TensorFlow安装（Spyder)

1.前期准备

1.1 完成python3.7和Anaconda的安装，查询官网即可安装

1.2 配置python3.7和Anaconda的环境变量

• 右键我的电脑→属性→高级系统设置→环境变量→在系统变量里找到path，并左击→编辑（见下图）→编辑文本
  

• 在文本的末端输入：
  C:\Users\YUE123\AppData\Local\Programs\Python\Python37\;C:\Users\YUE123\AppData\Local\Programs\Python\Python37\Scripts;D:\17-install\anaconda install\Scripts;D:\17-install\anaconda install;D:\17-install\anaconda install\Library\bin;
  解释：其中python3.7有两个路径，需要根据自身的软件安装路径决定，但最终的\Python37\和\Python37\Scripts是一样的；Anaconda有三个路径，也需要根据自身的软件安装路径决定，同样，\Scripts和它的前一个目录以及\Library\bin都是一样的。注意：路径与路径之间用英文的分号连接。

2.在Windows上安装TensorFlow

2.1 启用命令行，安装TensorFlow：

• 利用快捷键Windows+R，输入cmd后便可启用命令行。
• 在命令行内输入：

pip install --user virtualenv
pip install --upgrade tensorflow

• 结果如下：
  

2.2 测试是否在Windows下安装成功

• 在命令行内输入：

python
import tensorflow as tf
print(tf.__version__)

• 结果如下：
  

3.配置Tensorflow的虚拟环境

• 在命令行输入：

conda remove --name tensorflow --all 

• 在运行完成后再输入：

conda create -n tensorflow python=3.7 anaconda 
activate tensorflow 
conda install spyder 
conda install ipython 
pip install tensorflow 

• 完成后关闭再打开命令行，并分别输入：

conda activate tensorflow
spyder

• 此时Spyder已打开，输入测试代码：

import tensorflow as tf
print(tf.__version__)

• 结果如下：
  

小提示

1. 在每次打开程序前需要先激活一下TensorFlow的环境，具体操作：在命令行输入conda activate tensorflow，然后再输入spyder，就可以启动spyder了。
   
2. 该安装的TensorFlow为2.0版本，然而很多代码都是TensorFlow1.0版本，用2.0版本的TensorFlow运行1.0版本的程序肯定会不断出错，有两种方法可以解决此类问题：
   （1）将所有的API更新
   在Google内打开https://docs.google.com/spreadsheets/d/1FLFJLzg7WNP6JHODX5q8BDgptKafq_slHpnHVbJIteQ/edit#gid=0，里面对应的是两种版本的API。
   
   
   （2）直接将程序里的import tensorflow as tf改为import tensorflow.compat.v1 as tf，并加上一行tf.disable_v2_behavior()
   
   3.该安装的TensorFlow为2.0版本，也可直接降级成1.0版本。
   第一步：pip uninstall tensorflow
   
   第二步：pip install tensorflow==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
   
   Windows下安装成功！

接下来还需要在虚拟环境下安装Tensorflow：
第一步：点击Anaconda Powershell Prompt，输入pip install tensorflow==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

第二步：在命令行输入

conda activate tensorflow
spyder

第三步：在Spyder下输入

import tensorflow as tf

print(tf.__version__)

虚拟环境配置成功！