博客
关于我
【一起入坑AI】tensorflow2.0+keras环境配置超详细教程(cpu版本)
阅读量:278 次
发布时间:2019-02-28

本文共 1048 字,大约阅读时间需要 3 分钟。

Anaconda配置与TensorFlow 2.0安装指南

1. 安装Anaconda环境

Anaconda是Python的流行环境管理工具,提供方便的包管理和虚拟环境功能。以下是安装步骤:

1.1 下载Anaconda

访问 Anaconda官方下载页面,选择适用于Windows的版本进行下载。按照提示进行安装,建议将Anaconda安装到D盘或其他你常用的存储位置。

1.2 配置环境变量

安装完成后,需配置系统环境变量以便后续开发使用:

  • 右键点击“此电脑”,选择“属性”。
  • 进入“高级系统设置”,点击“环境变量”。
  • 打开“路径”选项,点击编辑,依次将Anaconda安装目录和子目录添加到系统路径中。
  • 2. TensorFlow 2.0与Keras的安装

    TensorFlow 2.0的安装需要注意版本兼容性,确保各库版本匹配。

    2.1 激活Anaconda Prompt

    在Anaconda安装完成后:

  • 在Anaconda菜单中找到“Anaconda Prompt”,打开终端窗口。
  • 输入命令“conda info --envs”,查看可用环境列表。
  • 2.2 安装TensorFlow 2.0及相关库

    创建并激活新的开发环境:

  • 输入命令“conda create -n tf2.0 python=3.6”,创建名为tf2.0的环境。
  • 输入“conda activate tf2.0”,切换到新环境。
  • 接下来,安装必要库:

  • 输入命令“pip install tensorflow==2.0 -i https://pypi.douban.com/simple”,从国内镜像下载。
  • 同时安装其他常用库:“pip install matplotlib notebook keras sklearn -i https://pypi.douban.com/simple”。
  • 2.3 安装Keras兼容版本

    注意到TensorFlow 2.0发布后,Keras已更新至新版本。若安装时出现版本冲突:

  • 输入“exit()”退出终端。
  • 再次打开Anaconda Prompt,输入“pip install keras==2.3.1”,安装兼容版本。
  • 验证安装结果

    测试库的导入:

  • 输入“python”打开Python交互环境。
  • 输入“import tensorflow as tf”和“import keras”,检查是否无误导入。
  • 完成以上步骤后,开发环境已准备就绪,开始你的机器学习与深度学习项目吧!

    转载地址:http://scip.baihongyu.com/

    你可能感兴趣的文章
    Python中使用推导式创建序列
    查看>>
    Python中信号处理程序和atexit处理程序的调用
    查看>>
    Python中关于txt的简单读写模式与操作
    查看>>
    Python中关于类和函数的初体验之"__init__"和"__str__"不是"_init_"和"_str_"
    查看>>
    python中函数接受参数为*args, **kwargs怎么办
    查看>>
    Python中切片的高效迭代
    查看>>
    python中列表乘法、eval、lambda、hasattr、assert、*(星)等的用法
    查看>>
    Python中制作词云的WordCloud参数详解
    查看>>
    Python中可用和使用的系统内存?
    查看>>
    python中存根文件(.pyi)的用途是什么?
    查看>>
    Python中实现ASCII码与字符相互转换
    查看>>
    Python中实现获取所有微信好友的头像并拼接成一张图片
    查看>>
    Python中对象的布尔值
    查看>>
    python中对集合的操作
    查看>>
    python中将列表转换为元组的时间复杂度,反之亦然
    查看>>
    Python中布尔表达式的求值
    查看>>
    python中很常用的10个内置函数整理(初学必备)
    查看>>
    python中打印二维列表数据
    查看>>
    python中打散数组shuffle
    查看>>
    Python中执行外部命令
    查看>>