文章目录
1下载安装anaconda
2创建环境,下载安装tensorflow-2.2
在anaconda prompt输入下面命令行
2.1在anaconda中新建tensorflow环境(选择合适的python版本):
查询可安装的python版本-conda search --full-name python
建立环境-conda create --name tensorflow python=3.7
,tensorflow是我自定义的环境名,可用别的名字任意替换(例如:py37),3.7是根据上面查到的可下载版本确定的。配置完成之后,conda会自动安装相应版本的python。
激活环境-activate tensorflow
可查询python版本-python --version
2.2在tensorflow环境中安装tensorflow-2.2
使用镜像快速下载,避免下载中断:pip install --ignore-installed --upgrade tensorflow-gpu==2.2.0 -i https://pypi.douban.com/simple
3检测tensorflow2.2是否安装成功
activate tensorflow
python
import tensorflow as tf
如果不报错,说明python版本和tensorflow版本兼容,安装成功
如果报错fail to find dll或者Could not find the DLL(s)'msvcp140_1.dll (记不清了),意思就是缺dll,这是个大坑。
根据提示信息,去微软的官网下载Visual C++即可:
https://support.microsoft.com/zh-cn/help/2977003/the-latest-supported-visual-c-downloads
大概十几M,安装完成后,再次打开python测试,可成功导入tensorflow
可以查到tensorflow版本信息(接上面代码)
tf.__version__
(双下划线)
至此,CPU版已安装完成。
cpu和gpu是同一版,不能用gpu时自动使用cpu.
安装GPU版本时,要求CUDA必须是10.0版本, 10.1或者10.2都不符合。
import tensorflow as tf
如果提示缺少cudart64_101.dll文件,参考解决tensorflow-gpu 2.1出现错误“Could not load dynamic library ‘cudart64_101.dll’
测试能否调用CUDA:
print(tf.test.is_gpu_available())
如果输入True,tf-gpu版本安装成功。
4安装测试keras
activate tensorflow
pip install keras
测试:import keras
(在python中),如果不报错,说明keras安装成功
5将tensorflow环境路径导入环境变量中
右击此电脑-》属性-》高级系统设置-》环境变量-》双击PATH-》新建-》将tensorflow环境路径(D:\Anaconda3\envs\tensorflow)添加进去-》三次确定
work done!
6下载安装pycharm
7在pycharm中使用tensorflow及keras
新建工程new project->选existing environment->选择anaconda\tensorflow\python3.7exe
新建python文件new file->python file
import tensorflow as tf
w = tf.constant('hello,tf')
sess = tf.Session()
print(sess.run(w))
输出hello,tf,无报错就大功告成啦!