最近在中国大学MOOC平台学习北大的曹健老师上的“人工智能实践——Tensorflow”课程,开始我的人工智能之旅。第一天,讲解如何搭建实验室环境,我是mac系统,所以只写mac系统上的实验室环境安装笔记。在曹健老师的课中,也有windows系统的安装教程,需要的人可以自行前往观看视频。

  第一步,安装Anaconda

  网址链接是https://www.anaconda.com/download/#macos,在这里我不过多叙述,基本上是一键安装,过程简单,如果遇到问题自行谷歌搜索吧。

  第二步,打开网址https://tensorflow.google.cn/install/install_mac,找到Installing with Anaconda,下图圈出来的语句我们会在下一步用到,可去网址上复制粘贴。

  

  第三步:根据上图的命令行语句,在mac终端上粘贴输入命令行搭建TensorFlow环境。我输入的语句和效果图依次如下图所示:

  1、打开mac的终端,用conda命令创建TensorFlow环境并激活(这个环境现在只是名称,就好比我们分配了一个空房间叫做tensorflow,这一步塞进了python这个工具箱,下一步要塞进tensorflow工具箱)。

  

  激活TensorFlow环境。环境激活后,你可以看到下一行你的系统用户名前面会出现(tensorflow)字样,表明进入了tensorflow环境。

  

  2、下载tensorflow。在命令行终端输入“

pip install --ignore-installed --upgrade \
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.3.0-py2-none-any.whl

”,考虑到兼容问题,曹健老师建议将官网上的1.6.0版本替换成1.3.0版本。由于是小白,也不敢随便安装版本影响学习体验,因此替换成了1.3.0版本。前面都很顺利,然后本人就在这步蹉跎了较久。在这一步,本人遇到了两个问题,一个是pip的版本问题,对pip进行更新,另外一个是下载地址的问题。

  如果是pip版本问题,出现“You are using pip version 9.0.1, however version 9.0.2 is available.”如下图所示可以解决。

  

  

  碰到上面的问题的小白,把 https://storage.googleapis.com/ 替换为 https://mirrors.tuna.tsinghua.edu.cn/ 即可。这个办法是在https://mirrors.tuna.tsinghua.edu.cn/help/tensorflow/上看到的,之所以找到这个网站,是在讨论区有同学提到清华镜像给了思路。解决效果图如下:

  

  第四步,检查是否安装成功。最后退出tensorflow环境。

  

  第一天,tensorflow的环境就算搭建成功了,有那么一丢丢的成就感。如果有说的不对的地方或者有更好的解决办法,还请路过的大神指示一下~

Mac 基于Anaconda的TensorFlow安装笔记的更多相关文章

  1. ubuntu下基于Anaconda使用Tensorflow

    为了在ubuntu下利用Anaconda使用tensorflow,但在利用conda安装tensorflow,不能在终端,spyder和notebook中直接使用,需要我们进行一定的配置. 1.安装A ...

  2. Anaconda、TensorFlow安装和Pycharm配置详细教程,亲测有效!

    目录 1.Anaconda下载与安装 2.Anaconda安装成功与否测试 3.安装python 4.检查TensorFlow环境添加成功与否 5.TensorFlow安装 6.测试TensorFlo ...

  3. Anaconda tensorflow 安装笔记

    1.安装步骤: (1)Anaconda下载Anaconda 安装包可以到 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下载.ps:也可 ...

  4. cuda cudnn anaconda gcc tensorflow 安装及环境配置

    1.首先,默认你已经装了适合你的显卡的nvidia驱动. 到  http://www.nvidia.com/Download/index.aspx 搜索你的显卡需要的驱动型号 那么接下来就是cuda的 ...

  5. 机器学习实战:基于Scikit-Learn和TensorFlow 读书笔记 第6章 决策树

    数据挖掘作业,要实现决策树,现记录学习过程 win10系统,Python 3.7.0 构建一个决策树,在鸢尾花数据集上训练一个DecisionTreeClassifier: from sklearn. ...

  6. TensorFlow安装笔记(CPU版)

    新电脑配环境又出了问题. 先是装了最新版anaconda,python3.7的版本.——2019.10.21 然后conda install TensorFlow,conda install kera ...

  7. 机器学习实战_基于Scikit-Learn和Tensorflow读书笔记

    第一部分 机器学习基础 第二部分 神经网络和深度学习 第9章 运行Tensorflow 分布式系统:分布式系统的定义是这个系统建立在网络的操作系统,具有高度的内聚性和透明性,它与网络的区别在于高层软件 ...

  8. MacOS上安装Anaconda+Pycharm+TensorFlow+Keras

    一.安装Anaconda 登录https://www.anaconda.com/download/#macos,下载Anaconda3-5.3.1-MacOSX-x86_64.pkg 二.安装Pych ...

  9. 【深度学习笔记】(一)Mac下TensorFlow安装及环境搭建

    本文由@ray 出品,转载请注明出处.  文章链接:http://www.cnblogs.com/wolfray/p/7828903.html 在学习了一段时间台大李宏毅关于deep learning ...

随机推荐

  1. Vue页面刷新方法(子组件改变数据后兄弟组件刷新,不闪烁)

    todo https://blog.csdn.net/qq_40571631/article/details/91533248

  2. 12.并发编程--Queue

    并发编程--Queue Queue - 非阻塞队列 - 阻塞队列 Queue是一种特殊的线性表,它只允许在表的前端(front)进行删除操作,而在表的后端(rear)进行插入操作.进行插入操作的端称为 ...

  3. MongoDB4和MysSQL5.7的读/写和事务处理速度简单对比

    系统环境: Ubuntu 18.04 数据库 MysSQL5.7/MongoDB4.0 插入的数据为随机生产,不重复. MySQL使用的连接库是 sqlalchemyMongoDB使用的连接库是pym ...

  4. C++入门经典-例6.5-连接字符串

    1:运行代码如下: // 6.5.cpp : 定义控制台应用程序的入口点. // #include "stdafx.h" #include<iostream> usin ...

  5. Boost学习

    使用boost function使用类成员函数作为回调函数 #include <iostream> #include <boost/function.hpp> struct M ...

  6. 一、基础篇--1.2Java集合-Arraylist 与 LinkedList 区别

     Arraylist 与 LinkedList 区别  结构上的区别 ArrayList底层实现基于动态数组,LinkedList底层实现基于双向链表.  性能上区别 ArrayList查询快,增删慢 ...

  7. MySQL MGR 单主模式下master角色切换规则

    MGR单主模式,master节点可读可写,其余节点都是只读.当配置MGR为单主模式,非master节点自动开启super_read_only 当可读可写的节点异常宕机,会进行怎样的切换?在选择新的可写 ...

  8. spring cloud microservice provider and consumer

    MicroService Provider:https://files.cnblogs.com/files/xiandedanteng/empCloud190824.rarMicroService C ...

  9. Link标签

    Link标签的属性:rel定义当前文档与目标文档之间的关系. rev定义目标文档与当前文档之间的关系. Link和@import的区别:   1.隶属上的差别      link是一个html的一个标 ...

  10. 从pip+requirements.txt+virtualenv管理依赖到使用pipenv管理依赖-修改布署方式

    背景: 已经使用pip+requirements.txt+virtualenv管理了项目一段时间,为了不要每次都 导出依赖(本地),安装依赖(服务器) 现在要使用pipenv来管理项目的依赖关系 思路 ...