Windows+anaconda3搭建tensorflow-cpu+keras环境

下载安装anaconda3

推荐去清华大学开源软件镜像站下载，官网下载速度比较慢
链接: 直达下载.

推荐下载最新版本，相对而言功能更全面
安装过程比较简单

你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。

anaconda常用命令

安装完anaconda后，会有对应的命令行工具

conda install安装换清华源

通过修改用户目录下的 .condarc 文件。Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改。
修改内容如下

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

即可添加 Anaconda Python 免费仓库。

运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。

运行 conda create -n myenv numpy 测试一下吧。

pip install 换清华源

windows下，直接在user目录中创建一个pip目录，如：C:\Users\xx\pip，新建文件pip.ini，内容如下

 [global]
 index-url = https://pypi.tuna.tsinghua.edu.cn/simple

anconda常用命令

1. 查看安装了哪些包

   conda list
   

2. 安装包

   conda install 包名
   

3. 卸载包

   conda uninstall 包名
   

4. 查看存在哪些虚拟环境

   conda env list 或 conda info -e
   

5. 检查更新当前conda

   conda update conda
   

6. 创建虚拟环境

   conda create -n tensorflow python=3.7
   

7. 进入虚拟环境

   conda activate tensorflow
   

8. 退出虚拟环境

   conda deactivate tensorflow
   

9. 删除虚拟环境

   conda remove -n tensorflow --all
   

anaconda搭建tensorflow+keras环境

了解anaconda和keras对应版本

anaconda和keras对应版本

如果tensorflow和kersa版本不对会导入库时很可能会报错

搭建环境

以 python3.6 、tensorflow1.4.0、keras2.0.8为例

创建python虚拟

conda create -n tensorflow

安装tensorflow包

pip install tensorflow==1.4.0

测试是否安装成功

import tensorflow as tf

如果遇到以下情况

 FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.

说明安装的numpy版本过高
卸载当前环境下的numpy

pip uninstall numpy

安装numpy1.16版本

pip install numpy==1.16

注意：并不是所有tensorflow版本都需要将numpy降级到1.16，其他tensorflow版本就不清楚选用哪个版本的numpy

安装keras包

pip install keras==2.0.8

jupyter-notebook的相关配置

写深度学习代码，通常都会用jupyter-notebook，便于调试代码

1. 激活对应环境

   conda activate "虚拟环境名"
   

2. 将环境写入jupyter-notebook的kernel中

   python -m ipykernel install --user --name "环境名称" --display-name "显示的名称"
   

3. 安装ipykernel

   conda install ipykernel
   

4. 切换到base环境打开jupyter-notebook

   jupyter-notebook.exe
   

可能遇到的问题

切换jupyter-notebook运行tensorflow虚拟环境，提示找不到指定模块

问题原因： pyzmq包是用于连接的，若出现问题，会导致连接不上服务器。我的问题是版本不匹配。
解决方法： 切换到对应虚拟环境，pip uninstall pyzmq卸载当前pyzmq包，pip install pyzmq重新安装pyzmq

以上是我自己搭建环境的总结和遇到的问题及解决方案，希望能够有所帮助。