Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

由于本人在安装Anaconda和Tensorflow时也走过非常多的弯路,才想着给大家分享一点经验,希望能帮助到大家,这样大家也可以快速的完成开发环境的搭建。

本人觉得,在学习软件开发时,安装所需要的软件和搭配相关的环境往往是非常消耗时间的,并且在遇到问题的时候总是很烦躁。

首先给出Anaconda的官方下载地址:https://www.anaconda.com/products/individual
也可以自己百度搜索“Anaconda”选择适配自己电脑的版本。
下载完之后,就要开始安装了,友情提示一下,最好是把你电脑里现有的Python给卸载掉,不然在你思维混乱时,容易引发冲突,因为Anaconda里也有Python环境,个人建议是先卸载掉自己之前安装的Python环境。

好的,接下来就正式开始进行安装了。

第一步:安装Anaconda

在下载好Anaconda后我们就可以开始安装了,首先我们需要新建一个空的文件夹,里面什么都不要放,不然在安装的过程中,会提示“你所选择的文件夹不为空”。

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

 

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

以上的步骤都可以选择默认的选项,接下来就是选择Anaconda的安装位置了,我们选择到刚才新建的Anaconda空文件夹,如下:

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

 

 接下来我们选择奖Anaconda添加到PATH环境变量中,点击安装,Anaconda就会自动开始安装。

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

 2000Years Later.......(我裂开了,可能是这台电脑太弱...)

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

 

接下来我们开始其他环境变量的配置:在安装路径下找到:2to3_script与python.exe并分别复制路径,添加到系统环境变量PATH中。

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

 

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

 

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

 到这里的话,Anaconda的安装基本就算完成了,接下来我们简单的验证一下,我们等待许久的Anaconda是否真的安装成功了呢。首先我们打开命令行,输入以下命令

conda --version

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

 如果你像我一样成功的获取到了Anaconda的版本号,那么恭喜你,你已经成功的完成了Anaconda的安装。接下来我们就要进行下一步Python环境的搭建了,如果你失败了,那也不要灰心,在对照上面的步骤看看,是不是环境变量没有配置,又或者是其他原因。

第二步:在Anaconda中搭建Python环境

首先我们需要确认,我们所下载的Python到底是什么版本,我们找到Anaconda安装目录下的Python.exe,也就是在第一步中添加到系统环境变量中的Python。我们可以通过双击打开的方式来查看,当前的Python版本,双击之后的页面显示如下图所示,在左上角,我们可以很明显的获取到我们所下载的Python的当前版本,我这里Anaconda中所自带的是3.7.6版本:

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

 在知道了python的版本之后,我们就可以进行环境的搭建了,首先我们打开命令行,之后输入如下命令:

conda create --name tensorflow python=3.7.6

这里的3.7.6是对应的版本号,请根据自己的对应版本进行填写;tensorflow是你所搭建的环境名字,你也可以自行更改。注意这里的python=3.7.6中间不用加空格。如果你只输入python=3.7的话,系统将自动下载3.7版本中最新的版本,这也是可以的。

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

接着输入“y”,环境就会开始搭建了。

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

这里还会提示你,新建立的环境应该怎么使用,activate是**的意思,你可以使用

conda activate tensorflow

来**你所建立的这个python环境,使用

conda deactivate

来关闭。(但以上的方式,好像只能在cmd进入到安装目录的时候才能用,你们可以试一试,然后留言交流),在以上安装完成之后,你在命令行输入

conda info --envs

就可以看到我们新建立的环境,同时在安装目录的envs文件夹下,也能看到tensorflow文件夹。

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

经过以上两步,我们的基本框架就搭建起来了,接下来我们就可以开始进行TensorFlow的安装了。话不多说,搞起!!!

第三步:TensorFlow的安装

首先我们要进入我们之间搭建的tensorflow环境,这个环境只是一个躯壳,他是没有灵魂的,接下来我们就需要给他嵌入一缕魂魄,没错,这个魂魄就是TensorFlow。

1、**tensorflow环境躯壳

如果是使用Anaconda安装的,在你电脑的开始栏,应该可以看到一下的几个应用,你只需要打开其中的Prompt即可进入Anaconda的特殊命令行,有别于cmd,在这里你只需要直接输入activate tensorflow即可。

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

 如果你已经通过以上的方法**,请直接跳到(2),如果你没有找到上述的方法,也没有关系,你也可以使用如下的方法**。

首先打开命令行,进入到Anaconda的安装目录,**TensorFlow,具体步骤如下图:

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

这是我的安装目录,根据每个人的安装目录不同,需要作出相应的调整,最后箭头所指的地方,是tensorflow被成功**的标志,如果在目录文字说明之前没有出现这个(tensorflow)就说明你没有**成功,需要在检查一下你的路径是否正确,是否已经定位到你的安装目录。

2、安装tensorflow

在已经**tensorflow躯壳的前提条件下,使用pip命令来安tensorflow

pip install –upgrade –ignore-install tensorflow

系统将自动安装最新的tensorflow,如果你是需要安装指定版本的tensorflow可以使用如下命令进行安装

pip install --upgrade –ignore-installed –upgrade tensorflow==1.7.0

最后的数值1.7.0是版本号。

Windouws环境下,Anaconda与TensorFlow环境(CPU版本)的安装(教程与经验分享)

大家看到这里出错了,是因为少打了一个"-",大家注意一下就ok。

这网速也是没谁了,漫长的等待,我决定先出去走走....

2000Years Later.......

One more 2000years.......

这里如果下载慢,你又不想等的话,可以选择清华源。

指令如下:

pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/

笔者在这里也选择了清华源,因为我裂开了,这也下载得太慢了。但是清华源也有问题,好几次下载到一半就中断了,难顶。不过最后还是安装完成了。接下来我们来做一下简单的测试,看看我们的tensorflow是不是真的安装成功,并且能正常使用了。

首先同样是在**tensorflow的环境下,依次输入如下命令:

python

import tensorflow as tf

Hello = tf.constant("Hello , this is tensorflow")

sess = tf.Session()

print(sess.run(Hello))