TensorFlow最方便的安装方法 全系统全版本通用mac windows linux Anaconda

本人最近学完吴恩达的机器学习,开始入门tensorflow。基础过后实践发现anaconda直接安装的tensorflow是1.12.0版本太新了 并不能运行所学的代码。经过了一番的探索 发现了其中最为方便的方法。第一次写博客 求大家指导出不足。

1. 安装Anaconda

Anaconda官方下载地址
TensorFlow最方便的安装方法 全系统全版本通用mac windows linux Anaconda_第1张图片
选择自己的系统下载所需要的版本(推荐下载python3.7 64位的 可以向下兼容python2.7)
安装完后运行ANACONDA 安装有困惑的点击这里
MAC和LINUX很简单可以百度
TensorFlow最方便的安装方法 全系统全版本通用mac windows linux Anaconda_第2张图片

2.创建并安装tensorflow

2.1打开系统终端输入

conda create -n tensorflow python=3.6

创建python3.6的conda新环境命名为tensorflow
对python版本有特殊需求请修改代码里的python版本如:conda create -n tensorflow python=2.7

输入y回车程序继续运行

执行成功
2.2激活环境
Windows的在Anaconda的tensorflow环境里打开Terminal
TensorFlow最方便的安装方法 全系统全版本通用mac windows linux Anaconda_第3张图片
Macos和Linux在终端输入下面代码

source activate tensorflow

进入tensorflow环境中
在这里插入图片描述
进入tensorflow环境中

集成显卡只能选择CPU有独立显卡可选择GPU (新手建议选择1.5.0以下 最新的有功能修改 网上资源并不通用 本人选择1.3.0)
windows的选择输入
(注意:windows下python3.5以下不支持pip安装tensorflow 只能通过anaconda所属环境搜索tensflow选择最新版或低版本的安装)

pip install tensorflow==1.5.0    #安装1.5.0的CPU版本

pip install tensorflow-gpu==1.3.0 #安装1.3.0的GPU版本

tensorflow版本可以在 == 后面更改 如:pip install tensorflow==1.2.0(小白提示安装其中一个就可以了)

MAC和LINUX请选择清华大学镜像站
集成显卡只能选择CPU有独立显卡可选择GPU 操作系统 python的版本 tensorflow的版本(新手建议选择1.5.0以下 最新的有功能修改 网上资源并不通用 本人选择1.3.0)
TensorFlow最方便的安装方法 全系统全版本通用mac windows linux Anaconda_第4张图片

pip install \
  -i https://pypi.tuna.tsinghua.edu.cn/simple/ \
  https://mirrors.tuna.tsinghua.edu.cn/tensorflow/mac/cpu/tensorflow-1.3.0-py3-none-any.whl

复制清华镜像网站所给的代码输入到终端自动安装完成~
2.3进行测试
安装完成 python2输入python python3输入python3(windows输入python)测试tensorflow是否安装成功
在这里插入图片描述

import tensorflow as tf
tf.__version__

TensorFlow最方便的安装方法 全系统全版本通用mac windows linux Anaconda_第5张图片
成功安装tensorflow 1.3.0版本

3.运行并使用

Anaconda中某些版tensorflow版本不在已安装中显示 但实际应用中可以使用
TensorFlow最方便的安装方法 全系统全版本通用mac windows linux Anaconda_第6张图片
在Anaconda中的home选择tensorflow环境就应用 VS CODE和SPYDER都挺好用的 PYCHARM需要在设置里选择Interpreter 选择conda只有的tensorflow环境就可以在外部IDE应用了
TensorFlow最方便的安装方法 全系统全版本通用mac windows linux Anaconda_第7张图片
有不懂的地方可以联系我QQ:1250662861 第一次写文章 请大家指出错误

你可能感兴趣的:(机器学习,机器学习,tensorflow,人工智能,anaconda,深度学习)