该博客亦是对博客《PyCharm下配置PyQt，TensorFlow等环境》的一个扩展。

目录

1. conda和Anaconda的安装

2. tensorflow的安装

1. conda和Anaconda的安装

和pip一样，conda也是一个开源的包管理系统和环境管理系统 ，包括多种语言的包安装，运行，更新，删除，最重要的是可以解决包依赖问题。conda支持语言包括 Python，R，Ruby，Lua，Scala，Java，JavaScript，C / C ++，FORTRAN。不过conda更是最流行的Python 环境管理工具。

conda的常用指令有：

  • conda list列出当前 conda 环境所链接的软件包。
  • conda create -n your_env_name python=X.X，创建python版本为X.X，名为your_env_name的虚拟环境。可以用conda env list或conda info -e查看当前存在的虚拟环境。
  • conda activate your_env_name进入所创建的虚拟环境。
  • conda remove -n your_env_name --all删除虚拟环境。

Anaconda是是一个开源的python发行版本，其包含了conda，python等180多个科学包及其依赖项。如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和 Python）。Anaconda的下载可以在https://www.anaconda.com/products/individual#Downloads中找到，一个安装程序，下完直接跟普通软件一样安装即可。安装完成后应该默认包含以下几个部分。

2. tensorflow的安装

我们通常在Anaconda prompt命名窗口中使用conda指令。在下载tensorflow包时，如果担心环境太多太复杂导致很多依赖性不兼容，一般建议创建一个虚拟环境，也就是conda create -n your_env_name python=X.X，存放在Anaconda下的envs目录中。然后用conda-forge（conda-forge可理解 维护可供使用的conda recipes）中使用下面的指令下载。

conda install -c conda-forge tensorflow
安装时选择y即可。

安装完后可以用conda list查看tensorflow版本。

最后打开Spyder就可以验证tensorflow框架了。

import tensorflow as tf
 
t1 = tf.fill([2,3], 3)
sess = tf.Session()
print(sess.run(t1))

这里需要注意的是tensorflow1.0和2.0的差别还是有点大，可以在https://tensorflow.google.cn/tutorials/quickstart/beginner查看下初学者教程，做做机器学习相关的研究，主要是训练和识别。

 

Enjoy!