解决安装AI算法库TensorFlow 2.0的最新入坑指南以及详细的安装教程【分别在linux和windows系统下安装】

（转载作者请注明出处）

废话不多说，直接上干货

…

正文开始

众所周知，学习深度学习和人工智能技术的科技工作者对Tensorflow的安装一直是件麻烦的事情，其实也没那么难，只是在于操作的方法是否合理和规范而已。合理正确的安装命令和正确的操作环节是成功的关键因素。为此，我们在本文中将详细说明linux和windows两种OS系统关于TensorFlow的安装教程，并且将重点说明目前最新版本TensorFlow2.1.0的安装要素和测试检验。

（注意：本文的linux系统教程适用于deepin和ubuntu 18.04两种，其他系统安装类似）

TensorFlow简介

https://baike.baidu.com/item/Tensorflow/18828108

一、在Windows10系统开展如下操作

安装前提：

已经安装好Anaconda3, 由于国外的镜像文件下载较慢，所以我选择了国内的镜像——h**ttps://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

以上请自行安装…

**1、前期准备：**Anaconda3的终端上的过渡

打开已经安装好的Anaconda3

运行 Anaconda Prompt，输入如下命令检验是否安装成功

conda list

输出：

再次输入清华镜像检验一下

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

这里是因为我已经安装过了，所以结果是这样的。

2、开始安装TensorFlow

（1）运行 Anaconda Prompt，输入以下命令，创建版本为python 3.7.4的tensorflow 环境：

conda create -n tensorflow python=3.7.4

这里的TensorFlow我以前已经安装过了，所以下面再给大家安装另一个tensorflow2环境：输入命令

conda create -n tensorflow2 python=3.7.4

输出：

(base) C:\Users\kangs>conda create -n tensorflow2 python=3.7.4

然后打开Anaconda Navigator，进入点击中间的选项applications on可以看到我们刚刚创建的TensorFlow2，这里的TensorFlow是我以前安装的环境：

打开上述左侧菜单栏，也就是开始菜单下的Anaconda Navigator 左边的 Environments，点击之后可看到此环境：

（2）启动tensorflow2环境

这里有两种启动方式：第一种是连续刚刚的 Anaconda Prompt终端输入

activate tensorflow2

输出

第二种打开方式，启动刚刚的Anaconda Navigator，进入环境点击

**（3）安装cpu版本的tensorflow **

有两种方法可以安装：

方法一：cpu版本（我推荐的）

pip install --ignore-installed --upgrade tensorflow

方法二：gpu版本, 注意: gpu版要事先选好, 并装好CUDA和cuDNN

pip install --ignore-installed --upgrade tensorflow-gpu

执行结果：

​

这样就安装成功了，当不使用TensorFlow时，可以通过deactivate来关闭TensorFlow环境：

(不过先不要着急关闭，我们下面还有进行检验，如果最后不用，再关掉)

（4）测试tensorflow

python --version

创建一个项目：

import tensorflow as tf

执行结果显然是可行的，测试成功：

提示：如果遇到No module named ‘tensorflow’，那是因为没有在tensorflow的环境下打开它们，所以记得激活tensorflow的环境。

（5）解决你安装的Tensorflow环境不能安装ipython,spyder等插件

错误提示如下图：

“无法定位程序输入点OPENSSL_sk_new_reserve于动态链接库… libssl-1_1-x64.dll上的问题”‘’

**解放方法：**互换 libssl-1_1-x64.dll文件，时间必须一样

第一步 打开D:\Anaconda\Library\bin文件夹下面的 libssl-1_1-x64.dll

第二步 D:\Anaconda\DLLs 文件夹下面的 libssl-1_1-x64.dll

如果两个文件夹时间不一样的话，把两个文件换成一样的就可以了。

**注意：**为了避免系统出错，要事先备份好一样的文件，以避免修改后出错而找不会原来的文件。最简单的方法就是复制换成另一个名称的，例如我加了一个“源文件”。

互换如下图：

换文件之后,时间都是****2018/6/28 21:00

下面再次点击安装插件就可以了

安装成功，如图下所示

二、在Linux****系统开展如下操作

这里使用的虚拟机VMware Workstation Pro 15.0安装的linux系统进行操作的，如图：

下面打开deepin系统开始进行安装

1、先安装Anaconda3

(1)、下载：https://www.anaconda.com/distribution/#linux

将下载好的anacoda3放在主目录下（home）

（2）、安装命令：

bash Anaconda3-2019.10-Linux-x86_64.sh

回车运行如下

按回车键继续，会读取许可，出现个More，一直按回车以及yes,然后会出现下图：

一直往下回车和yes

安装成功

（3）、配置环境变量

为了方便编辑环境变量，这里安装一个编辑器gedit，命令

sudo apt-get install gedit

打开环境变量，并使用命令：sudo gedit ~/.bashrc查看系统环境，文件末尾输入以下代码:

在文件的末尾加上下述代码：

如下图

（5）、更新bashrc，并查看Anacoda3的安装情况

source ~/.bashrc

查询当前已经安装的conda库

conda list

安装库(这里的***代表库名称）, 如果没有你的库文件，可以选择这个命令：

conda install ***

更新库

conda update ***

（5）、(如果你不用还可以卸载)，不卸载就跳过此处，建议不要卸载

卸载conda: 直接删除anaconda文件夹即可：

rm -rf anaconda3

(6)、进入和退出 conda base 环境

进入 conda base 环境

conda activate base

退出 conda base 环境

conda deactivate

编辑 conda 环境变量

vim ~/.bashrc 或者 sudo gedit ~/.bashrc

2、使用以上Anaconda3安装Tensorflow

(1)、在linux终端或cmd中输入以下命令搜索当前可用的tensorflow版本，如果没有就要创建：

conda search -t conda tensorflow

安装完成之后，最后还提示激活与退出

# To activate this environment, use

（2）、正式安装tensorflow

激活虚拟环境后conda activate tf，我们开始用conda安装tensorflow吧！

如果你还不知道GPU是什么东东，那你的计算机里肯定没有安装cuda、cudnn 、显卡之类的东西，那就安装CPU版本；

安装CPU版本的tensorflow(推荐安装)：

conda install tensorflow

安装GPU版本

（如果你不理解建议不要安装，初学者还是卸载CPU版本的tensorflow吧！）

conda install tensorflow-gpu

等待几分钟之后，看看自己是否安装成功：

（3）、测试安装是否成功：在python3.7.6下导入tensorflow：

(不报错的话说明成功安装了)

import tensorflow as tf

至此我们完整地安装完毕，以下是一些附件资料

---

附件资料

Conda的环境管理及知识点

#conda版本查看

Conda的包管理知识点

# 查看当前环境下已安装的包

参考文献：

​https://blog.csdn.net/qq654129588/article/details/79917515
https://ask.csdn.net/questions/657580
https://www.cnblogs.com/HongjianChen/p/8385547.html
https://blog.csdn.net/qq_45100771/article/details/102868264
https://blog.csdn.net/superjunenaruto/article/details/9539068

您可能喜欢的文章：

• 数据分析开篇：一个简单的应用（2019/11/04）

• 2020年数据分析必知必会（一）：NumPy数组

• 2020年数据分析必知必会（二）：NumPy摘要----文章末尾附Python

• 2020年数据分析必知必会（三）：数组的形状和属性（有福利赠予）

• 数据分析必知必必会（四）：数组的转换，视图，拷贝，索引和广播（这里的“广播”是一个数组的应用：数据处理旧手机铃声）

• 2020年数据分析必知必会（五）：统计和线性代数（使用Numpy与Scipy实现）

• 2020年数据分析必知必会（六）：离散式复制的创建（以北京最近的猪肉价格为例子）

• 2020年数据分析必知必会（七）：pandas入门与数据结构基础

• 2020年数据分析必知必会（八）：使用pandas查询数据和统计分析的应用（短小但强大）

• 2020年数据分析必知必会（九）：数据的分组与聚合

认认真真系统学习数据分析