本站消息

  本站每日ip已达10000,出租广告位,位置价格可谈,需要合作请联系站长


+关注
已关注

分类  

暂无分类

标签  

暂无标签

日期归档  

2019-03(1)

2019-04(1)

2019-06(1)

2019-07(5)

2019-08(84)

python机器学习:搭建tensorflow环境,下载Keras库并在python中成功完成导入。pycharm的相关配置。

发布于2020-05-17 18:49     阅读(953)     评论(0)     点赞(13)     收藏(0)


安装过程较长,请大家耐心阅读,其中有一些自己在安装过程中出现过的一些问题,在此一同分享给大家

一.下载Anaconda:

1.首先下载安装Anaconda,可以去官网下载 https://www.anaconda.com/

一般的individual版本的就可以满足个人需求了
在这里插入图片描述
选择适合自己操作系统的版本:(Windows,MacOS,Linux )
在这里插入图片描述
下载下来的一般是最新版本的,但由于新版的刚开始可能会有一些漏洞,所以可以先下载较为旧点的版本,等以后再升级更高版本,我这里有一个2020.02版本的,Anaconda 4.8.3

链接:https://pan.baidu.com/s/1dHeIj_0emgAgNIfmO5iatA
提取码:z0vu

安装Anaconda和配置环境变量

具体可以参考这篇博客,写的很详细
https://blog.csdn.net/z2858539804/article/details/81407456

记住在安装的时候先不要选默认的自动配置环境变量,等安装好后手动配置,否则可能会导致环境变量很乱,容易出错

配置好后(Win10操作系统)你的PATH路径中应该有这几个(都要有才可以):
在这里插入图片描述
安装好Anaconda和配置好环境变量后,通过win+R 运行cmd命令,查看python版本 并测试运行简单程序Hello Python
在这里插入图片描述

在这里插入图片描述
到这里,就完成了Anaconda的安装和配置

二.搭建tensorflow

打开Anaconda Prompt
在这里插入图片描述
右键以管理员身份运行
在这里插入图片描述

先介绍一些常用的指令:

1.pip list 可以查看自己已经安装好的模块

在这里插入图片描述

2.pip install + 需要安装的模块,库

python中提供了很多的模块,库,可以通过这个网站https://www.lfd.uci.edu/~gohlke/pythonlibs/进行访问下载。

从网站下载后安装的方式(下载下来的文件扩展名都是.whl):

安装:
以numpy+mkl 为例:

找到文件的路径:
例如:D:\python\numpy-1.16.4+mkl-cp37-cp37m-win_amd64.whl

在这里插入图片描述

然后在Anaconda Prompt中输入指令 pip install + 路径
如:
pip install D:\python\numpy-1.16.4+mkl-cp37-cp37m-win_amd64.whl

我这里是安装好了的

在这里插入图片描述
或者直接采用 pip install + 模块名字,此操作会自动为你的电脑环境配置最新版的模块

下载速度会很慢?没关系,请先继续往下看

3.pip uninstall + 模块

卸载某个模块

了解了几个常用的pip命令后,下面进入正题,搭建tensorflow环境:

进入官网https://www.lfd.uci.edu/~gohlke/pythonlibs/我们可以用ctrl+f搜索tensorflow,点击进入看到(版本会随时更新,如下仅做参考):
在这里插入图片描述
这里告诉我们安装tensorflow之前需要安装 numpy+mkl 模块,protobuf模块

注意:

直接进行pip指令下载的numpy不是numpy+mkl版本的,由于官网下载速度较慢,所以这里提供一个1.16版本的。

链接:https://pan.baidu.com/s/1hgOevXWtyyhPrawC-vKM7g
提取码:e9f3

然后采用pip 指令 pip install protobuf 下载protobuf模块,这时候你会发现一个问题:

??怎么我下载速度这么慢??

不要急,这里有解决方法:

原因是因为你用的是国外源进行的下载,速度当然慢啦,所以我们要更换一个国内的镜像源,这里是解决方案:
https://blog.csdn.net/yuzaipiaofei/article/details/80891108

然后你的下载速度就可以起飞了,但由于镜像网站本地的一些原因,这个下载有时候会出现卡顿导致下载失败,所以可能需要多次尝试。

我这里提供的是tensorflow+CPU版本的(基本够用),但你如果还想下载更高的GPU版本,则需要另外安装CUDA/cuDNN,详见这篇博客
https://blog.csdn.net/gangeqian2/article/details/79358543

安装好numpy+mkl和protobuf后,我们就可以开始安装tensorflow了。
我这里以tensorflow在2.0版本为例:

在Anaconda Prompt中输入pip install tensorflow==2.0指令,回车
在这里插入图片描述
出现了红色箭头所指的这句话表示你的源成功切换到了国内镜像源。
然后开始安装下载
等待下载,卡住了就按ctrl+c或者直接关掉Anaconda Prompt再重新启动下载…

成功下载完成后,测试tensorflow是否可导入。

输入python,再输入import tensorflow as tf,回车后
若没有出现其他异常报错,则表明安装tensorflow成功了!
在这里插入图片描述
测试一个小程序:
输入如下指令:

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

在这里插入图片描述

成功输出了
b’hello tensorflow!’

我们会发现有红色下划线的这里出现了一个警告,处理办法在此:
https://blog.csdn.net/feng98ren/article/details/84874326

我们用介绍的第一种办法试试:
先输入:

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

再输入之前的那5行代码

在这里插入图片描述
程序成功执行,且未出现任何警告。

三.导入Keras库

需要先安装好tensorflow环境,再安装Keras。
这里要注意一点:要保证tensorflow和Keras的版本兼容,否则可能会导致Keras无法使用的情况

可以通过 pip install Keras == 某个版本
来安装指定版本的Keras。
我采用的是tensorflow 2.0版本 和 keras 2.3.1版本可以成功匹配

安装好后,测试是否可以导入keras库

在这里插入图片描述
显示出了keras库中所有的函数。

四.配置pycharm,将库全部导入

进入pycharm,选择左上角的File ,选择Settings
在这里插入图片描述
选择 Project :orinal code 中的 Project Interpreter
在这里插入图片描述
单击红色箭头所指的按钮
在这里插入图片描述
选择Add…

在这里插入图片描述
选择Virtualenv Environment 中的Existing environment 然后单击后面的按钮
在这里插入图片描述
找到你安装好Anaconda的目录地址,选择其中的python.exe
注意:有可能你的安装地址是一个被隐藏的项目,需要显示隐藏的项目
在这里插入图片描述
之后点击OK即可,然后点击Apply和OK,就会导入你python中已有的库了,过程可能比较慢,请耐心等待

原文链接:https://blog.csdn.net/qq_43597227/article/details/106105596



所属网站分类: 技术文章 > 博客

作者:骏马

链接: https://www.pythonheidong.com/blog/article/377298/

来源: python黑洞网

任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任

13 0
收藏该文
已收藏

评论内容:(最多支持255个字符)