详细搭建tensorflow、keras步骤与匹配版本（降低tensorflow版本）

这几天自己搭建环境后的总结。

主要顺序：创建环境->python3.6->tensorflow2.0.0->keras2.3.1->numpy1.19.5->scipy1.5.4->matplotlib3.3.4->scikit-learn，这是我下载的版本，版本匹配可以搜一下。

重点注意！！！版本一定要匹配！！！不然后面很多大坑，下载顺序也很重要！！！

主要是因为运行代码时遇到了这个问题,唉

在TensorFlow 2.6版本中删除了这个predict_ classes 函数。其中一种解决方法就是换低版本的tensorflow<=2.5

所以我就打算重新搭建一环境安装低版本的tensorflow

1. 创建环境，tensorflow1是我创建的新的环境名称，python=3.6是该环境下python版本

# 创建
conda create -n tensorflow1 python=3.6

# 激活环境
conda activate tensorflow1

2. 下载tensorflow

pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

出错了，然后我没更新python，更新了pip

python -m pip install --upgrade pip 

之后继续输入再次输入安装tensorflow的指令，就成功了

已经安装成功了pip list查看一下

3. 安装keras

#安装keras前先依次执行以下两个命令：
conda install mingw libpython
pip install theano

成功后安装keras，注意与tensorflow和python版本匹配！！直接搜可以搜到。

pip install keras==2.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

虽然出错了，但是keras安装成功了，然后解决问题。

4. 红字的意思是

错误：pip 的依赖项解析器当前未考虑已安装的所有软件包。此行为是以下依赖项冲突的根源。

scikit-learn 0.22 需要 joblib>=0.11，但未安装。

尝试安装joblib=0.11失败

那就先卸载scikit-learn，

pip uninstall scikit-learn

然后顺序下载numpy->scipy->matplotlib->scikit-learn（这里也要注意版本匹配！！）

我的是numpy1.19.5->scipy1.5.4->matplotlib3.3.4->scikit-learn

先pip list看看有哪些已经有了

然后我就直接下载了 matplotlib

pip install matplotlib

别忘记之前的joblib，现在安装

成功后安装scikit-learn

pip install -U scikit-learn

也可以安装一下scikit-image，反正以后都有可能用到

pip install scikit-image -i https://pypi.tuna.tsinghua.edu.cn/simple

5. tornado也很重要，新版本的也会出问题，但是我忘记截图了

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tornado==4.4.3

根据红色提示，分别安装就可以了

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple jupyter-client
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple traitlets==4.1.0

整个就完成了！

初学者，总结自己遇到的问题以及经验。