当前位置: 首页 > news >正文

Tensorflow小白安装教程(包含GPU版本和CPU版本)

       本文将详细介绍使用工具安装anaconda-->创建conda环境-->安装Tensorflow(包括GPU和CPU)-->安装Pycharm-->配置Pycharm解释器的详细流程。

目录

一、工具安装

二、安装Anaconda

1. 下载anaconda

 2. 安装anaconda

三、创建虚拟环境

四、安装Tensorflow(GPU版本)

五、安装Tensorflow(CPU版本)

六、安装Pycharm

1. 下载Pycharm

2. 安装Pycharm 

七、设置Pycharm解释器

1. 基础设置

2. 配置解释器


一、工具安装

        进入抠头助手官网codetou.com  ,下载安装最新版即可,本篇博客以抠头助手1.2.0.67为例。

         !!注意!!  使用抠头助手期间不要打开VPN,因为下载使用的是国内镜像源。

二、安装Anaconda

1. 下载anaconda

 (1)Python环境安装。

 (2)一键安装。

(3)下载完成弹出anaconda安装程序。

 2. 安装anaconda

(1)进入Anaconda安装程序点击“next”-->"I Agree",第三面是选择为这台电脑的所有用户还是仅当前用户安装,可根据自身需求选择,这里我选择“All Users”,点击“next”,选择安装路径点击“next”,下一面的3个选项都选中后点击“Install”(如果是仅为当前用户安装这里可以不选第二个)。

(2)安装完到“Finish”这一步两个勾都取消后点击“Finish”。

(3)打开抠头助手,出现一个“base”环境(如果没有点击左上角刷新一下),即安装成功。

三、创建虚拟环境

(1)点击Python环境安装。

目前抠头助手只兼容Tensorflow2.2.0~2.10.0,python版本可以参考以下图片。

Tensorflow CPU兼容版本
Tensorflow GPU兼容版本

(2)确认是Anaconda环境后输入名称并选择Python版本(这里以3.9作为示例),位置不需要改动,点击“创建”。

(3)创建成功后刷新环境列表即可看到新的虚拟环境。

四、安装Tensorflow(GPU版本)

(1)环境列表中左键点击新创建的虚拟环境。

(2)右边点击“装库”-->Tensorflow-->"安装GPU版本"-->"开始安装"(安装过程会先检测是否安装了cuda toolkit所以不需要事先手动安装,如果已经提示“已经安装了CUDA Toolkit版本”,可以先使用工具栏中的卸载工具卸载)。

这里解释一下CUDA和CUDA Toolkit的区别,CUDA是NVIDIA 推出的 GPU 并行计算架构,允许开发者使用 C/C++/Python 等语言直接调用 GPU 算力,CUDA Toolkit是NVIDIA 提供的 开发工具集合,用于构建和运行 CUDA 程序。开发 CUDA 程序时需要显式安装CUDA Toolkit。

        CUDA一般情况不支持多版本并存,而CUDA Toolkit可以多版本并存,并且可以通过切换环境变量的方法修改当前版本。

        这里需要强调一下由于Pytorch与Tensorflow两个库的GPU版本对于CUDA Toolkit的版本要求差异较大,其依赖在python版本上亦有差异,因此不建议在同一个虚拟环境中安装两个库的GPU版本,但CPU版本无碍。

(3)安装完成。

五、安装Tensorflow(CPU版本)

(1)环境列表中左键点击新创建的虚拟环境。

(2)右边点击“装库”-->Tensorflow-->"安装CPU版本"-->"开始安装"。

(3)安装完成。

六、安装Pycharm

1. 下载Pycharm

(1)打开“下载开发工具”,往下翻找到“下载Pycharm”,可以选择社区版或者专业版,点击右边的三个点-->“开始”进行下载。

下载Pycharm

2. 安装Pycharm 

(1)点击文件夹图标打开下载目录,找到刚刚下载的pycharm双击进行安装(这里用社区版做示例)     。

(2)选择安装目录。

(3)第二面全部勾选即可。

(3)安装。

(4)可以立即重新启动或之后重新启动。

七、设置Pycharm解释器

1. 基础设置

(1)打开pycharm进入开始页面。

(2)切换简体中文:点击Customize-->Language-->简体中文-->Restart。

2. 配置解释器

(1)点击左下角齿轮。

(2)设置。

(3)左边菜单选择Python解释器。

(4)添加解释器-->添加本地解释器。

(5)选择现有。

(6) 抠头助手中左键点击环境就可以在上面看见他的路径,还可以复制。

(7)返回python添加解释器界面点击文件夹图标在资源管理器上方粘贴复制的路径。

选择python路径

(8)下划找到如图所示的python.exe打开。

选中python.exe

(9)点击确认等待更新后再次确认即可完成添加(更新完界面如图所示,GPU版本的后缀带有gpu,CPU版本的后缀是cpu)。

gpu版本解释器设置界面
cpu版本解释器设置界面

(10)选择新建项目或者打开已有的项目后进入主界面可以在右下角选择我们刚刚添加的解释器(一定要注意检查路径是否正确!!!)

主界面解释器修改位置


配置就完成可以正常使用了。

http://www.dtcms.com/a/285585.html

相关文章:

  • C++并发编程-13. 无锁并发队列
  • div和span区别
  • 【Python】python 爬取某站视频批量下载
  • 前端实现 web获取麦克风权限 录制音频 (需求:ai对话问答)
  • 20250718【顺着234回文链表做两题反转】Leetcodehot100之20692【直接过12明天吧】今天计划
  • AugmentCode还没对个人开放?
  • STL—— list迭代器封装的底层讲解
  • 71 模块编程之新增一个字符设备
  • Proto文件从入门到精通——现代分布式系统通信的基石(含实战案例)
  • 标题 “Python 网络爬虫 —— selenium库驱动浏览器
  • 光伏电站工业通信网络解决方案:高可靠工业通信架构与设备选型
  • 开源短链接工具 Sink 无需服务器 轻松部署到 Workers / Pages
  • 西门子工业软件全球高级副总裁兼大中华区董事总经理梁乃明先生一行到访庭田科技
  • ArcGIS Pro+PS 实现地形渲染效果图
  • WinDbg命令
  • FastAdmin框架超级管理员密码重置与常规admin安全机制解析-卓伊凡|大东家
  • 本地部署DeepSeek-R1并打通知识库
  • 数字地与模拟地隔离
  • 【C语言】深入理解柔性数组:特点、使用与优势分析
  • Cursor替代,公测期间免费使用Claude4
  • 首个直播流扩散(LSD)AI模型:MirageLSD,它可以实时把任意视频流转换成你的自定义服装风格——虚拟换装新体验
  • mpiigaze的安装过程一
  • 【后端】.NET Core API框架搭建(10) --配置163邮件发送服务
  • 【锂电池剩余寿命预测】TCN时间卷积神经网络锂电池剩余寿命预测(Pytorch完整源码和数据)
  • C#之线程Thread
  • ARCS系统机器视觉实战(直播回放)
  • Huber Loss(胡贝损失)详解:稳健回归的秘密武器 + Python实现
  • Unity 堆栈分析实战指南 C#
  • Copula 回归与结构方程模型:R 语言构建多变量因果关系网络
  • 机器视觉的布料丝印应用