由于科研工作需要,想先在台式机上利用cpu熟悉tensorflow和pytorch的基本操作,后面再逐步转至linux上的GPU。先后在win10和win7系统上,通过anaconda装过几次tensorflow,每次都会遇到各种问题,安装过程不太顺利,当时觉得tensorflow安装可能就是这个样子的。最近由于工作需要,要再安装pytorch,本来很简单的安装过程,由于各种版本兼任问题,导致整个安装过程耗时1天半左右,也是一把辛酸泪。。。好在最后,终于找到了一个报错比较少的安装方法。
参考网页:
链接: https://blog.csdn.net/devcloud/article/details/95945189.
链接: https://blog.csdn.net/qq_37939434/article/details/88858205.
链接: https://blog.csdn.net/weixin_38505222/article/details/105096009.
链接: https://blog.csdn.net/weixin_36407399/article/details/87892078.
链接: https://blog.csdn.net/yl_best/article/details/102582457.
建议新手在安装过程中遇到问题,参考上面四个链接。此外在安装过程中,可能会遇到anaconda navigator, pip 或 conda等需要更新的提示,建议不更新以避免版本不兼容。具体步骤如下:
网速慢,可以通过链接: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/下载。
在安装过程中 注意勾选加入路径到windows环境变量中。
!注意这里的版本号3.5.2!
可以看到已经安装了numpy、sympy、jupyter等常用的包。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
conda create -n tensorflow python=3.5
!注意这里的版本python=3.5!
activate tensorflow
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade --ignore-installed tensorflow==1.10
!注意这里的版本tensorflow=1.10!
启动tensorflow环境后,输入python
import tensorflow as tf
hello = tf.constant(‘Hello, TensorFlow!’)
sess = tf.Session()
print(sess.run(hello))
(出现 b’Hello, TensorFlow!’ 为安装正确)
sess.close()
当我们在Jupyter环境里执行上面的测试代码时,import tensorflow as tf时却发现执行失败,显示:No module named 'tensorflow‘,这是因为我们没有在TensorFlow的环境下打开它们。
在Anoconda Navigator–>Environments–>tensorflow下,选择Not installed,找到Jupyter并勾选安装。
激活环境activate tensorflow,打开jupyter notebook即可
或在开始菜单找到 Jupyter Notebook(tensorflow) 运行
如需安装tensorflow2.0版本和keras,推荐如下搭配:
anaconda3.5.2、python3.6.5、tensorflow2.1.0、keras2.3.1
上述第2步改为:conda create -n tf2 python=3.6.5
第4步改为:activate tf2
第5步改为:conda install tensorflow==2.1.0
第6步删除
安装keras:激活tf2环境, conda install keras==2.3.1
说明:让Tensorflow2.0运行Tensorflow1.x的代码
import tensorflow.compat.v1 as tf
tf.disable_eager_execution() #关闭eager运算
tf.disable_v2_behavior() #禁用TensorFlow 2.x行为
上述代码参考链接:https://blog.csdn.net/qq_36229876/article/details/104061981?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase
anaconda、python、tensorflow和keras间的匹配,参考如下链接
链接: https://docs.floydhub.com/guides/environments/.
链接: https://blog.csdn.net/ZZQHELLO2018/article/details/90896852?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase.
Jupyter notebook文件默认存储路径以及更改方法
链接: https://www.cnblogs.com/zwt20120701/p/11253297.html.
jupyter notebook 删除指定kernel
链接: https://www.pianshen.com/article/1356108654/.
anaconda-navigator 不能正常启动
链接: https://blog.csdn.net/huangjian10/article/details/78551406.
链接: https://blog.csdn.net/weixin_42529892/article/details/81503261.
管理员身份打开Anaconda Prompt:
conda create -n pt python=3.5
(创建名为pt的虚拟环境)
conda env list (or conda info -e)
(查看已有虚拟环境)
activate pt
(激活名为pt的虚拟环境)
conda install pytorch= =1.2.0 torchvision==0.4.0 cpuonly -c pytorch
(pytorch官网链接: https://pytorch.org/,!注意这里的版本pytorch=1.2.0!)
在pytroch环境下测试,打开Anaconda Prompt,输入
activate pt
python
import torch
import torchvision
没报错说明pytorch安装成功
scipy, matplotlib相关packages可在anaconda navigator的pytroch环境中安装
(!这里pytorch下的jupyter安装方式和tensorflow下的略有不同!)
打开anaconda prompt,输入:
conda install ipykernel
(在conda上安装ipykernel)
conda install -n pt ipykernel
(在虚拟环境下创建kernel文件)
activate pt
(激活conda环境)
python -m ipykernel install --user --name pt --display-name “python (pt)”
(将环境写入notebook的kernel中)
关于python IDE的介绍,可参考:
链接: https://baijiahao.baidu.com/s?id=1647864329961480491&wfr=spider&for=pc.
pycharm的安装,可参考:
链接: https://www.cnblogs.com/yuxuefeng/articles/9235431.html.
(安装community版即可)
链接: https://blog.csdn.net/caomeng997/article/details/88871542.
关于在pycharm中使用anaconda的虚拟环境,可参考:
链接: https://blog.csdn.net/qq_38549200/article/details/80695111.
此外,关于pycharm的介绍、安装和使用,也可参考知乎中的PyCharm专题
链接: https://www.zhihu.com/topic/19602434/hot.