Tensorflow详细安装步骤及PyCharm配置_tensorflow安装教程pycharm

Tensorflow详细安装步骤及PyCharm配置

Tensorflow是谷歌开源的深度学习框架，分为两个版本，GPU和CPU，主要的区别在于计算速度，GPU版本要比CPU计算速度更快，适用于处理大量复杂的数据，但需要计算机配置独立NVIDIA显卡。CPU版本没有显卡要求，安装更简单，合适新手小白和学生党，下面介绍CPU版本Tensorflow的详细安装步骤
系统环境：Windows10

第一步：安装Anaconda

两种方式：直接在Anaconda官方网站下载，但速度很慢；建议第二种，选择镜像网站下载，速度快，这里给出清华大学开源软件镜像网站下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

目前tensorflow支持的是python3.5和3.6，建议安装历史版本的Anaconda，如果安装python3.7版本的也没关系，在配置tensorflow环境时也可将python3.7降为3.5。
安装成功后，打开控制台(cmd)，通过python --version查看内置版本

在安装目录下输入conda info –envs，可以看到当前存在的环境

如果只有一个base环境也没关系，创建一个tensorflow环境并安装python3.5版本，命令为conda create --name tensorflow python=3.5。

打开anaconda后可以看到这两个环境。

第二步：安装tensorflow包

在控制台激活tensorflow环境：activate tensorflow

在该环境下查看自己安装的python版本，这里是python3.5

如果没有或者是其他版本的python，先按照上面的方法安装或降级命令为：conda install Python=3.5
然后就可以安装了。
注意：一定要在tensorflow的环境下安装
输入命令：pip install tensorflow ，默认安装最新版本的tensorflow
此时可能会超时，造成安装失败，可以选择以下镜像路径安装：
清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里云：http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学：http://pypi.hustunique.com/
山东理工大学：http://pypi.sdutlinux.org/
豆瓣：http://pypi.douban.com/simple/

输入命令：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow
一般很快就会装好，如果网速不行可以多试几次。
等待安装成功后，输入命令：conda list ，查看该环境下是否有tensorflow，有则表示安装成功。

其次，可以打开anaconda查看

如果在installed目录下没有tensorflow包，切换到Not installed，选中tensorflow即可。

第三步 测试

注意：必须在tensorflow的环境下输入下面的测试代码，因为anaconda还有一个base环境，如果直接测试会报错：No module name ‘tensorflow’

import tensorflow as tf
hello = tf.constant(‘hello,tensorflow’)
sess = tf.Session()
print(sess.run(hello))

测试成功！

如果在ipython和Spyder里测试，同样先在tensorflow环境中加入ipython和Spyder，否则会报错。

第四步 配置Pycharm

如果不打算使用pycharm作为python的运行环境，则不需要进行这一步。
在官网安装好pycharm后，打开新建一个项目

建好后选择File—Setting—Project Interpreter，查看是否配置正确，且有tensorflow

如果空白，则点击右侧添加正确的interpreter

如果没有tensorflow，点击包旁边的加号，搜索tensorflow安装

这里已经有了，所以显示蓝色。
此时，可能会出现tensorflow一直装不上的情况，解决方法如下：

在添加interpreter时选择第二个选项，并配置正确的路径，返回就可以看到已经装好的tensorflow。
配置好后新建一个.py文件，输入测试代码，运行成功。

可能出现的问题：

1. SEE警告
   
   每次在运行tensorflow程序时会出现类似的SEE警告，这是因为tensorflow没有以源码的形式安装，如果不想每次都出现这个警告，处理方法：
   在代码中加入下面两句
   import os
   os.environ[‘TF_CPP_MIN_LOG_LEVEL’] = ‘2’（忽略警告）

   

如果想彻底没有这个警告，需要去官网下载源代码重新安装。