tensorflow笔记:Win10系统下使用Anaconda安装TensorFlow以及linux上面卸载Anaconda操作

目录

一、什么是Anaconda?

二、安装Anaconda

三、安装Tensorflow

四、(补充)linux上anaconda的卸载


一、什么是Anaconda?

简单来说,Anaconda是一个包管理器和环境管理器。当安装好Anaconda并开始运行时,就会发现我们电脑里面安装好的环境和依赖包都可以在Anaconda里面找到,管理(安装、更新、卸载等)起来简直不能再方便。而且Anaconda附带一大批常用的数据科学包,这样在使用Python等处理数据的时候就不用安装完这个包再装那个包了。还有一个Anaconda非常强的方面就是环境管理,一台电脑多种环境可以造成很多混乱和错误,但是用Anaconda可以创建并管理多个不同的环境,需要哪个用哪个,Mom再也不用担心我的项目在不同环境下疯狂报错的问题啦。

二、安装Anaconda

我是在Windows 10环境下安装Anaconda,先从官网下载Anaconda安装包,网址:

https://www.anaconda.com/download/

     然后下载速度慢的无法想象,果断选择镜像网站:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/,最下面找到最新版的,选择要安装的操作系统,下载就OK

     下载好之后就跟安装一般的软件没啥区别,选择自己安装的文件夹,下一步就ok,需要注意下图中的两项都需要勾选:

tensorflow笔记:Win10系统下使用Anaconda安装TensorFlow以及linux上面卸载Anaconda操作_第1张图片

 这样Anaconda就安装好了,我们可以通过下面的命令来查看Anaconda已经安装了哪些包。

运行 开始菜单->Anaconda3—>Anaconda Prompt :

tensorflow笔记:Win10系统下使用Anaconda安装TensorFlow以及linux上面卸载Anaconda操作_第2张图片

conda list

可以看到已经安装了numpy、sympy等常用的包。

如果发现自己安装的Anaconda不是最新版本的,更新命令:conda update --prefix 安装路径

conda update --prefix  C:\Anaconda3-5.3.0

三、安装Tensorflow

如果GPU是NVIDIA的,就可以安装GPU版本的TensorFlow;如果不是,安装CPU版本的就好了。

   1.因为要下载Tensorflow,所以我先在Anaconda的配置文件中添加清华镜像库,这样下载和更新的速度会快很多,命令:

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
  • 或者换成中科大软件源, 方法如下:
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/

conda config --set show_channel_urls yes

   2.Tensorflow目前只支持Python3.5/3.6环境,而且在Python3.5环境下的表现更好一些。所以利用Anaconda创建Python3.5的环境,用来安装Tensorflow,命令:

conda create -n tensorflow python=3.5

 输入conda create --name tensorflow 创建TensorFlow环境(若想创建指定python版本的环境,如python3.5.2,可输入 conda  create --name tensorflow python=3.5.2) 

  3.在Anaconda Prompt启动刚刚配置好的Tensorflow环境:

-输入conda info -e 查看当前环境信息

tensorflow笔记:Win10系统下使用Anaconda安装TensorFlow以及linux上面卸载Anaconda操作_第3张图片

conda activate Tensorflow #windows中一般需要加上conda命令

       如果不使用Tensorflow了,需要将环境关掉,

conda  deactivate

   4.接下来就在这个环境中安装Tensorflow(之前的工作是给安装Tensorflow准备环境)

pip install --upgrade --ignore-installed tensorflow

输入pip install tensorflow 安装TensorFlow(若需要指定版本的TensorFlow可以这样写:pip install tensorflow==1.1.0,若不指定TensorFlow版本号,默认会下载最高版本的TensorFlow,因国内网络原因,部分时候下载速度会异常的慢,此时可以ctrl+c结束当前任务,多尝试几次,或者采用清华的镜像)

提供TensorFlow 清华镜像地址:

 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple  tensorflow 
          这样tensorflow cpu版本就安装好了。

   5.测试tensorflow ,测试代码如下:

import tensorflow as tf
tf.__version__

为了能在ipython 和Spyder中使用tensorflow,我们需要在tensorflow的环境中安装这两个的插件

打开Anaconda Navigator,选择Not installed,找到 ipython和Spyder并安装,笔者这里已经安装好,所以在这个页面没有显示

tensorflow笔记:Win10系统下使用Anaconda安装TensorFlow以及linux上面卸载Anaconda操作_第4张图片

安装好插件后,我们需要测试一下。

在Anaconda Prompt中启动tensorflow环境,并运行ipython,import tensorflow发现成功: 

同样,在Anaconda Prompt中启动tensorflow环境,并运行Spyder,等一会儿后会启动Spyder IDE,import tensorflow 同样成功: 

注意:一定要启动tensorflow 环境下的Spyder才可以import tensorflow,不要去开始菜单运行Spyder,在那里是无法运行的,如: 

tensorflow笔记:Win10系统下使用Anaconda安装TensorFlow以及linux上面卸载Anaconda操作_第5张图片

tensorflow笔记:Win10系统下使用Anaconda安装TensorFlow以及linux上面卸载Anaconda操作_第6张图片

四、(补充)linux上anaconda的卸载

在ubuntu上卸载anaconda的步骤 :

(一)删除整个anaconda目录:

    由于Anaconda的安装文件都包含在一个目录中,所以直接将该目录删除即可。到包含整个anaconda目录的文件夹下,删除整个Anaconda目录:

    rm -rf anaconda文件夹名


(二)建议清理下.bashrc中的Anaconda路径:

   1.到根目录下,打开终端并输入:
      sudo gedit ~/.bashrc

   2.在.bashrc文件末尾用#号注释掉之前添加的路径(或直接删除):
      #export PATH=/home/lq/anaconda3/bin:$PATH
      保存并关闭文件

   3.使其立即生效,在终端执行:
      source ~/.bashrc
 
   4.关闭终端,然后再重启一个新的终端,这一步很重要,不然在原终端上还是绑定有anaconda.

  • 参考链接:https://blog.csdn.net/xiangxianghehe/article/details/80112149

你可能感兴趣的:(Machine,Learning,深度学习,Tensorflow,深度学习,Tensorflow笔记)