Python3.9+tensorflow2.6.0安装(留作记录)
2021/9/25 14:41:12
本文主要是介绍Python3.9+tensorflow2.6.0安装(留作记录),对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
这里写目录标题
- 基本描述
- 环境搭建
- Python
- Anaconda
- 下载支持依赖
- Tensorflow安装
- 检查
- 问题记录
- 结语
基本描述
首先我是从哔哩哔哩的学习视频这里过来的,第二节有讲,但是是19年的视频了,比较早,自己电脑目前安装的是Python3.8.8(我看我电脑安装包是3.9的,但是后面查Python版本显示3.8.8,我也不知道为什么),所以版本方面不合适,所以自己找了些安装的文章看,看到一些有用的,参考:https://blog.csdn.net/tangjie200566/article/details/115702439
环境搭建
需要安装的有python3.9+Anaconda+VC_redist.x86.exe
Python
网上很多,我下载的是pycharm-community-2021.1.1,官网下吧
Anaconda
下载我下的是这个,个人版本的,我下着有477M
下载链接
https://www.anaconda.com/products/commercial-edition
安装比较简单,我都是默认的安装
下载支持依赖
VC_redist.x86.exe,
我下载的是第二个x64: vc_redist.x64.exe
https://support.microsoft.com/help/2977003/the-latest-supported-visual-c-downloads
这个安装后必须重启
Tensorflow安装
这个时候打开我们的 电脑桌面的开始,可以查看已经安装的Anaconda
找到这个
双击打开后
前面有个(base),我之前安装过一次,但是没安好,所以重新安装
这个是使用pip安装的注意事项,可以看下https://tensorflow.google.cn/install/pip
这个时候输入以下指令
pip install tensorflow
开始安装,都会自动安装,还挺快的,前提是网络顺畅,还有人加豆瓣网址下载的,不过我没用
安装完成的样子
检查
接下来看看自己安装好没有
接着输入以下指令
python
import tensorflow as tf
没有报错就是表示已经安好啦~
再输入以下检查一下
print(tf.__version__)
我安装的是2.6.0的所以出现这个
安装好了
问题记录
2021-09-25 13:28:45.669710: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library ‘cudart64_110.dll’; dlerror: cudart64_110.dll not found
2021-09-25 13:28:45.669789: I tensorflow/stream_executor/cuda/cudart_stub.cc:29] Ignore above cudart dlerror if you do not have a GPU set up on your machine.
这个是缺少dll文件,下载一个就好了
下载链接https://cn.dll-files.com/
下载后解压,把 缺少的dll 放到 C:\Windows\System32
再回到命令行输入
import tensorflow as tf
print(tf.__version__)
以上
结语
第一次摸这个,记录一下
这篇关于Python3.9+tensorflow2.6.0安装(留作记录)的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-10-30tensorflow是什么-icode9专业技术文章分享
- 2024-10-15成功地使用本地的 NVIDIA GPU 运行 PyTorch 或 TensorFlow
- 2024-01-23供应链投毒预警 | 恶意Py包仿冒tensorflow AI框架实施后门投毒攻击
- 2024-01-19attributeerror: module 'tensorflow' has no attribute 'placeholder'
- 2024-01-19module 'tensorflow.compat.v2' has no attribute 'internal'
- 2023-07-17【2023年】第33天 Neural Networks and Deep Learning with TensorFlow
- 2023-07-10【2023年】第32天 Boosted Trees with TensorFlow 2.0(随机森林)
- 2023-07-09【2023年】第31天 Logistic Regression with TensorFlow 2.0(用TensorFlow进行逻辑回归)
- 2023-07-01【2023年】第30天 Supervised Learning with TensorFlow 2(用TensorFlow进行监督学习 2)
- 2023-06-18【2023年】第29天 Supervised Learning with TensorFlow 1(用TensorFlow进行监督学习 1)