windows 安装tensorflow的超简单方法(顺带解决spyder打不开的问题)
2022/1/1 7:11:00
本文主要是介绍windows 安装tensorflow的超简单方法(顺带解决spyder打不开的问题),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!
在网上看了很多安装tensorflow的方法,折腾一番后找到了一种最简单的安装方法如下:
1、安装anconda navigator
2、打开anaconda,创建tensorflow的虚拟环境,并命名,如下图:
点击create创建一个环境,命名一下,并选择你的python版本。这里我创建的tensorflow环境就命名为tensorflow,我的python版本是3.8。
3、打开power shell,输入activate tensorflow(激活tensorflow环境),如下图:
现在我们进入了这个tensorflow环境,下一步就是向里面安装你需要的tensorflow以及各种安装包。
4、在这个环境下输入:
(1):pip install --upgrade tensorflow
这种方法安装tensorflow2.x的版本是CPU,GPU都有的(据说容易报错)
(2):pip install tensorflow-cpu(cpu版本,我用的这个)
安装tensorflow后还会顺带自动安装很多包,需要等一会
5、测试,还是在tensorflow环境下输入import tensorflow as tf,不报错则安装成功
6、到这里就安装好了tensorflow包。我用的是spyder编译器,如果要在spyder中使用tensorflow的话,就需要在tensorflow环境下安装spyder,同样需要在这个环境下输入:pip install spyder,我安装的默认是spyder5版本。
7、安装好spyder5后发现打开后闪退,提示缺少插件:spyder.api.exceptions.SpyderAPIError: Plugin “internal_console” not found!
然后有的教程就说要删除某某文件,真的,删之前要确认文件里有没有你需要的东西,先备份一下!!!因为你删了之后,再运行spyder他就会生成一个新的文件覆盖你删掉的文件,这时候已经撤销不了了,不要像我一不小心就把我所有的代码全删了(哭)。
但是我找不到这个插件的安装方式,于是我就把spyder5卸载:pip uninstall spyder,再重新安装(当然还是在tensorflow环境下):pip install spyder,(我之前用的conda install spyder,但是发现安装之后还是打不开,建议使用pip安装),重复卸载安装spyder后发现可以打开了。
打开spyder之后小窗口提示缺少插件: qtconsole,在tensorflow环境下安装一下:conda install qtconsole=5,完成。
spyder5界面如下:
这篇关于windows 安装tensorflow的超简单方法(顺带解决spyder打不开的问题)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)