文章目录
在Anaconda中安装TensorFlow1.14.0与TensorFlow2.0.0
发布于2019-10-02 07:30:57
tensorflow2.0和1.14版本GPU和CPU安装
·
###看下面的安装，上面内容比较杂，出现Pip报错，要
关于Anaconda和Pycharm
可以参考之前写过的一篇文章
关于安装Tensorflow
可以在dos下直接输入命令
pip install tensorflow-gpu==2.0.0-alpha0
- 1
可能需要更新一下numpy，
pip install -U numpy
- 1
最后测试一下tensorflow有无安装成功
直接在dos下，先使用命令python，然后再输入import tensorflow as tf，如果没有问题说明安装成功，如果想查看版本，可以继续使用命令tf.version，进一步查看是否安装在gpu上，使用命令tf.test.is_gpu_available()，返回值为True即为成功。
python
import tensorflow as tf
tf.__version__
tf.test.is_gpu_available()
- 1
- 2
- 3
- 4
pip uninstall numpy 卸载
pip install numpy==1.16 - i https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 重新下载numpy 1.16
一、在Anaconda中安装TensorFlow1.14.0
二、在Windows10上安装TensorFlow2.0.0
三、在Spyder里或Jupyter Notebook里运行Python程序
2、在Jupyter Notebook里基于TF2C环境运行Python程序
一、在Anaconda中安装TensorFlow1.14.0
1、Anaconda修改国内镜像源
国外网络有时太慢，可以通过配置将下载源修改为国内的镜像，
比如清华的镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
（1）在Anaconda Prompt窗口执行配置命令
-
conda config --
add channels https:
//mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
-
conda config --
set show_channel_urls yes
（2）修改用户目录下Anaconda配置文件.condarc
2、安装TensorFlow
（1）安装普通版TensorFlow
conda install tensorflow
（2）安装GPU版TensorFlow
conda install tensorflow-gpu
3、测试TensorFlow是否安装成功
启动Spyder，在IPython窗口里输入命令：
-
import tensorflow
as tf
-
tf.__version__
大家可以看到输出了版本号，就说明TensorFlow安装成功！
4、TensorFlow的简单使用
在TensorFlow1.x中的函数xx()，在TensorFlow2.0里以tf.compat.v1.xx()的方式来调用。
二、在Windows10上安装TensorFlow2.0.0
1、安装Anaconda
2、了解常用conda指令
（1）查看conda环境：conda env list
（2）新建conda环境：conda create -n env_name
（3）激活conda环境：conda activate env_name
（4）退出conda环境：conda deactivate
（5）查看已安装python包列表：conda list -n env_name
（6）安装和卸载python包
- 安装：conda install pkg_name
安装numpy模块：
- 卸载：conda uninstall pkg_name
卸载numpy模块：
查看style环境里安装的python包：
可以使用通配符卸载style环境里所有的python包：
（7）删除conda环境：conda env remove -n env_name
删除style环境：
3、安装CPU版本TensorFlow2.0.0
（1）新建TF2C环境
conda create -n TF2C python=3.7
（2）激活TF2C环境
conda activate TF2C
（3）安装TF2.0 CPU版本
pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
（4）测试TF2.0 CPU版本
编写程序test_tf2c.py：
-
import tensorflow
as tf
-
print(
'TF Version = {0:s}'.format(tf.__version__))
-
print(
'Is gpu available? ', tf.test.is_gpu_available())
在TF2C环境与base环境里运行上述程序，结果如下：
可以看到，在base环境中，TF版本还是1.14.0，在TF2C环境中，TF版本才是2.0.0。
三、在Spyder里或Jupyter Notebook里运行Python程序
以命令行方式运行Python程序不方便，还是希望在Spyder里或Jupyter Notebook里运行Python程序。
1、在Spyder里基于TF2C环境运行Python程序
运行程序，TF版本是1.14.0，说明Spyder是在base环境中运行Python程序的，怎么才能切换到TF2C虚拟环境来执行Python程序呢？
运行程序，报错，提示安装spyder-kernels=0.*：
此时，运行程序，还是报错：
还得继续安装ipykernel才行。
这样连kernel都连接不上了，……，只好放弃这个处理办法。
再尝试另外一个方法，在TF2C环境里安装Spyder。
启动Spyder(TF2C)：
实践证明，在TF2C环境里安装Spyder是行之有效的方法，程序运行结果是TF Version = 2.0.0。
2、在Jupyter Notebook里基于TF2C环境运行Python程序
（1）安装nb_conda
（2）重启jupyter notebook，切换kernel
在Jupyter Notebook里运行程序也是十分方便的。
TF1.x是静态图，要利用会话的run()方法来执行计算。TF2.0是动态图，没有会话了。
无须session的run()方法去获取张量的值，只需调用张量的numpy()方法就可以获取张量的值。
在TF2.0环境里，如何让TF1.x代码依然可以运行呢？
-
import tensorflow.compat.v1
as tf
-
tf.disable_v2_behavior()
<li class="tool-item tool-active is-like "><a href="javascript:;"><svg class="icon" aria-hidden="true"> <use xlink:href="#csdnc-thumbsup"></use> </svg><span class="name">点赞</span> <span class="count">5</span> </a></li> <li class="tool-item tool-active is-collection "><a href="javascript:;" data-report-click="{"mod":"popu_824"}"><svg class="icon" aria-hidden="true"> <use xlink:href="#icon-csdnc-Collection-G"></use> </svg><span class="name">收藏</span></a></li> <li class="tool-item tool-active is-share"><a href="javascript:;" data-report-click="{"mod":"1582594662_002"}"><svg class="icon" aria-hidden="true"> <use xlink:href="#icon-csdnc-fenxiang"></use> </svg>分享</a></li> <!--打赏开始--> <!--打赏结束--> <li class="tool-item tool-more"> <a> <svg t="1575545411852" class="icon" viewBox="0 0 1024 1024" version="1.1" xmlns="http://www.w3.org/2000/svg" p-id="5717" xmlns:xlink="http://www.w3.org/1999/xlink" width="200" height="200"><defs><style type="text/css"></style></defs><path d="M179.176 499.222m-113.245 0a113.245 113.245 0 1 0 226.49 0 113.245 113.245 0 1 0-226.49 0Z" p-id="5718"></path><path d="M509.684 499.222m-113.245 0a113.245 113.245 0 1 0 226.49 0 113.245 113.245 0 1 0-226.49 0Z" p-id="5719"></path><path d="M846.175 499.222m-113.245 0a113.245 113.245 0 1 0 226.49 0 113.245 113.245 0 1 0-226.49 0Z" p-id="5720"></path></svg> </a> <ul class="more-box"> <li class="item"><a class="article-report">文章举报</a></li> </ul> </li> </ul> </div> </div> <div class="person-messagebox"> <div class="left-message"><a href="https://blog.csdn.net/howard2005"> <img src="https://profile.csdnimg.cn/A/9/A/3_howard2005" class="avatar_pic" username="howard2005"> <img src="https://g.csdnimg.cn/static/user-reg-year/2x/12.png" class="user-years"> </a></div> <div class="middle-message"> <div class="title"><span class="tit"><a href="https://blog.csdn.net/howard2005" data-report-click="{"mod":"popu_379"}" target="_blank">howard2005</a></span> </div> <div class="text"><span>发布了481 篇原创文章</span> · <span>获赞 446</span> · <span>访问量 39万+</span></div> </div> <div class="right-message"> <a href="https://bbs.csdn.net/topics/395526592" target="_blank" class="btn btn-sm btn-red-hollow bt-button personal-messageboard">他的留言板 </a> <a class="btn btn-sm bt-button personal-watch" data-report-click="{"mod":"popu_379"}">关注</a> </div> </div> </div> </article>
隐藏推荐内容
旨在为数千万中国开发者提供一个无缝且高效的云端环境，以支持学习、使用和贡献开源项目。
更多推荐
0
0- 0
已为社区贡献6条内容
所有评论(0)