TensorFlow安装

今天在安装TensorFlow的时候，基本把把能踩的坑全部临幸了一遍，一个没剩，体无完肤。

首先，说明一下安装TensorFlow之前的电脑状态：

电脑上安装了python3.8.2，miniconda（带python3.8.1）

pypi使用的清华大学的源

然后我就直接pip的方式安装了，

1.遇到了第一个问题：pip的安装方式安装到一半就报错

切换到腾讯的源之后解决了这个问题

2.安装之后，我打开了ipython，检查TensorFlow是否可以正常import，结果显示没有这个库

这一步有点迷惑：pip list显示是有TensorFlow的，但是import出问题了

于是我打开everything，输入“TensorFlow”，看了一下相关文件的日期，发现今天安装的TensorFlow都在miniconda的文件夹下。

这时，我开始明白了，pip安装的时候，使用的是conda的python3.8.1里面的pip进行安装的，而打开ipython的时候，是python3.8.2的。

问题就出在这里。

有人想问：为啥不用conda安装TensorFlow？

说实话，我已开始对miniconda并不感冒，以前装过conda，感觉很占空间，又用不到，就卸载了。

电脑上的miniconda，我已开始几乎忘记了它的存在，后来在everything里面找的时候，才发现这个问题。

 

这样的话，问题就很清晰了，恰恰在这个时候，我又发现了另外一篇文章：

说conda方式安装TensorFlow要比pip方式安装的快很多：

官网链接：https://www.anaconda.com/blog/tensorflow-in-anaconda

有兴趣的可以看一下。

原理应该是：

conda TensorFlow软件包还通过使用用于深度神经网络的英特尔®数学内核库（Intel®MKL-DNN）来提高CPU的性能。从1.9.0版开始，conda TensorFlow软件包是使用英特尔®MKL-DNN库构建的，展示了相当大的性能改进。例如，图1比较了使用TensorFlow和使用pip安装的相同版本安装的TensorFlow在两种不同图像分类模型上的训练和推理性能。在许多基准测试中，conda安装版本的性能是pip安装包速度的八倍以上。

这只是官方给出的数据，到底有没有快8倍，相比较的可以去试一试。

最后，我是把自己安装的python3.8.2卸载了，使用conda重新安装了TensorFlow，再次跑了一下官方的例子，没毛病，顺利解决。