那么取消警告就可以在程序开头加入下面两行代码即可，

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'