Tensorflow学习笔记①——Pycharm中的Tensorflow2.1安装教程（小白版本）
Anaconda创建环境
1、安装Anaconda，之后找到Anaconda Prompt（+安装名称）
2、输入如下命令，表示在Anaconda环境下，创建一个名为TF2.1、Python版本为3.7的目录文件
conda create -n TF2.1 python=3.7
编译器会自动收集安装包，输入‘y’确认安装。
出现该界面显示安装完成
3、输入如下命令激活刚才我们所创建的环境
conda activate TF2.1
4、输入如下命令安装cudatoolkit，用于Tensorflow的GPU加速（若电脑无GPU，此条命令忽略）
conda install cudatoolkit=10.1
出现此界面，说明安装成功
5、输入如下命令安装cudnn，同样用于后期的Tensorflow的GPU加速（若电脑无GPU，此条命令忽略）
conda install cudnn=7.6
出现此界面表示安装成功
6、输入如下命令，安装Tensorlow2.1版本（漫长的等待…）
pip install tensorflow==2.1
如果下载速度过慢，出现如下问题时
推荐换源，达到更快的下载速度，依次输入如下命令（以清华的源为准） 在（base）端口，不在（TF2.1端口输入）https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ conda config --set show_channel_urls yes ```
安装完成后，我们要验证刚才所装的环境是否有效，验证方法如下：
7、输入如下命令激活刚才所创建的环境
python
8、输入如下命令import tensorflow
import tensorflow as tf
在此步骤可能会出现错误，错误如下
原因是protobuf的版本太高而导致编译错误，所以我们只需要按照编译器提示的信息下载3.19.0对应的版本即可解决问题。（一定要输入‘exit()’，退出刚才进入的python编译环境，在终端里安装）
# 这两个命令只需挑一个输入安装，本人在安装的时候第二个命令不好使，输入第一个命令成功安装的
pip install protobuf==3.19.0
pip install protoc==3.19.0
9、输入如下命令，查看tensorflow的版本
tf.__version__
到此为止，说明刚刚在Anaconda中创建的环境完毕。
Pycharm导入Anaconda中的环境
1、在Pycharm中新建project
2、在conda environment，选中刚刚所创建的TF2.1中的python.exe文件，选择下方的OK选项，新建环境
3、如果编译器自动找不到此选项，可以在Anaconda安装目录下，找到envs文件夹，选择TF2.1文件夹，选中里面的python.exe文件
4、进入新建环境后，新建一个python文件，输入如下命令测试tensorflow是否运行正常
import tensorflow as tf
tensorflow_version = tf.__version__
gpu_available = tf.test.is_gpu_available()
print("tensorflow_version: ", tensorflow_version, "\tgpu_available: ", gpu_available)
a = tf.constant([1.0, 2.0], name='a')
b = tf.constant([1.0, 2.0], name='b')
result = tf.add(a, b, name='add')
print(result)
5、终端出现如下输出时，表示tensorflow2.1版本导入Pycharm成功
安装完毕！
屏蔽Waring
TF_CPP_MIN_LOG_LEVEL = 1 //默认设置，为显示所有信息
TF_CPP_MIN_LOG_LEVEL = 2 //只显示error和warining信息
TF_CPP_MIN_LOG_LEVEL = 3 //只显示error信息
如果终端不想输出Tensorflow的标红日志，您可以在import tensorflow前面输入如下命令：
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tf