基于Anaconda3下安装TensorFlow | 您所在的位置:网站首页 › anaconda3命令行 › 基于Anaconda3下安装TensorFlow |
前提条件:已经装好了anaconda3,CUDA和CUDNN,只针对TensorFlow本身的坑。 首先看自己电脑能装哪个版本的TensorFlow。 首先创建python环境,给这个python环境取名叫TensorFlow。 conda create -n tensorflow python=3.6(后文我的环境叫mytensorflow是因为是第二次安装) 再这之前建议配置一下从镜像源下载,不然即使是科学上网也顶不住。 直接打开anaconda的命令行输入即可。conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes 同样一打开anaconda就可以执行命令anaconda search -t conda tensorflow会显示出目前可供选择的tensorflow版本,按平台选择版本 执行命令anaconda show conda-forge/tensorflow获取对应版本的安装命令conda-forge/tensorflow为选择的版本名称 因为官方源太慢了,即使我科学上网也很慢,所以用了中科大的镜像源。选择的是我能使用的最新的版本。这里贴出来的表是windows的。https://blog.csdn.net/oMoDao1/article/details/83241074#commentBox 这里面有很全的版本对应关系。 pip install tensorflow-gpu==1.10.0 然后输入测试代码就可以了! 一个随便拿来的测试代码。 import tensorflow as tfwith tf.device('/cpu:0'):a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a')b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b') with tf.device('/gpu:1'):c = a + b# 注意:allow_soft_placement=True表明:计算设备可自行选择,如果没有这个参数,会报错。 # 因为不是所有的操作都可以被放在GPU上,如果强行将无法放在GPU上的操作指定到GPU上,将会报错。 sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True)) # sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) sess.run(tf.global_variables_initializer()) print(sess.run(c))真正结果前有一堆东西是正常的,是对用到了哪块GPU的描述。(注意这里是pycharm里面的。) 然后一个在线编译的平台。 install jupyter 接下来安装Keras首先安装MinGW包:conda install mingw libpython 然后配置环境变量。在TensorFlow的虚拟环境下找。 然后安装theano(Theano是一个Python库,可以在CPU或GPU上运行快速数值计算。 这是Python深度学习中的一个关键基础库,你可以直接用它来创建深度学习模型或包装库,大大简化了程序。), 继续输入命令:pip install theano完成后在python环境下>>>import theano测试一下。 安装keras,在命令行输入: pip install keras ![在这里插入图片描述](https://img-blog.csdnimg.cn/20190130181540838.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzM3MTAw,size_16,color_FFFFFF,t_70 我遇到过的坑错误原因:和CUDA版本不匹配。附一张表。 我的是CUDA9.0+CUDAA7.0,版本肯定是12肯定太新了。 查看TensorFlow版本方式: 方法:首先进入环境。 activate tensorflow接下来在TensorFlow环境下打开python python >>import tensorflow as tf查询tensorflow版本: >>tf.__version__查询tensorflow安装路径为: >>tf.__path_那我肯定是卸载先啦,结果居然不能卸载,因为没有安装??? Cannot uninstall requirement tensorflow, not installed 当然啦,因为我本来装得是GPU版本吗 pip uninstall tensorflow-gpu等吧,然后开始安装正确的版本。注意是pip3,是==。 pip install tensorflow-gpu==1.7安装完之后在这个环境之下 conda install anaconda但是这个实在是太慢了太慢了,我还是像镜像源屈服了。 关掉退出,再次打开激活TensorFlow环境后,使用中科大的镜像源。 conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes conda install anaconda为了防止以后出问题,最好再移出这个镜像源,将把仓库和源都删除。 用知乎的方法不行。 https://zhuanlan.zhihu.com/p/36948027 注意他使用的是清华镜像源,改成我自己用的中科大的源就好了。 conda config --remove channels 'https://mirrors.ustc.edu.cn/anaconda/pkgs/free/' conda config --remove channels 'https://mirrors.ustc.edu.cn/anaconda/pkgs/main/'但是不行。 所以最后直接换成默认源。换完之后记得要查看是否换成了默认的。 conda config --remove-key channels conda config --show这里据说是更新numpy。 更新方法。 pip install -U 或: pip install –upgrade但是输入后却显示已经是最新版本了。 终于在一个博客找到答案。 https://blog.csdn.net/u012145252/article/details/82628419 进入D:\Anaconda3\envs\tensorflow\Lib\site-packages,根据之前的报错搜索16,删掉,可以安装了。 排除问题:Python是32位的 >>> import platform >>> platform.architecture()输出结果: |
CopyRight 2018-2019 实验室设备网 版权所有 |