配置tensorflow和keras时教程及问题总结

基本参数：（如何基本参数和我的电脑不一致，有可能会出意外的错误）

操作系统：Windows 10，64位

Anaconda版本：Python 3.6版本。关于Anaconda的介绍、安装及使用教程可查看：点击

本文写作时间：2019年3月26日

全程手打，不可避免的可能出现某些错误，如果您发现请及时指正。

一、首先是安装CPU版本Tensorflow

1、打开Anaconda Prompt，输入清华仓库镜像：

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

conda config --set show_channel_urls yes

2、创建一个python3.5的环境，环境名称为tensorflow：

注意，此时python的版本和后面tensorflow的版本有匹配问题，这一步选择的为python3.5

conda create -n tensorflow python=3.5

有需要确认的地方，都输入：y

环境名称配置好之后，点击Anaconda Navigator，左侧的Environments就有了这一项tensorflow，如下图：

3、在Anaconda Prompt中激活tensorflow环境：

activate tensorflow

激活后如下图所示：

4、利用清华镜像，安装cpu版本的TensorFlow，其版本为1.13.1

pip install --upgrade --ignore-installed tensorflow   #CPU

到这一步，CPU版本的TensorFlow就安装好了，我们仍需要做一下测试，确保万无一失。

5、测试Tensorflow

在激活TensorFlow环境下，输入python，进入到python界面（图中可以看出，python版本是3.5.4）

输入以下代码：

import tensorflow as tf

hello = tf.constant('Hello, TensorFlow!')

sess = tf.Session()

print(sess.run(hello))

出现上图的结果就说明安装成功！

输入pip freeze，可以看到tensorflow的版本为1.13.1

或者输入pip list，但是有可能出现警告：解决方式为：点击，用户MrSky的回答。

DEPRECATION: The default format will switch to columns in the future. You can use --format=(legacy|columns) (or define a format=(legacy|columns) in your pip.conf under the [list] section) to disable this warning.

6、利用Anaconda Navigator安装spyder、ipytho包。

打开Anaconda Navigator，切换到tensorflow环境，选择Not installed，找到相应的包点Apply。

二、配置keras

安装好tensorflow后，我们可以继续安装keras

1、在Anaconda Prompt中激活tensorflow环境，输入:

pip install keras -U --pre

我安装的keras版本为2.2.4，同样，我们也需要进入python界面后输入：

import keras         #测试是否成功，成功安装效果如下图。

三、安装GPU版本的tensorflow

1、配置环境

tensorflow-gpu的版本和CDUDA版本，甚至CUDNN版本都有着对应关系。这里选择的版本为：

python：3.6

CUDA：9.0

CUDNN：7.0

这一部分安装了这为博主的文章一步一步安装（第三步、安装tensorflow-gpu之前）即可，在这里就不重复了。

2、创建一个python3.5的环境，环境名称为tensorflow-GPU：

conda create -n tensorflow-GPU python=3.6

环境名称配置好之后，点击Anaconda Navigator，左侧的Environment就有了这一项tensorflow-GPU，如下图：

3、在Anaconda Prompt中激活tensorflow-GPU环境：

activate tensorflow-GPU

4、安装tensorflow-GPU，版本为1.7.0，建议使用清华镜像安装

pip install --upgrade setuptools  #先更新一下pip，不然后面的安装有可能报错

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.7.0    #GPU版

此时可以验证一下安装是否成功，方法同上面的CPU版本验证。

5、验证此时的tensorflow的代码是否是在使用GPU

import tensorflow as tf

a = tf.test.is_built_with_cuda()   #判断CUDA是否可用

b = tf.test.is_gpu_available(cuda_only=False,min_cuda_compute_capability=None)     #判断GPU是否可用

print(a)

print(b)

输出结果是：
True
True
代表CUDA和GPU可用。

在这里要提醒一点，之前不知道怎么回事，在tensorflow-GPU这个环境里安装了CPU版本的tensorflow，导致GPU版本的tensorflow安装之后，始终无法调用，错误提示为：

No module named 'tensorflow'

因此提醒大家，在安装之后用pip list看一下是否同时安装了两个版本的tensorflow，如果安装了两个版本，则先全都卸载掉，然后再重新安装GPU版本。卸载方式如下（直接复制就好）

pip uninstall tensorflow   #卸载CPU版

pip uninstall tensorflow-gpu   #卸载GPU版本

6、查看一位博主的文章，如果同时安装了两个版本，默认下运行gpu版，如想运行cpu版，可代码中设置如下：

with tf.Session() as ses:

    with tf.device("/cpu:0"):

        matrix1=tf.constant([[3.,3.]])

        matrix2=tf.constant([[2.],[2.]])

        product=tf.matmul(matrix1,matrix2)

如果这篇文章帮助到了你，或者你有什么问题，欢迎扫码关注微信公众号：一刻AI 在后台留言即可

四、其他安装过程中遇到的问题（持续更新），也欢迎大家把遇到的问题和解决方式在留言区写出，做一个避坑指南。

1、如何利用镜像安装特定版本的tensorflow

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.12   #CPU版

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.12  #GPU版

2、No module named 'tensorflow'

（1）各个包的版本不匹配，建议按照我的安装版本进行安装，亲测可行。

（2）在安装时，有些是用Anaconda Prompt通过pip安装，有些是用Anaconda Navigator点击Apply安装，但是这两个的安装有时候会混乱，建议全都利用其中的一个途径安装