[机器学习笔记] tensorflow安装(一)

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

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

Miniconda则如下

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
index-url = http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host = mirrors.aliyun.com

分别加入了清华和阿里的源

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位的
• 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。