• win10安装anaconda及tensorflow1.9版本


    前言

    因为之前的anaconda的conda命令不能用,又找不到原因,所以就决定重装anaconda,然后再装个tensorflow环境。。

    正文

    可以去官网下载,也可以去清华的开源软件镜像站下载https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/,我这里下载了2018年12月的python3.7版本,注意是64位win10,

    然后点击下去安装就行了,注意要把path添加到系统环境变量里去

    添加conda镜像

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

    添加pip镜像并升级

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

     查看环境是否安装成功

    (base) C:Usersdell>conda --version
    conda 4.5.12
    
    (base) C:Usersdell>conda info --envs
    # conda environments:
    #
    base                  *  D:Program FilesAnaconda
    tensorflow               D:Program FilesAnacondaenvs	ensorflow

    这里有tensorflow环境是因为我后来创建了

    创建环境

    conda create --name tensorflow python=3.6

    在该环境里安装tensorflow-GPU版本

    pip install tensorflow-gpu==1.9.0

    验证一下,正常

    激活/关闭环境

    conda activate tensorflow  #激活
    
    conda deactivate    #关闭

     其他问题

     一、

    如果要在iPython、Spyder和jupyter notebook中使用tensorflow,则必须在tensorflow的环境中按照这三个插件,具体:

    找到tensorflow环境里unstalled的插件,然后apply一下就行了

     测试方法就是在Anaconda Prompt中先激活tensorflow环境,然后分别iPython、Spyder、jupyter notebook唤醒三个插件,可以看到所处环境都是之前安装的tensorflow环境了

    二、

    装完Anaconda的3.7python后,发现原来系统的python3.6被覆盖了,打开CMD命令行窗口后,敲python,进入的是anaconda的python3.7,那我怎么才能进入我之前的python环境?

    经过思考,应该是系统环境变量的原因,Anaconda的环境变量在原来的python上面了,导致系统默认是Anaconda的python环境,于是在系统环境变量里进行修改,但是又因为环境变量

    字符太多,导致:此环节变量太大。此对话框允许将值设置为最长2047个字符

    参考了一种方法:把相同的路径提取出来单独设成一个环境变量,然后在path里面进行重写,具体:

    然后path里面:

    %Python_PATH%Scripts;%Python_PATH%;%Anaconda_PATH%;%Anaconda_PATH%Librarymingw-w64in;%Anaconda_PATH%Libraryusrin;%Anaconda_PATH%Libraryin;%Anaconda_PATH%Scripts;

    人生苦短,何不用python
  • 相关阅读:
    WebGL——osg框架学习一
    webgl绘制粗线段
    ThreeJS实现波纹粒子效果
    WebGL——水波纹特效
    WebGL之shaderToy初使用
    有效提升职场竞争力
    Windows结构化异常处理浅析
    一起学习Boost标准库--Boost.StringAlgorithms库
    科学计算工具-Numpy初探
    进程动态拦截注入API HOOK
  • 原文地址:https://www.cnblogs.com/yqpy/p/11102946.html
Copyright © 2020-2023  润新知