[机器学习笔记(一)] TensorFLow安装

TensorFLow学习环境搭建

最近开始学习机器学习有段时间了,想想应该把学习过程中遇到的一些问题写出来,既方便自己日后再遇到相同问题的回顾,也是对自己学习历程的一个记录,当然也希望能帮助到其他人解决一些遇到的坑。

  • 选择tensorflow是因为谷歌支持,Python,可以和Keras结合,社区大且活跃。
  • 以下的环境是在windows10下

!2019/10/17更新:哦!我错了,通过conda建立虚拟环境安装的TensorFlow是1.14.0版本的。所以还是直接在Pycharm中安装。

Pycharm中安装

File > Settings > Project > Project Interpreter

先添加国内pipy镜像,比如清华源

https://pypi.tuna.tsinghua.edu.cn/simple

加入后

接着搜索tensorflow,然后点击左下角的Install Package就行了

Anaconda安装

因为是学习环境,所以这里使用了Anaconda方便多个python环境管理。

Anaconda可以去官网或者清华源下载

推荐去清华源,官网速度有点捉急。

这里我下载的是Miniconda也就是没有图形管理界面的那个,默认只包含了 python 和 conda,但是可以通过 pip 和 conda 来安装所需要的包。官网的在这里下,清华源Miniconda

安装过程让提示添加到环境变量PATH,一定要记得添加!一定要记得添加!不然后面没法在命令行运行conda命令

Conda环境变量

如果你安装的时候勾选了添加到环境变量这里可以PASS了。

windows的话打开环境变量,将对应Anaconda添加到环境变量:(以自己的安装路径为准,如果是Anaconda则如下)

  • F:\Anaconda3
  • F:\Anaconda3\Scripts
  • F:\Anaconda3\Library\bin

打开环境变量

Miniconda则如下

Miniconda环境变量

依照清华源下的帮助添加清华源的Anaconda镜像。或则命令行执行

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes 

pip添加三方源

在Windows环境下,可以直接在当前用户的目录(比如我的目录就是C:\User\Yourname)下新建一个pip目录,在里面新建一个pip.ini文件,写入如下内容:

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

使用conda

用conda来管理python有个好处就是你每个虚拟环境中的python都是独立的,比如你的环境1里面装了了pygame是用来写pygame小游戏自己练练手的,环境2下是装了tensorflow来机器学习的,环境3是...各个环境间相互独立,互不干扰。

conda -h                                # conda的帮助文档,当然也可以conda env -h,conda list -h
conda create -n env_name                # 创建一个名字位env_name的**纯python虚拟环境**
conda create -n env_name pkg_spec       # 创建一个带有特殊包的新环境,e.g. conda create -n myenv sqlite
conda env list                          # conda中已创建的虚拟环境
activate env_name                       # 进入某个虚拟环境
deactivate                              # 在某个环境中时退出

这里有个坑是,如果你要使用tensorflow

  • 你的anconda必须是64位
  • 使用conda create -n env_name tensorflow来创建tensorflow的环境,而不是先创建了个python的然后在用pip install tensorflow来安装

或者你要使用GPU版的tensorflow

conda create -n tf-gpu tensorflow-gpu
activate tf-gpu

进入/使用环境

你可以在命令行直接跑python

$ activate env_name
$(env_name) python
Python 3.7.4 (default, Aug  9 2019, 18:34:13) [MSC v.1915 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>>

你也可以在Pycharm中直接使用conda创建的虚拟环境,新建项目时直接选择你创建的conda虚拟环境,然后再通过Pycharm对需要的pipy包进行管理

到此,tensorflow的安装就完毕了。

posted @ 2019-10-14 10:07  万有引力丶  阅读(...)  评论(... 编辑 收藏