TensorFlow和keras安装教程

人工智能31

准备工作

1.安装anaconda
安装教程参考此博客:点这儿
2.安装成功记住自己anaconda的路径,以后pycharm配置会用
3.查看并记住自己conda版本号以及python版本号:
先点开始键,找到Anaconda Prompt并点击

查看conda:

conda --version

查看python:

python --version

安装TensorFlow

1.打开Anaconda prompt,新建一个环境(不建议用自带的base)

conda create -n tf2 python=3.6.5

这是新建了一个名为tf2,并且python版本是3.6.5的一个环境(python版本号要跟你自己的版本号匹配)。
2.进入刚刚创建的tf2环境:

conda activate tf2

3.安装TensorFlow2.0.0

pip install tensorflow==2.0.0

安装keras

1.打开Anaconda prompt切换到有TensorFlow的环境下:

conda activate tf2

2.安装keras前先依次执行以下两个命令:

conda install mingw libpython
pip install theano

3.最后执行安装keras的命令:
注意:keras一定要和你的TensorFlow版本匹配,因为我安装的TensorFlow是2.0.0版本的,keras2.3.1是与之匹配的

pip install keras==2.3.1

这里附上一张匹配图:
TensorFlow和keras安装教程

安装后:
TensorFlow和keras安装教程
4.测试
①测试1:
TensorFlow和keras安装教程②测试2:
在编译器里执行:

import keras
from keras.datasets import mnist
(train_images,train_labels),(test_images,test_labels) = mnist.load_data() #加载数据
print('shape of train images is ',train_images.shape)
print('shape of train labels is ',train_labels.shape)
print('train labels is ',train_labels)
print('shape of test images is ',test_images.shape)
print('shape of test labels is',test_labels.shape)
print('test labels is',test_labels)

运行结果:
TensorFlow和keras安装教程

配置pycharm

1.安装pycharm(任何版本都可以,因为只当做编辑器用)
pycharm官网地址:点这儿
2.配置conda中的环境
TensorFlow和keras安装教程
TensorFlow和keras安装教程TensorFlow和keras安装教程TensorFlow和keras安装教程

; 注意

在对刚才配置好的tf2环境安装别的包时(如pandas,numpy等等),还是要从Anaconda Prompt中使用pip语句安装,不能使用pycharm中的"+"

Anaconda Prompt常用语句

1.查看存在的环境:conda info -e
2.创建新环境:conda create --name 环境名 python=python的版本号
3.切换到某个环境:conda activate 环境名
执行以下命令:
4.查看环境中已安装的包:conda list
5.在环境中安装包:pip install 包名
6.删除包:pip unstall 包名
7.删除环境:conda env remove -n 环境名

Original: https://blog.csdn.net/qq_45739945/article/details/117556684
Author: 你是认真的吗...
Title: TensorFlow和keras安装教程

相关文章
tensorflow环境搭建教程 人工智能

tensorflow环境搭建教程

tensorflow环境搭建教程 前言 一、下载anaconda 二、修改Python版本 三、搭建tensorflow环境 四、安装其他库模块 总结 文章目录 前言 一、下载anaconda 二、修...
Pytorch1.7.0—GPU安装教程 人工智能

Pytorch1.7.0—GPU安装教程

一. 软件配备 检查显卡驱动: nvidia-smi 可知,CUDA支持的最高版本为11.4,因为小编之前安装的tensorflow2.4.0用的是CUDA11.0,所以为避免安装其他版本,就沿用CU...
TensorRT多卡并行 人工智能

TensorRT多卡并行

这次做TensorRT的多卡并行加速积累了一些经验教训 device: GPU host:cpu engine: TensorRT优化得到的模型,里面保存有关此模型的所有信息(比如权重,输入输出的名字...