最让人头疼的就是配环境,现在把自己的成功安Tensorflow的步骤记录在这里,留着以后参考吧,万一有用呢
目 录
MacOS + Tensorflow CPU版
1. 安anaconda
2. 建一个 conda 计算环境
3. 激活环境,安装 TensorFlow
4. 运行一段代码看看
Win10 + Tensorflow CPU版
1. 安anaconda
2. 建一个 conda 计算环境
3. 激活环境,安装 TensorFlow
4. 运行一段代码看看
MacOS + Tensorflow CPU版
安anaconda
我是用anaconda装的,先去官网下安装包,就是下面这个
然后安装anaconda,选择默认的设置,仅为我安装。
建一个 conda 计算环境
打开terminal输入conda create -n tensorflow python=3.6
激活环境,安装 TensorFlow
先激活环境,在terminal输入source activate tensorflow
然后安装TensorFlow,在terminal输
扫描二维码关注公众号,回复: 1577377 查看本文章pip install --upgrade --ignore-installed tensorflow
注:可以使用
easy_install
和--ignore-installed
标记防止错误的产生。安完就OK了。
要用tensorflow的时候需要激活一下环境,
source activate tensorflow
不用的时候就
source deactivate
运行一段代码看看
接下来运行一段代码看看,是不是可以用了。
在terminal一行行输入$ python >>> import tensorflow as tf >>> hello = tf.constant('Hello, TensorFlow!') >>> sess = tf.Session() >>> print(sess.run(hello)) b'Hello, TensorFlow!' >>> a = tf.constant(10) >>> b = tf.constant(32) >>> print(sess.run(a+b)) 42
运行的
sess = tf.Session()
时候可能会出现这个提示,但不会影响程序执行Your CPU supports instructions that this TensorFlow binary was not
compiled to use: SSE4.2 AVX AVX2 FMA要是嫌看着烦,可以用下面两行代码把它去掉
>>> import os >>> os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
Win10 + Tensorflow CPU版
安anaconda
去anaconda官网下安装包。
然后安装anaconda,选择默认的设置,仅为我安装。
当时遇到过两个问题。
Problem1:当时没勾选第一个“将python3.6添加进环境变量“,后来运行程序的时候提示“XXX不是内部或外部命令,也不是可运行的程序“的错误,这时候就需要自己主动在环境变量path里把python的路径手动添加进去了。
Problem2:当时我是直接双击安装的,然后就各种报错,说找不到什么文件啊blabla的,然后右键用管理员身份运行安装包,就啥事儿没有了,估计当时是权限的锅吧。
建一个 conda 计算环境
在anaconda prompt或者命令行输入conda create -n tensorflow python=3.6
激活环境,安装 TensorFlow
先激活环境,输入source activate tensorflow
然后安装TensorFlow,输入
pip install --upgrade --ignore-installed tensorflow
注:可以使用
easy_install
和--ignore-installed
标记防止错误的产生。安完就OK了。
要用tensorflow的时候需要激活一下环境,
source activate tensorflow
不用的时候就
source deactivate
运行一段代码看看
接下来运行一段代码看看,是不是可以用了。
在anaconda prompt或者命令行一行行输入$ python >>> import tensorflow as tf >>> hello = tf.constant('Hello, TensorFlow!') >>> sess = tf.Session() >>> print(sess.run(hello)) b'Hello, TensorFlow!' >>> a = tf.constant(10) >>> b = tf.constant(32) >>> print(sess.run(a+b)) 42