Anaconda(官方网站下载)就是可以便捷获取包且对包能够进行管理,同时对环境可以统一管理的发行版本。
Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。Anaconda具有如下特点:
▪ 开源
▪ 安装过程简单
▪ 高性能使用Python和R语言
▪ 免费的社区支持其特点的实现主要基于Anaconda拥有的:
▪ conda包
▪ 环境管理器
▪ 1,000+开源库
博主这里选择的是windows py3.7 64bit的。
下载后一路确定,但是需要注意的是,要勾选添加环境变量,不然的话,后续需要手动添加,非常麻烦。
等待安装
安装完成后,anaconda会在开始菜单释放以下三个
1.打开最后一个,AnacondaPrompt。
前面的base指的是当前处于base环境。接下来我们利用conda命令创建一个TF2.1的环境。
2.在命令行中输入conda create -n TF2.1 python==3.7
3.然后进入刚刚创建的虚拟环境TF2.1
4.安装Nvidia的GPU加速包(无N卡的读者可省略)
对于这一步,如果读者的电脑没有Nvidia的显卡,则无需执行,直接进行下一步即可。
5.安装cudnn7.6
均选择y,表示你同意安装相关软件包
同理于步骤4,对于这一步,如果读者的电脑没有Nvidia的显卡,则无需执行,直接进行下一步即可。
6.安装TensorFlow2.1
由于某些众所周知的原因,直接利用pip安装可能会失败,因此我们需要换为国内源。
pip install -i 国内镜像地址 包名
此处为: pip install -i https://mirrors.aliyun.com/pypi/simple/ tensorflow==2.1
国内常用源镜像地址:
清华:https://pypi.tuna.tsinghua.edu.cn/simple
阿里云:http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学:http://pypi.hustunique.com/
山东理工大学:http://pypi.sdutlinux.org/
豆瓣:http://pypi.douban.com/simple/
(如果你的网络很科学,那么也可以直接执行下图的pip命令)
这一步非常耗时间,短者十几分钟,长则几小时。请耐心等待。
7.验证安装是否成功
键入python,进入python交互式环境
然后键入下述代码
import tensorflow as tf
print(tf.__version__)
# 如果安装成功,则会输出2.1.0
gpu_device_name = tf.test.gpu_device_name()
print(gpu_device_name)
print(tf.test.is_gpu_available()) #输出为True,则证明GPU版本的tensorflow安装成功
#否则为CPU版本,若有需要GPU,可尝试重新安装
#使用指令 pip install tensorflow-gpu==2.1 ,指定GPU版本
如果能正常显示2.1.0,则证明安装成功了