文章整体参考吴恩达老师的视频,见如下
https://www.bilibili.com/video/BV19E411Y7Kw?p=4
实际结果:不可行!版本安装后1.1.0!本文提供解决方案!!!
一、conda
- 下载anaconda,可以在官网,也可以在清华大学的映像站 。https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
- 安装anaconda
- conda命令介绍可以见博客:https://blog.csdn.net/LEoe_/article/details/70544190
- conda有效测试:命令行中运行 conda list,查看有无conda的安装列表
- conda的配置:
-
# 添加Anaconda的TUNA镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes
二、下载tf2
- 只有NVIDIA的显卡才可以安装gpu版本,否则安装cpu版本
- GPU版本安装,注意:原视频中未提供后缀=2.0.0(清华库中只有2.0.0和2.1.0,更高版本不能使用本办法了),会出现安装后版本为1.1.0,加上后缀就可以解决
-
#GPU版本安装(两个版本二选一)
conda create -n tf2 tensorflow-gpu=2.0.0
#CPU版本安装(两个版本二选一)
conda create -n tf2 tensorflow=2.0.0
#查看conda创建的环境
conda env list
#激活tf2,进入tf2环境
conda activate tf2
#在tf2环境下更新ipython,如失败多次尝试
pip install ipython
pip安装速度较慢的话,可以在命令后面加上 -i https://pypi.douban.com/simple
三、验证tf2
- 进入ipython,输入如下代码验证即可
-
#导入tf2
import tensorflow as tf2
#测试GPU是否可用
tf2.test.is_gpu_available()
- 此时如果提示true则为可用
四、安装pycharm
- 下载pycharm community版本
- 安装
- 打开
- 配置编译器,在Existing interpreter中下拉,选择conda的编译器即可
- 输入测试代码进行测试
-
import tensorflow as tf
def print_hi():
print("tf.version=",tf.__version__)
if __name__ == '__main__':
print_hi()
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)