python-安装tensorflow
2021/12/16 11:13:07
本文主要是介绍python-安装tensorflow,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!
背景:
最近想做一组图片的模型训练,需要用到tensorflow。已有机器配置Win10 64+Pycharm 64+python3.6 32。尝试下载tensorflow,接下来说说采坑历程和最终解决方案。
采坑历程:
方法1:pip install tensorflow
结果:两行红字,报错没有支持平台的tensorflow
方法2:到tensorflow下载网址https://pypi.org/project/tensorflow/下载对应版本的whl,然后pip install XXX.whl
结果:两行红字,报错没有什么win32
至此,了解tensorflow不支持32位的Python。因此决定下载64位的python,那么肯定是决定用用最新的python了,哈哈哈。可惜事与愿违,最新版本的python是
然而最新的版本的tensorflow是
最高支持到python3.9。
最终解决方案:
第一步:在python下载网址下载3.9.0版本的python。python下载网址:https://www.python.org/downloads/
下载成功后双击安装,除了修改安装路径外,其他都下一步吧。
第二步:配置环境变量
以前配置的关于python3.6的路径全部删掉替换成Python3.9的新路径,主要是python.exe的安装目录,以及安装目录下的Script文件夹写到环境变量。
环境变量设置方法:【控制面板】-》【System and Security】--》【System】--》【Advance systemsetting】--》【Enviroment Variables】--》【Path】(可以把两个path的内容都看看,将之前Python3.6的设置都拿掉,替换成新的)
以上是windows中环境变量的设置,不要忘记了Pycharm中环境的设置,将指向python3.6的路径都改为指向python3.9。
第三步:安装tensorflow
如果配置了Python的环境变量的话,可以直接打开cmd窗口,如果没有配置环境变量的话,那么在安装目录下的Script目录下打开cmd
此处有个点需要注意:
1. 如果机器有显卡并且是nvidia GTX的话,可以使用pip install tensorflow,它默认安装GPU版本的tensorflow。
2. 如果机器没有显卡(比如我当前配置),那么需要使用pip install tensorflow-cpu,指定安装CPU版本的tensorflow。如果使用了1的命令安装了GPU的tensorflow,安装过程并不会报错,但是import tensorflow时会报错CUDA啥的。
第四步:import tensorflow看是否会报错
并且Pycharm import tensorflow也没有报错。完美解决。
这篇关于python-安装tensorflow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)