Anaconda安装Tensorflow，然后在Pycharm中使用Tensorflow（填坑记）

Bertha 。 2022-12-21 00:59 185阅读 0赞

这篇文章主要记录的是自己在Anaconda中安装Tensorflow的一些经验以及教训。

这里需要注意的是你已经安装过了Anaconda,如果你不会请参考这篇文章：[安装Anaconda3以及如何使用Jupyter][Anaconda3_Jupyter]

有了上面的准备工作接下来我们就要开始我们的安装工作了。

1.首先打开我们的

![20201113160716660.png][]

2.输入**conda --version** 然后显示相应版本

![20201113161024764.png][]

3.检测目前安装了哪些环境变量，直接输入：**conda info --envs**

![20201113162025795.png][]

4.查看当前有哪些可以使用的tensorflow版本：**conda search --full --name tensorflow **   （这一步网上一些人可以查看，但是我好像出了点问题，但是如果你和我一样，不要慌，没啥关系的，不影响我们继续操作）

![20201113162220733.png][]

5.在anaconda中安装tensorflow

5.1 创建tensorflow环境，安装python3.7，anaconda prompt输入： **conda create --name tensorflow python=3.7**（创建3.6的python也可以）

![20201113163034744.png][]

然后输入**y**

![20201113162651497.png][]

接下来就是等待安装，网速快的话一分钟不到就可以安装好，如下所示：

![20201113162804473.png][]

5.2 激活tensorflow的tensorflow环境，anaconda prompt输入： **activate tensorflow** 发现括号中由base变为tensorflow

![20201114095210715.png][]

出现这种情况说明添加成功。

5.3检测当前环境中的python的版本：**python --version**

![20201113163231190.png][]

6.安装tensorflow包（注意：**我们还是安装低版本，目前很多教材都是使用的是1.版本**）

我们还是在那个界面进行操作，网上有个的教程是如下说法：

根据之前查找的tensorflow的版本安装1.15版本tensorflow（tensorflow版本过高容易报错）

输入：**pip install --upgrade --ignore-installed tensorflow==1.15** 需要一段时间

然后我按照他的教程安装出现如下错误（**这个错误是我网络延迟导致的，请忽略这一步**）：

![2020111316355536.png][]

好吧，到了这里我按照错误网上找方法，将命令行改为：**pip install --upgrade --ignore-installed tensorflow  （使用这句命令行安装的是2.0版本的，不太建议）**

事情好像有点好转了，如下所示：

![20201113164339633.png][]

出现上面这个结果差不多就安装好了。

6.1查看是否安装成功：**conda list**

![20201113164501125.png][]

说明安装成功。

7.验证功能正常：输入**python** 进入代码环境

![20201113164618809.png][]

8.输入代码测试

按照网上的教程输入下面代码：

import tensorflow as tf
    
    hello = tf.constant('hello,tf')
    
    sess = tf.Session()
    
    print(sess.run(hello))
    
    输出：b'hello,tf'

然后下面是我自己的实践结果：

![2020111316481683.png][]

执行到第三句代码就报错，原因是因为我的版本是tensorflow 2.0 而这个语法只适用于1.0 所以我们需要做一个变换：

import tensorflow as tf
    tf.compat.v1.disable_eager_execution()　＃保证sess.run()能够正常运行
    hello = tf.constant('hello,tensorflow')
    sess= tf.compat.v1.Session()＃版本2.0的函数
    print(sess.run(hello))

然后按照这个教程输入：

![2020111316494759.png][]

好的完美运行。

**【纠正一个小问题】**

上面的**第六步**，是我自己网速的原因才导致出现错误，所以我自己重新尝试了下，并且网上百度了下当前tensorflow哪个版本更好使用，网上说是1.14（安装1.15也可以）

所以我自己重现安装了下tensorflow，操作如下：

在命令行输入：**activate tensorflow**

然后输入**：pip install --upgrade --ignore-installed tensorflow==1.14**

![20201114095435747.png][]

ok，到了这一步差不多安装完成了，然后在命令行输入：**python**

![20201113171537884.png][]

在把下面这段代码复制到命令行：

import tensorflow as tf
    
    hello = tf.constant('hello,tf')
    
    sess = tf.Session()
    
    print(sess.run(hello))

运行结果如下（**这里显示了很多警告，原因是我安装的numpy版本过高，这个问题在后面会给出解决方案**）：

![20201113171717120.png][]

恩恩，这里你输入第一行代码会出现这个样子，不要慌，我们直接将代码复制就可以：

![20201113171804565.png][]

到此，我们安装完成了。

\-----------------------------------------------------------2020-11-14更新-----------------------------------------------------------

昨天我在Anaconda里面安装好了Tensorflow，接下来我需要在我的Pycharm里面使用Tensorflow，所以接下来我根据自己的实践给出解决步骤：

1.首先我们打开pycharm新建一个Project：

![20201114100559786.png][]

2.我们选择我们在Anaconda下安装Tensorflow中python.exe路径，比如我的是：**D:\\Python\\Anaconda3\\envs\\tensorflow\\python.exe**

![20201114100828848.png][]

3.然后点击确认，再点击create即可

![20201114101343558.png][]

4.新建一个test.py文件

import tensorflow as tf
    
    hello = tf.constant('hello,tf')
    
    sess = tf.compat.v1.Session()
    
    print(sess.run(hello))

点击运行，虽然能输出结果，但是出现下面一大堆警告：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0JpZ0RyZWFtMTIz_size_16_color_FFFFFF_t_70][]

这也是我之前说到的这个错误，因为我们的numpy版本过高导致的，所以我们需要安装1.16.0版本的

这里我直接参考别人的解决方法：[解决python调用TensorFlow时出现FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecate][python_TensorFlow_FutureWarning_ Passing _type_ 1_ or _1type_ as a synonym of type is deprecate]（我用的是这个方法）

其次这里还有第二种解决方案：[方法二：解决python调用TensorFlow时出现FutureWarning][python_TensorFlow_FutureWarning]（这个方法只需要改改配置文件的参数，大家可以尝试下）

我通过第一种方法，然后再次点击运行：

![20201114102147496.png][]

嗯嗯，那些警告都没有了，看来第一种方法挺管用的，但是新的问题出来了，就是我们输出的上面又出了一个红色警告，这就让我看起来不舒服。

2020-11-14 10:21:24.674456: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to

警告是这个样子的，网上搜索了下相关解决方案有2种：

1.直接屏蔽

在代码开头加入2句代码：

import os
    os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

import tensorflow as tf
    import os
    os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
    
    hello = tf.constant('hello,tf')
    
    sess = tf.compat.v1.Session()
    
    print(sess.run(hello))

点击运行：

![20201114102606156.png][]

ok，啥警告都没有了。

2.彻底解决，换成支持cpu用AVX2编译的TensorFlow版本

这个我现在还没有去搞，暂时先搁置下，不过大家碰到这个问题的话可以参考这个链接，等我哪天有心情的时候再来填坑。

参考链接：[解决Tensorflow 使用时cpu编译不支持警告的问题][Tensorflow _cpu]

未完待续........

[Anaconda3_Jupyter]: https://blog.csdn.net/wyf2017/article/details/109308982
[20201113160716660.png]: /images/20221120/ef6c528e27874987aa92e89ff4a05ba1.png
[20201113161024764.png]: /images/20221120/19bbeb0b8d674fd5a8bf686e2fc4a508.png
[20201113162025795.png]: /images/20221120/cc2f4632ae1642d59d6f6c9f0a242478.png
[20201113162220733.png]: /images/20221120/8b647d4c782b4e7baa87c4e3b46fa19f.png
[20201113163034744.png]: /images/20221120/dcd1b7b62dec470db92ac1d16ef90037.png
[20201113162651497.png]: /images/20221120/278e1ff1b7f141ef81fec73e28ff02f6.png
[20201113162804473.png]: /images/20221120/bf7866bfb4634c84bb02b87af561c5b0.png
[20201114095210715.png]: /images/20221120/deb950e655c94f2ea02ea86a2d0e3499.png
[20201113163231190.png]: /images/20221120/8df9eb3f1c194f44857cc23bc0ade5f6.png
[2020111316355536.png]: /images/20221120/9474003dcfc348268f80022b3f0a9491.png
[20201113164339633.png]: /images/20221120/bc7e5a0e3709430ba8d6ee7421d8327e.png
[20201113164501125.png]: /images/20221120/43a6a484f96848a7a774707c9e4d4386.png
[20201113164618809.png]: /images/20221120/843bb3cdc0e642fa831cac95c13cfa67.png
[2020111316481683.png]: /images/20221120/4ac783f6958841ab93c4d8b9876a0994.png
[2020111316494759.png]: /images/20221120/ea7d1bad7d584109bc1d5e7591d41cb2.png
[20201114095435747.png]: /images/20221120/e526c5f4ab404395832b6b5b35900475.png
[20201113171537884.png]: /images/20221120/ba348826edb34ea094314531235b3ce7.png
[20201113171717120.png]: /images/20221120/b00ec3e3746f444da73d17f53e1dd802.png
[20201113171804565.png]: /images/20221120/e2cb06383b5e4116a7274b259d2e2add.png
[20201114100559786.png]: /images/20221120/64f9fd7c9e1c41689ad2f6a7427b7989.png
[20201114100828848.png]: /images/20221120/e16e06396ede492e9047d32f14d96da5.png
[20201114101343558.png]: /images/20221120/ecd05a7b63f84e4786c7dc46c3b3afc7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0JpZ0RyZWFtMTIz_size_16_color_FFFFFF_t_70]: /images/20221120/1277af83ca3044ec95833e9f59fbc432.png
[python_TensorFlow_FutureWarning_ Passing _type_ 1_ or _1type_ as a synonym of type is deprecate]: https://www.cnblogs.com/zlc364624/p/12665572.html
[python_TensorFlow_FutureWarning]: https://blog.csdn.net/BigDream123/article/details/99467316
[20201114102147496.png]: /images/20221120/c9140e36b0214fdcbf7a6dd7dc71f242.png
[20201114102606156.png]: /images/20221120/4ea846d6e9464d19b2d5c7a6a6204d27.png
[Tensorflow _cpu]: https://www.jb51.net/article/179405.htm