python tensorflow 检测 cpu 占用率太高_Tensorflow安装与配置

深度学习，我采用的是Tensorflow框架，编译环境是Pycharm

一、首先安装python

【1】可以用python官网下载python对应版本进行安装

---

【2】用Anaconda进行python的安装

Anaconda可以理解为一个复合着常用库的python解释器等

在我们在Pycharm进行代码编写时，要选择解释器。如果你单纯的安装了Python，那就需要安装第三方库，然而无论是在命令行中还是在Pycharm中，对于第三方库的管理还是不如Anaconda所附带的命令行程序体验良好

在安装Anaconda时，要注意版本，太高的版本容易造成Tensorflow安装失败

在使用Tensorflow搭建神经网络用于模型训练时，我们要安装Tensorflow。

Tensorflow有：CPU、GPU两个版本。如果你是自己用笔记本搭建，用来调试，安装Tensorflow，也就是CPU版本即可。真正训练模型，还是要用GPU版本，在实验室一般配备服务器，那么就用GPU版本的Tensorflow-gpu进行训练，这样可以大幅缩减时间。

在Anaconda的命令行中输入如下命令：

pip install tensorflow

即可安装Tensorflow框架，省事省心

安装好后，在Anaconda命令行中输入如下命令验证Tensorflow是否成功安装：

python

import tensorflow

（注，没用报错（红色）即表示安装成功，上述截图只是警告）

用下面的程序验证下Tensorflow是否成功安装（成功了会成功打印出b'hello, Tensorflow!'）

>>> import tensorflow as tf
>>> sess=tf.Session()
2018-11-05 15:13:12.817746: I tensorflow/core/platform/cpu_feature_guard.cc:137] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2
>>> import tensorflow as tf
>>> hello = tf.constant('hello, Tensorflow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
b'hello, Tensorflow!'