Tensorflow 2.4.1

前言
Tensorflow 简介
Anaconda 简介
Anaconda 安装
TensorFlow CPU & GPU
Tensorflow 安装
Pycharm &Tensorflow
Tensorflow & Hello world
- Hello world
- Session()
后序

前言

目前考虑进入梦寐以求的 机器学习、人工智能 等领域的学习，因此安装主流的机器学习框架 Tensorflow 迫在眉睫。

然而网上的安装教程大多是1.xx 版本的。

笔者目前安装的环境是 win10，Python版本是 3.8。

最近在安装Tensorflow最新版2.4.1时，参考了不少大佬博客，也遇到不少问题，因此借此机会，更新下最新的安装教程。

参考了许多许多博客
捂脸哭o(╥﹏╥)o

必须要感谢 csdn 知乎… 各位大神的文章

Tensorflow 简介

任何曾经试图在 Python 中只利用 NumPy 编写神经网络代码的人都知道那是多么麻烦。
编写一个简单的一层前馈网络的代码尚且需要 40 多行代码，当增加层数时，编写代码将会更加困难，执行时间也会更长。
TensorFlow 使这一切变得更加简单快捷，从而缩短了想法到部署之间的实现时间。
TensorFlow 是由 Google Brain 团队为深度神经网络（DNN）开发的功能强大的开源软件库，于 2015 年 11 月首次发布，在 Apache 2.x 协议许可下可用。
截至今天，短短的两年内，其 GitHub 库大约 845 个贡献者共提交超过17000 次，这本身就是衡量 TensorFlow 流行度和性能的一个指标。

下图列出了当前流行的深度学习框架，从中能够清楚地看到 TensorFlow 的领先地位：

Anaconda 简介

what’s Anaconda？

Anaconda在英文中是“蟒蛇”，麻辣鸡（Nicki Minaj妮琪·米娜）有首歌就叫《Anaconda》，表示像蟒蛇一样性感妖娆的身体。
Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。因为包含了大量的科学包，Anaconda 的下载文件比较大（约 531 MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和 Python）。
------ 百度百科

为什么需要先安装Anaconda？

Tensorflow是属于很高层的应用。高层应用的一个比较大的麻烦就是需要依赖的底层的东西很多，如果底层依赖没有弄好的话，高层应用是没法玩转的。
在极客学院有关Tensorflow的教程中，提到了这样几种安装方式：Pip, Docker, Virtualenv, Anaconda 或源码编译的方法安装 TensorFlow。
在这里，我强烈推荐大家使用Anaconda的方式安装！因为采用这种方式安装的时候，相当于将所有的底层依赖细节全部已经打包给封装好了！并且，Anaconda还能创建自己的计算环境，相当于将tensorflow的环境与其他环境做了隔离，这样你就可以将tensorflow随便玩，爱怎么玩怎么玩，也不用担心破坏之前的环境！
如果是玩数据玩ML的同学，如果你还不知道Anaconda，你就out啦！Anaconda是一个基于python的科学计算平台，这个平台里包含有python,r,scala等绝大部分主流的用于科学计算的包。

你可能已经安装了 Python，那么为什么还需要 Anaconda？

1）Anaconda 附带了一大批常用数据科学包，它附带了 conda、Python 和 150 多个科学包及其依赖项。因此你可以立即开始处理数据。
2）管理包
Anaconda 是在 conda（一个包管理器和环境管理器）上发展出来的。在数据分析中，你会用到很多第三方的包，而conda（包管理器）可以很好的帮助你在计算机上安装和管理这些包，包括安装、卸载和更新包。
3）管理环境
为什么需要管理环境呢？
比如你在A项目中用了 Python 2，而新的项目B老大要求使用Python 3，而同时安装两个Python版本可能会造成许多混乱和错误。这时候 conda就可以帮助你为不同的项目建立不同的运行环境。
还有很多项目使用的包版本不同，比如不同的pandas版本，不可能同时安装两个 Numpy 版本，你要做的应该是，为每个 Numpy 版本创建一个环境，然后项目的对应环境中工作。这时候conda就可以帮你做到。

Anaconda 优点？

Anaconda的优点总结起来就八个字：省时省心、分析利器。省时省心：
Anaconda通过管理工具包、开发环境、Python版本，大大简化了你的工作流程。不仅可以方便地安装、更新、卸载工具包，而且安装时能自动安装相应的依赖包，同时还能使用不同的虚拟环境隔离不同要求的项目。

Anaconda 安装

官网下载地址：Link

Products — Individual Edition
选择产品中的个人发行版

点击Download跳转到最下面，下载相应的版本（目前大多都是64位电脑）

该官网下载文件速度还是很快的

下载完成后点击安装
就和安装普通的软件一样，全部选择默认即可，注意勾选将 python3.8 添加进环境变量。

这里可以将第一个对勾打上(Add … to my Path)，这样就不用配置环境变量，直接Install

若上面未勾选第一个选项，则需要手动配置环境变量

安装成功后，开始菜单会多出Anaconda3相关组件

安装完成Anaconda，进行环境变量的测试

进入cmd命令窗口

验证Anaconda环境是否安装成功：
conda --version

检测目前安装了哪些环境变量：
conda info --envs

这样就安装成功了

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

在Anaconda Prompt 命令界面输入:
conda list

可以看到已经安装了numpy、sympy等常用的包。

恭喜你完成第一步

TensorFlow CPU & GPU

前提

TensorFlow 安装的前提是系统安装了 Python 2.5 或更高版本，教程中的例子是以 Python 3.8（Anaconda 3版）为基础设计的。
为了安装 TensorFlow，首先确保你已经安装了Anaconda。
可以从网址（https://www.continuum.io/downloads）中下载并安装适用于Windows/macOS 或 Linux 的 Anaconda。

what’s CPU & GPU？

安装了 Anaconda，下一步决定是否安装 TensorFlow CPU 版本或 GPU 版本。
几乎所有计算机都支持 TensorFlow CPU 版本，而 GPU 版本则要求计算机有一个 CUDA compute capability 3.0 及以上的 NVDIA GPU 显卡（对于台式机而言最低配置为 NVDIA GTX 650）。

CPU 与 GPU 的对比

中央处理器（CPU）由对顺序串行处理优化的内核（4～8个）组成。
图形处理器（GPU）具有大规模并行架构，由数千个更小且更有效的核芯（大致以千计）组成，能够同时处理多个任务。
对于 TensorFlow GPU 版本，需要先安装 CUDA toolkit 7.0 及以上版本、NVDIA【R】驱动程序和 cuDNN v3 或以上版本。Windows 系统还另外需要一些 DLL 文件，读者可以下载所需的 DLL 文件或安装 Visual Studio C++。
还有一件事要记住，cuDNN 文件需安装在不同的目录中，并需要确保目录在系统路径中。当然也可以将 CUDA 库中的相关文件复制到相应的文件夹中。

内容来源： Link

Tensorflow 安装

打开Anaconda Prompt，输入清华仓库镜像，这样更新会快一些：

输入命令：

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

附（可以忽略以下内容）：

Python默认的pip包来源是国外的Pypi服务站点：https://pypi.python.org/simple。
对于国内用户来说，由于网络原因，下载速度太慢，因此推荐使用国内镜像源站点。
目前，比较常用的pip镜像站点有：
1）清华大学：https://pypi.tuna.tsinghua.edu.cn/simple/
2）中国科大：https://mirrors.ustc.edu.cn/pypi/web/simple/
3）豆瓣：http://pypi.doubanio.com/simple/
4）阿里云：http://mirrors.aliyun.com/pypi/simple/

pip使用国内镜像站点

方式一：直接在 pip install xxx 后加上镜像源地址。

例如：下载numpy包：

 pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple/

但是利用这种方式，每次下载python包，都需要在后面加上镜像源地址，操作繁琐，不建议。

方式二：修改配置文件
目前，在windows系统上使用python安装包安装时，都会自带安装pip软件，此时可以通过下述方式修改pip的配置文件。

首先在 C:\Users\×××目录中创建名为pip的文件夹（×××为用户名），然后在里面创建名为 pip.ini 的文件，最后在该文件中添加以下内容，保存即可。

[global]
index-url=https://pypi.tuna.tsinghua.edu.cn/simple
timeout = 6000
[install]
trusted-host=pypi.tuna.tsinghua.edu.cn
disable-pip-version-check = true

说明：请注意，该方式不适合于linux系统和MacOS。

创建虚拟环境

同样在Anaconda Prompt中利用Anaconda创建一个python3.8的环境，环境名称为tensorflow ，输入下面命令：

conda create -n tensorflow python=3.8

其中（环境名称，可以随意设置）

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

在Anaconda Prompt中启动tensorflow环境
格式：activate 虚拟环境名
activate tensorflow

注：当不使用tensorflow时，关闭tensorflow环境，命令为：deactivate 虚拟环境名
安装cpu版本的TensorFlow

用pip命令安装。这里高潮 (climax)来了，官方还有网上各种命令层出不穷，让人眼花缭乱。
下面先列举几个常见的命令方式，声明以下几条命令都能安装成功，但是能不能用就不一定了。

1.pip install tensorflow  # 最新的稳定发行版本，2.0×后默认是CPU和GPU版本在一起，1.×只表示CPU版本
2.pip install tensorflow-gpu  # 1.×的GPU版本
3.pip install tensorflow==1.15  # 1.×的最后一个更新版本

第一个指令：什么叫CPU和GPU版本在一起？我理解的意思就是，CPU和GPU一家亲，不搞什么分裂，一条安装命令搞定就可以了嘛，至于怎么选择，看你机器的显卡支不支持CUDA了。
因此，对于显卡支持gpu版本，而又只想用cpu版本练手的小伙伴来说，就不要用第一条命令进行安装，要不然在导包的时候就会有一大堆错误，缺这个少那个，基本是由显卡驱动程序版本、CUDA版本、CUDDN版本等问题引起的。如果不想安装gpu版本，何必自找麻烦呢。

这里的安装步骤是我copy前辈的文章，我之前直接用的这条安装命令 pip install tensorflow，但是最后使用时，它提示我没有CUDA之类的东西，我查看安装的包时，发现tensorflow-cpu与tensorflow-gpu都安装上，看完这篇博客后，才知道gpu也捆绑安装了，运行代码时，总是报红提示我缺少 “动态链接”等，好像使用GPU时需要安装 cuda8+cudnn5等，比较麻烦，小白的我未尝试。

第二个指令：安装1.×的GPU版本，我们不涉及，请忽略。
第三个指令：按照对于1.x 版本，tensorflow默认是CPU版本的逻辑。这个确实没问题，安装成功后能用，诚不欺我。虽然能运行成功，但是总是输出一些异常。

运行结果。大致意思是，我的显卡支持GPU版本，所以提示我找不到一些库，如果想用gpu版本，请安装这些库，并且最后正确输出了Tensorflow的版本是1.15，无法使用gpu。虽然程序正常运行结束，但是明显基于计算机的硬件，官方还是强推了gpu版本，输出了一大堆的提示来安利你。可是，我明明只是想用cpu版本的，不想要推荐，这些输出报错不想看到。如果你不介意，当然也可以凑活着这么用。

上面说了这么多，如何才能安装简洁的tensorflow?

利用下面的命令安装，强制安装CPU版本。

pip install tensorflow-cpu

最后完美的安装了最新的tensorflow 2.4.1 cpu版本。

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

注意：一定要在刚刚创建的tensorflow的环境下安装！

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

在tensorflow命令行中：输入python便是进入python环境

测试代码

import tensorflow as tf
#查看tensorflow版本
print(tf.__version__)

如图所示
恭喜你安装成功
ヾ(◍°∇°◍)ﾉﾞ

Pycharm &Tensorflow

习惯使用PyCharm来开发，而 Anaconda 集成了python开发环境，因此我们可以修改Project的python编译环境，从而更方便使用tensorflow框架。

配置如下：

新建Project
File-Setting–Project Interpreter选择tensorflow下的Python解释器

部署完便可跑一个 HelloWorld

import tensorflow as tf
#查看tensorflow版本
print(tf.__version__)

这种方式的好处：不用每次都开启、关闭环境了。

Tensorflow & Hello world

Hello world

安装成功后试一下 Hello world，参考网上的代码：

import tensorflow as tf#创建一个Tensor字符串常量
hello = tf.constant("hello world ")
print(hello)

运行结果如下：

tf.Tensor(b'hello world', shape=(), dtype=string)

访问hello中的字符串，我们需要用到 numpy()

#调用numpy()，来访问一个Tensor(张量)值
print(hello.numpy())

运行结果如下： b’hello world’

本程序原期望的运行结果为：hello world
而实际运行结果为：b’hello world’
在网上查阅后：
b 前缀的字符串为bytes类型的字符串
Python语言中有两种不同的字符串
一个用于存储文本（unicode类型文本字符串 u’hello world’ ），一个用于存储原始字节（byte类型字节字符串 b’hello world’ ）
在python3中，str 变量默认采用unicode类型，因而省略了u 前缀

字节型字符串和文本型字符串之间可以通过编码 encode() 和解码 decode() 相互转换。

#调用decode()解码，默认为utf-8解码
print(hello.numpy().decode())

运行结果：
hello

具体请参考博客 Link

Session()

测试代码：

import tensorflow as tfdef add_demo():# 计算两个变量的和# 回顾原生的python计算a = 10b = 20c = a + bprint('原生python计算', c)# tensorflow 获取变量值，与 python不同a_t = tf.constant(10)b_t = tf.constant(20)print('a_t', a_t)c_t = a_t + b_tprint('tensorflow计算两数的和：', c_t)# 开启会话with tf.Session() as sess:c_t_value = sess.run(c_t)print('c_t_value:', c_t_value)if __name__ == '__main__':add_demo()

直接报错：

错误的意思是tensortflow模块没有Session属性，后来查阅资料发现，tensorflow2.0版本中的确没有Session这个属性

如果安装的是 tensorflow2.0 版本又想利用Session属性 请参考博客： Link

兼容2.0与1.0版本，需更改import语句：
import tensorflow.compat.v1 as tf

后序

安装一个框架，我觉得好难啊（可能是我太笨太low）
o(╥﹏╥)o

截止到这里小白的我花了很长时间，看了许多大佬的博客，资源等，真心的感谢他们，向优秀的人的致敬！

希望我可以越走越远，加油!

“欢迎登陆官网（附 https://tensorflow.google.cn/）了解更多 TensorFlow 内容，也可关注 TensorFlow 官方公众号获取更多资讯。”

参考博客

Link
Link
Link

Tensorflow 2.0 最新版(2.4.1) 安装教程相关推荐

登录接口已修复梦想贩卖机V2 2.0.4 修复版，附带安装教程。
测试环境: 系统环境:CentOS Linux 7.6.1810 (Core) 运行环境:宝塔 Linux v7.0.3(专业版) 网站环境:Nginx 1.15.10 + MySQL 5.6.46 ...
UGREEN 绿联 USB 2.0转串口DB9 打印线驱动安装教程
UGREEN 绿联 USB 2.0转串口DB9 打印线驱动安装教程访问网址https://www.lulian.cn 鼠标停留在下载/支持选择USB转串口驱动三.选中绿联USB转串口DB ...
安卓背景音乐开关_微信7.0.4内测版怎么申请？微信7.0.4安卓内测版下载安装教程...
近日,微信针对安卓设备用户推出了最新的微信7.0.4内测版,带来了界面调整和功能更新,受到不少小伙伴们的关注.那么,微信7.0.4内测版怎么申请?下面"电脑百事网"小编为大家详细介 ...
appserv怎么安装mysql_AppServ怎么安装？AppServ 8.6.0 64位图文超详细安装教程(附下载)...
AppServ是一款著名的PHP架站工具组合包,来自泰国的作者将网络上的免费架站资源重新整合包装成为一个安装程序,AppServ 所包含的软件有:Apache.Apache Monitor.PHP.M ...
pytorch安装和tensorflow环境搭建和cuda加速和cudann安装教程记录日期2022.10.20日
pytorch安装的过程踩得坑,需要教程的直接看最后红字. 5月31日开始的最近想要学习神经网络于是. 首先在网上查一下,这些人都用什么库写的神经网络. numpy出现10次 TensorFlow出 ...
【TensorFlow】Win7+Anaconda+python3.6+Tensorflow1.9安装教程
相关链接官网:https://tensorflow.google.cn/ github:https://github.com/tensorflow/tensorflow 中文社区网:http://w ...
CASS11最新版免狗下载、安装教程
CASS11最新版免狗下载安装教程 CASS11.0.0.8支持2010-2023AUTOCAD.2020浩辰CAD2020中望CAD 下载地址: 链接:https://pan.baidu.com/s ...
TensorFlow-gpu2.0.0 + Anaconda + Win10（MX250）安装教程
一.检查硬件(可参考下面链接) 1.首先要检查显卡驱动方式一:找到NVIDIA Control Panel,检查驱动版本是否支持CUDA10.0,官方说驱动版本要410.x以上方式二: ...
7.1 pdo 宝塔面板php_大商创X2.0宝塔环境保姆式完整安装教程
服务器要求系统:CentOS 7.6以上PHP版本:7.1 1. 宝塔安装宝塔服务器面板,一键全能部署及管理,送你3188元礼包,前去领取: https://www.bt.cn/?invite_co ...

Tensorflow 2.0 最新版(2.4.1) 安装教程