Windows下安装Anaconda3（附带python3.8）以及TensorFlow

太过爱你忘了你带给我的痛 2023-03-01 11:52 33阅读 0赞

## 1.下载Anaconda安装包 ##

Anaconda官网安装包下载速度巨慢，国内小伙伴不建议尝试。  
我们可以使用清华大学开源软件镜像站：[清华大学开源软件镜像站][Link 1]，请选择适合自己系统自行下载。  
我这里选择的是Windows系统86位的安装包  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70]  
下载完成后的安装包就是它了  
![在这里插入图片描述][20200724213405979.png]

## 2.安装Anaconda ##

**1.打开安装包，点击Next**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 1]  
**2.点击I Agree**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 2]  
**3.Just me还是All Users，假如你的电脑有好几个 Users ，才需要考虑这个问题.其实我们电脑一般就一个 User，就我们一个人使用，如果你的电脑有多个用户，选择All Users，我这里直接 All User  
继续点击 Next 。**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 3]  
**4.Destination Folder 是“目标文件夹”的意思，可以选择安装到什么地方。默认是安装C:\\ProgramData\\Anaconda3文件夹下（PS：C盘大家都懂吧）。你也可以选择 Browse… ，选择想要安装的文件夹。作者这里安装到F:\\Anaconda3  
继续点击 Next**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 4]  
**5.第一个选项是加入环境变量，建议小伙伴们选中这个选项，否则后面需要自己配置环境变量比较麻烦，第二个是默认使用 Python 3.8  
点击Install**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 5]  
**6.然后，它就开始自动安装了（安装过程还是相当慢的。。。固态的话估计会好点）**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 6]  
**绿色的进图条满了以后  
点击Next**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 7]  
**还是点击Next**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 8]  
**这两个选项直接取消掉就行，跟安装一点关系没有  
点击Finish**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 9]  
**7.进行到此步，Anaconda已经安装完毕，此时打开，开始->cmd，在终端中键入命令**

conda -V

就出现了如下效果，说明我们的安装已经完成，且Anaconda版本为4.8.3  
![在这里插入图片描述][20200725100810974.png]  
**科普一下几个常见的关于Anaconda的操作命令如下：**

<table> 
 <thead> 
  <tr> 
   <th>终端命令</th> 
   <th>作用</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>python -V/–version</td> 
   <td>查看当前环境python版本</td> 
  </tr> 
  <tr> 
   <td>conda -V/–version</td> 
   <td>查看当前Anaconda版本</td> 
  </tr> 
  <tr> 
   <td>conda info --envs</td> 
   <td>查看在Anaconda下已创建的环境</td> 
  </tr> 
  <tr> 
   <td>conda create -n 环境名 python=版本号</td> 
   <td>在指定python版本下创建环境</td> 
  </tr> 
  <tr> 
   <td>conda remove -n 环境名 --all</td> 
   <td>删除指定环境</td> 
  </tr> 
  <tr> 
   <td>conda activate 环境名</td> 
   <td>激活当前环境并进入</td> 
  </tr> 
  <tr> 
   <td>conda deactivate</td> 
   <td>退出当前环境</td> 
  </tr> 
  <tr> 
   <td>conda install 包名</td> 
   <td>使用Anaconda安装包</td> 
  </tr> 
  <tr> 
   <td>pip install 包名</td> 
   <td>安装包（对于那些无法通过ANaconda安装或者从Anaconda.org获得的包，我们通常可以用pip命令来安装包）</td> 
  </tr> 
  <tr> 
   <td>conda list</td> 
   <td>进入一个环境后，查看该环境下安装的所有包（以及版本号）</td> 
  </tr> 
  <tr> 
   <td>conda update conda</td> 
   <td>升级当前版本的Anaconda</td> 
  </tr> 
 </tbody> 
</table>

## 2.安装tensorFlow ##

TensorFlow 有cpu和 gpu两个版本，gpu版本需要NVIDIA显卡的支持并下载CUDA 和 cuDNN ，对于初学者我们使用cpu版本即可（这里，仅介绍cpu版本的安装）  
**1.打开开始菜单->Anaconda3->Anaconda Prompt，打开Anaconda Prompt控制台**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 10]  
Anaconda Prompt控制台界面  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 11]  
**2.先选择清华软件仓库镜像安装TensorFlow，这样更新会快一些**  
键入

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

和

conda config --set show_channel_urls yes

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 12]  
**3.用Anaconda3创建一个python3.7的环境，环境名称为tensorflow**  
截止到2020/7/25 TensorFlow在Windows下仅支持Python3.5-3.7版本（因此在创建此环境时，会下载一个python3.7，有时候会下载失败，多下载几遍就ok了），这样的话我们的python3.8只在base环境中，在tensorflow中用不到了  
小伙伴们可以从[tensorflow官网][tensorflow]自行查阅  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 13]  
键入

conda create -n tensorflow python=3.7

在给出Proceed时键入`y`  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 14]  
如果不幸下载失败，再次键入（不用担心在下载失败之前建立过一个名为tensorflow的环境，是否会出现重名错误。实际上的处理步骤是：检查环境中是否有tensorflow环境，没有的话创建，有的话检索所需的库，自动下载缺失的库，上一次下载失败的库，会在这一次重新下载）

conda create -n tensorflow python=3.7

在tensorflow环境创建完成后，键入

conda info --envs

可以发现，除了基础环境base外，我们还可以看到刚刚创建的名为tensorflow的环境  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 15]  
**4.安装cpu版本的TensorFlow**  
上一步中我们仅是创建了一个名为tensorflow的python环境，这一步我们将TensorFLow配置进这个环境中  
**在Anaconda Prompt中启动tensorflow环境：**  
键入

activate tensorflow

用来激活我们创建的名为tensorflow的环境，在这个环境下进行配置  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 16]  
**正式下载安装cpu版本的TensorFlow**  
键入

pip install --upgrade --ignore-installed tensorflow==2.0

经过一段漫长的下载过程后（我这里大概半个小时左右），tensorflow的cpu版本已经下载安装完成。解释一下这里选择tensorflow2.0版本，截止到2020/7/25，tensorflow最新版为2.2.0，但目前最稳定的还是tensorflow2.0.0，如果小伙伴们想尝试可以自行下载最新版tensorflow

这里安装完成的截图没有了，就是一顿下载安装的英文，不看也罢。下载过程中，终端命令框没有红色字体和error即可认为下载完成。

**通过以上步骤tensorflow环境就已经配置完成了！！！！！**

此时，如果我们想退出tensorflow环境  
![在这里插入图片描述][20200725182302820.png]  
键入

conda deactivate

可以看到又重新回到基础环境base中  
![在这里插入图片描述][20200725121332101.png]  
**4.测试cpu版本的TensorFlow**  
同2.1节，打开Anaconda Prompt控制台（如果你上一步没有关闭Anaconda Prompt，那么继续往下操作就可以了）  
键入

activate tensorflow

和

python

来启动tensorflow，并进入python环境  
注意到，在切换到tensorflow环境时命令行前方变为了（tensorflow），说明我们成功启动了tensorflow环境，再输入python后，最前方变为>>>，意味着我们进入了tensorflow的python环境中（并且是python3.7环境）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 17]  
键入

import tensorflow as tf

可以看到没有报错，成功执行，到此tensorflow cpu版本安装完成。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 18]

这里有一个错误示范，如果在base环境进入python编译环境，执行tensorflow代码，会报错  
没有名为“tensorflow”的模块，原因也是显而易见了，就是我们仅在tensorflow环境中安装了tensorflow cpu版本，而base环境中是没有tensorflow的  
![在这里插入图片描述][20200725183414604.png]

**总结一下：本人也曾基于Anaconda装了不少次的tensorflow，但每次都会有错误，错误的来源大多是版本对应问题（PS：gpu版本的tensorflow版本问题更严重，贴一个同学的博客关于gpu版本的[https://blog.csdn.net/BBJG\_001/article/details/95068251][https_blog.csdn.net_BBJG_001_article_details_95068251]）。  
目前，亲测可用的是python 3.7—tensorflow2.0.0**

[Link 1]: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70]: /images/20230208/f4e53802f1b94d258fcaf6c67cd9c199.png
[20200724213405979.png]: /images/20230208/13189c03e60541328d30d2b8d055c1bb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 1]: /images/20230208/7fc88ba5b8144935ab8d142ed2ee50ed.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 2]: /images/20230208/77220696748a4394ac174851db93f6be.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 3]: /images/20230208/4e2d115504f74b51b4627910e89210ea.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 4]: /images/20230208/011893916ec1428eba56b6e60b894ae7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 5]: /images/20230208/40dfefc7959d40ca9c5e0fddc634b02e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 6]: /images/20230208/17c6c4976bd04cbb88f2860effa63266.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 7]: /images/20230208/cd1af08a812d4dd48e87fd46ebdecaed.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 8]: /images/20230208/8856b3b7b7cf48ceaa708e499b3a5745.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 9]: /images/20230208/c9982fee99294ea6867ba8ec951110c8.png
[20200725100810974.png]: /images/20230208/194653d39b4b4a7e981b819ee954e5c0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 10]: /images/20230208/a621d2f540974b9da229ae00a6f6281f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 11]: /images/20230208/2f5a8e9e729c4ae9a3e765b020e5ab64.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 12]: /images/20230208/c77d483258c14ea1974162e17f39ff5a.png
[tensorflow]: https://tensorflow.google.cn/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 13]: /images/20230208/4c44c5495f584155b0b18e13b1bd6904.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 14]: /images/20230208/89dd81ba3bb14b7eb372e1fd97d9ed66.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 15]: /images/20230208/3f11d715ed214d1b8a0f7081b7a09f55.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 16]: /images/20230208/0496bed0cc8a4e0fa663e349d46e5c89.png
[20200725182302820.png]: /images/20230208/7877c86a70b34d03a7bcb4ef42c78ffc.png
[20200725121332101.png]: /images/20230208/4b3eea87b0784b92828f2190ccda339e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 17]: /images/20230208/a2469b271e5e41eea69979f440d18f7f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQxMjI1NA_size_16_color_FFFFFF_t_70 18]: /images/20230208/8ce19ce9fbe34484a2431709c1b3402c.png
[20200725183414604.png]: /images/20230208/fa92a910a4434621989765f1e7fdc5b8.png
[https_blog.csdn.net_BBJG_001_article_details_95068251]: https://blog.csdn.net/BBJG_001/article/details/95068251