tensorflow环境搭建

TensorFlow 的两个依赖

Protocol Buffer

结构化处理工具,比json,xml更小,解析更快

Bazel 自动化构建工具,类似于maven

BUILD 文件用于表示构建目标
WORKSPACE 文件用于标记外部依赖

安装

三种方式安装: docker pip 源码
我们使用pip来安装

安装 Anaconda

python的发行版,除了python,还包含了很多常用的关于科学计算的库
我参考这篇文章安装成功的 https://www.cnblogs.com/ljysy/p/10660885.html

我这里下载的是 Anaconda 版本是 Anaconda3-5.3.1-Windows-x86_64.exe 对应的 python3.7.0

conda create -n tensorflow python=3.7.0 创建了一个独立的tensorflow的工作空间,在这个空间内使用的python版本为3.7.0
conda activate tensorflow 激活这个名为tensorflow空间
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple 在空间内配置pip的镜像源
pip install tensorflow

Anaconda + vscode 配置

https://www.jianshu.com/p/ef1ae10ba950

如果提示pip的版本过低,就使用下面的命令升级pip

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pip -U

code-runner 输出乱码

参考这个文章解决 https://www.cnblogs.com/zhaoshizi/p/9050768.html

在项目下 .vscode/settings.json 配置python的路径以及 code-runner的执行路径,设置成全局的也行吧

{
  "python.pythonPath": "F:\\ProgramData\\Anaconda3\\envs\\tensorflow",
  "code-runner.executorMap": {
    "python": "set PYTHONIOENCODING=utf8 && F:\\ProgramData\\Anaconda3\\envs\\tensorflow\\python.exe",
  },
}

验证

试下tensorflow官网的例子,能跑起来就是成功了。有时候下载测试数据集的时候会失败，多试几次就好了