Win10下用Anaconda安装TensorFlow(图文教程)

笔者之前在学习TensorFlow，也在自己的笔记本上完成了安装，在PyCharm中进行学习。但是最近为了使用python的科学计算环境，我把之前的环境卸载了，并用Anaconda重新安装了TensorFlow，由于自己的笔记本已经很旧了，显卡不行，所以这里介绍一下cpu版本的安装方法和自己遇到的一些坑，截图甚多。

这里直接上干货：

1.安装Anaconda

选择相应的Anaconda进行安装，进入Anaconda的官网，下载对应系统版本的Anaconda，官网现在的版本是Anaconda 4.3.1 for python3.6。笔者安装的是4.3.0版本的。

就和安装普通的软件一样，全部选择默认即可，注意勾选将python3.6添加进环境变量。

这样Anaconda就安装好了，我们可以通过下面的命令来查看Anaconda已经安装了哪些包。
运行 开始菜单->Anaconda3—>Anaconda Prompt ：

conda list

可以看到已经安装了numpy、sympy等常用的包。

2.安装Tensorflow

TensorFlow目前在Windows下只支持Python 3.5版本。

（1）打开Anaconda Prompt，输入清华仓库镜像，这样更新会快一些：

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

（2）同样在Anaconda Prompt中利用Anaconda创建一个python3.5的环境，环境名称为tensorflow ，输入下面命令：

conda create -n tensorflow python=3.5

运行 开始菜单->Anaconda3—>Anaconda Navigator，点击左侧的Environments，可以看到tensorflow的环境已经创建好了。

（3）在Anaconda Prompt中启动tensorflow环境：

activate tensorflow

注：当不使用tensorflow时，关闭tensorflow环境，命令为：deactivate

（4）安装cpu版本的TensorFlow

pip install --upgrade --ignore-installed tensorflow

注：这里没有介绍GPU版本的安装方法，GPU版本需要安装cuda8+cudnn5，如需要的请搜索其他博文。

这样tensorflow cpu版本就安装好了。

（5）测试tensorflow

在Anaconda Prompt中启动tensorflow环境，并进入python环境。

测试代码如下:

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

运行结果：

3.其他问题

或许到这里我们并没有满足，我们在Anaconda自带的ipython 和Spyder中import tensorflow的时候一直失败，提示 No module named ‘tensorflow'，如下图，那是因为我们没有在tensorflow的环境下打开它们。

为了能在ipython 和Spyder中使用tensorflow，我们需要在tensorflow的环境中安装这两个的插件。

打开Anaconda Navigator，选择Not installed，找到 ipython和Spyder并安装，笔者这里已经安装好，所以在这个页面没有显示。

切换到installed，可以看到两个都已经安装好，其实可以按照自己的需要安装。下图显示已经安装好的Spyder:

安装好插件后，我们需要测试一下。

在Anaconda Prompt中启动tensorflow环境，并运行ipython，import tensorflow发现成功:

同样，在Anaconda Prompt中启动tensorflow环境，并运行Spyder，等一会儿后会启动Spyder IDE，import tensorflow 同样成功:

注意：一定要启动tensorflow 环境下的Spyder才可以import tensorflow，不要去开始菜单运行Spyder，在那里是无法运行的，如：

到此这篇关于Win10下用Anaconda安装TensorFlow(图文教程)的文章就介绍到这了,更多相关Anaconda安装TensorFlow内容请搜索python博客以前的文章或继续浏览下面的相关文章希望大家以后多多支持python博客！