看了网上好多教程，搞了好久没搞明白，好多教程都是18年19年的，很难跟上我python的版本，为了方便今后自己查看，本文以python3.9.17为例，搭建tensorflow环境，并在PyCharm中进行配置。
一、搭建tensorflow环境
首先判断自己的电脑显卡是A卡还是N卡，具体步骤为右击此电脑打开属性，在界面上找到设备管理器并打开，单击显示适配器的箭头，然后打开折叠选项，其中AMD开头的是A卡；NVIDIA开头的就是N卡。如果电脑是N卡，那么请移步别的教程，本文只讲A卡的环境搭建。 很多教程说在下载anaconda之前要卸载你之前下载过的python，但其实不用卸载你电脑上的python，直接下载anaconda就行。具体安装过程及配置环境变量看Anaconda安装-超详细版(2023)。
1.切换清华镜像源 配置tensorflow之前要安装好多包，需要从Anaconda仓库中下载，但一般软件默认的是国外的镜像源，下载速度比较慢，此时需要切换为国内的源，比如清华的镜像源。 打开刚刚下载的anaconda，找到Anaconda Prompt，复制以下代码
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
回车后再复制以下代码，切换为清华镜像源
conda config --set show_channel_urls yes
2.下载配置 numpy+mkl 模块和 protobuf 模块 口令为： pip install + 需要安装的模块，库 首先再下载安装tensorflow之前，需要下载两个模块分别为: numpy+mkl 模块，protobuf模块，原因参照文章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。 直接进行pip指令下载的numpy不是numpy+mkl版本的，但是官网下载较慢没有办法，如果你python版本是3.9的你就下numpy‑1.22.4+mkl‑cp39‑cp39‑win_amd64.whl，版本是3.8的就下numpy‑1.22.4+mkl‑cp38‑cp38‑win_amd64.whl，以此类推。（早上下载应该会快一点。） 然后在Anaconda Prompt中输入指令如：
pip install D:\anaconda\nu\numpy-1.22.4+mkl-cp39-cp39-win_amd64.whl
protobuf模块可以通过pip指令在Anaconda Prompt中直接下载
pip install protobuf
3.安装tensorflow 安装好numpy+mk模块和protobuf模块后，就可以安装Tensorflow了。 首先找到你python版本对应的tensorflow版本，具体版本参照在 Windows 环境中从源代码构建 例如我的python版本对应的tensorflow版本为2.6.0或2.5.0 在Anaconda Prompt中输入指令
conda create -n tensorflow python=3.9
出现Proceed ([y]/n)?的提示时输入y即可，正常的情况如下所示 激活环境，在窗口中输入以下指令，进入tensorflow环境内
activate tensorflow
正常情况下如图所示 下载tensorflow模块，在窗口内输入以下指令
pip install --ignore-installed --upgrade tensorflow
直接pip install tensorflow获取的tensorflow版本可能会不匹配，因此用上述指令可以直接寻找匹配合适的tensorflow版本。如果没有报错，则说明下载好了。 注：我这里之前用pip install tensorflow==2.6.0下载tensorflow时报错了，大概率是版本不对应或不兼容，所以用pip install --ignore-installed --upgrade tensorflow是最稳妥的方法。 4.验证环境是否配置完成 在窗口内输入python后点击回车，调用python代码，如下图所示 输入
import tensorflow as tf
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
一般在输入import tensorflow as tf没有报错的话说明环境已经建好了，如果验证完整，可以把代码输入完整。 输入exit()跳出python环境 此时环境已经搭建完毕，打开anaconda navigator，点击环境，可以看到右侧那一栏里有搭建好的环境。 以上为安装过程，但是安装过程中通常会报错，我把报错的可能性基本都归结于版本不对应，我的万能语句指令有几个
unistall + 模块名
# 表示卸载版本不匹配的模块
pip install --ignore-installed --upgrade + 模块名
# 表示安装或更新匹配的模块
例如：unistall tensorflow表示卸载tensorflow模块，pip install --ignore-installed --upgrade protobuf表示匹配版本对应的protobuf版本
二、PyCharm中配置tensorflow环境
1.创建新的工程项目。 2.File—settings—Project：—Python Interpreter—Add Interpreter—System Interpreter—… 找到你创建的tensorflow环境下的python.exe，点击OK，再点击OK，将对应的环境加载进pycharm 回到原来的那个界面，系统会自己加载出来对应的东西，点击OK 3.测试环境运行 创建新的package，如图所示 再创建好的包下创建新的Python File，可以以在原来的包下直接创建Python File 创建好后键入以下代码
import tensorflow as tf
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
发现虽然可以运行出来结果，但是又好像有警告报错 这是由于配置的tensorflow是2.X的版本，但是运行的代码是1.X的版本，建议在代码开头加上两行新的代码，具体原因参考Tensorflow has no attribute ‘Session‘错误原因及解决方法，这篇文章中给出的代码也可以借鉴一下
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
整体代码示例：
import os
import tensorflow as tf
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
此时代码就不报错了PyCharm中Tensorflow环境也配置好了。
文章链接
您阅读本篇文章共花了：
发表评论