目录
一、安装步骤
1.查询并对应版本
这里是使用TensorFlow 1.14.0 + Keras 2.2.5 on Python 3.7(支持python3.6版本以上)
可点击 cpu 查看最新的tensorflow对应的python版本
2.安装Tensorflow
点击开始菜单,找到Anaconda->Anaconda Prompt(小黑板图标)点击打开
打开后在命令行中输入
conda create -n tensorflow1 pip python=3.7.3
这里的conda是指Anaconda,create是在Anaconda中创建一个虚拟环境,-n是name的缩写意思是创建一个名为xx的虚拟环境,tensorflow1指的就是虚拟环境的名字,pip python=3.7.3意思是在这个名为tensorflow1的环境中下载安装版本为3.7.3的python 。
这里输入
y
回车即可
环境完成后,输入
conda info --envs
即可看到已经创建好的环境 tensorflow1
环境创建完成后,进入我们创建的环境,这里需要输入
activate tensorflow1
我们可以发现前缀从(base)变成(tensorflow1),代表我们进入成功了。此外,退出环境的指令为
conda deactivate
然后输入指令
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.14.0
就开始下载1.14.0版本的tensorflow 了。
这里显示我们已经安装完成了。
3.测试tensorflow1.14.0cpu版本
前缀如果显示我们环境的名字,比如(tensorflow1)代表我们正在环境中,就无需重新进入了,如果不是就需要重新输入activate tensorflow指令进入环境。
启动并进入环境后,输入python指令进入tensorflow的python环境之中进行测试
输入以下代码
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
如果安装成功
最后会输出
也有可能出现如下报错
TypeError: Descriptors cannot not be created directly.
If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.
If you cannot immediately regenerate your protos, some other possible workarounds are:
1. Downgrade the protobuf package to 3.20.x or lower.
2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower).
这时我们只需要输入exit()指令退出python环境,在tensorflow环境中输入以下指令
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple protobuf==3.19.0
再次进入python环境输入测试代码
到这里报错就解决了,对于这个报错,它的解释是
TypeError:不能直接创建描述符。
如果此调用来自 _pb2.py 文件,则您生成的代码已过期,必须使用 protoc >= 3.19.0 重新生成。
如果您不能立即重新生成原型,其他一些可能的解决方法是:
1. 将 protobuf 包降级到 3.20.x 或更低版本。
2. 设置 PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (但这将使用纯 Python 解析并且会慢得多)。
到这里测试基本完成,可再输入
import tensorflow as tf
tf.__version__
即可返回tensorflow的版本号
总结
以上就是今天分享的内容,本文简单介绍了tensorflow1.1x版本的安装测试。