深度学习 | 基于 CPU 的 tensorflow + keras + python 版本对照及环境安装

Hi，大家好，我是源于花海。要让一个基于 CPU 的 tensorflow 和 keras 开发的深度学习模型正确运行起来，配置环境是个重要的问题，本文介绍了 tensorflow 和 keras 和对应的 python 版本以及安装环境的部分流程。

---

目录

一、tensorflow + keras + python 版本对照

二、tensorflow 和 keras 安装流程

---

一、tensorflow + keras + python 版本对照

详情看 tensorflow 官网链接如下：

​​​​​​Build from source on Windows  |  TensorFlow (google.cn)

Framework	Python version	Description
TensorFlow 2.9	3.7.-3.10.	TensorFlow 2.9.0 + Keras
TensorFlow 2.8	3.7.-3.10.	TensorFlow 2.8.0 + Keras
TensorFlow 2.7	3.7.-3.9.	TensorFlow 2.7.0 + Keras
TensorFlow 2.6	3.6.-3.9.	TensorFlow 2.6.0 + Keras 2.6.0
TensorFlow 2.5	3.6.-3.9.	TensorFlow 2.5.0 + Keras 2.5
TensorFlow 2.4	3.6.-3.8.	TensorFlow 2.4.0 + Keras 2.4.3
TensorFlow 2.3	3.5.-3.8.	TensorFlow 2.3.0 + Keras 2.4.3
TensorFlow 2.2	3.7.	TensorFlow 2.2.0 + Keras 2.3.1
TensorFlow 2.1	3.6.	TensorFlow 2.1.0 + Keras 2.3.1
TensorFlow 2.0	3.6.	TensorFlow 2.0.0 + Keras 2.3.1
TensorFlow 1.15	3.6.	TensorFlow 1.15.0 + Keras 2.3.1
TensorFlow 1.14	3.6.	TensorFlow 1.14.0 + Keras 2.2.5
TensorFlow 1.13	3.6.	TensorFlow 1.13.0 + Keras 2.2.4
TensorFlow 1.12	3.6.	TensorFlow 1.12.0 + Keras 2.2.4
	2.	TensorFlow 1.12.0 + Keras 2.2.4
TensorFlow 1.11	3.6.	TensorFlow 1.11.0 + Keras 2.2.4
	2.	TensorFlow 1.11.0 + Keras 2.2.4
TensorFlow 1.10	3.6.	TensorFlow 1.10.0 + Keras 2.2.0
	2.	TensorFlow 1.10.0 + Keras 2.2.0
TensorFlow 1.9	3.6.	TensorFlow 1.9.0 + Keras 2.2.0
	2.	TensorFlow 1.9.0 + Keras 2.2.0
TensorFlow 1.8	3.6.	TensorFlow 1.8.0 + Keras 2.1.6
	2.	TensorFlow 1.8.0 + Keras 2.1.6
TensorFlow 1.7	3.6.	TensorFlow 1.7.0 + Keras 2.1.6
	2.	TensorFlow 1.7.0 + Keras 2.1.6
TensorFlow 1.5	3.6.	TensorFlow 1.5.0 + Keras 2.1.6
	2.	TensorFlow 1.5.0 + Keras 2.0.8
TensorFlow 1.4	3.6.	TensorFlow 1.4.0 + Keras 2.0.8
	2.	TensorFlow 1.4.0 + Keras 2.0.8
TensorFlow 1.3	3.6.	TensorFlow 1.3.0 + Keras 2.0.6
	2.	TensorFlow 1.3.0 + Keras 2.0.6

---

二、tensorflow 和 keras 安装流程

这里安装 python=3.8，tensorflow=2.4.0，keras=2.4.3（segnet 是我做的语义分割项目的虚拟环境），若需要将创建的虚拟环境添加到 jupyter lab/notebook 中使用，则需要第 3 - 6 步，否则不用：

# 1. Anaconda 创建虚拟环境
conda create -n segnet python=3.8
# 2. 激活并进入虚拟环境
activate segnet
# 3. 安装 ipykernel 
pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple/
# 4. 安装ipykernel，将虚拟环境加入 jupyter 内核中
python -m ipykernel install --name segnet --display-name segnet
# 5. 检查新虚拟环境是否成功加入内核
jupyter kernelspec list
# 6. 从指定文件夹里进入 jupyter
jupyter lab
# 7. 安装 tensorflow、keras 等软件包
pip install tensorflow=2.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install keras=2.4.3 -i https://pypi.tuna.tsinghua.edu.cn/simple
------------------------------------------------------------------------
pip install matplotlib=3.4.3 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install numpy=1.19.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install pillow=10.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install scipy=1.7.3 -i https://pypi.tuna.tsinghua.edu.cn/simple