windows下用pycharm安裝tensorflow簡易教程

https://blog.csdn.net/heros_never_die/article/details/79760616

最近開始學習深度學習的相關知識，準備實戰一下，看了一些關於tensorflow安裝的博客，繞了一些彎，所以來填一下坑(多餘安裝的或者非windows)，主要圍繞使用pycharm時須要用到tensorflow的安裝過程。

環境：windows10專業版。只是想簡單跑一下tensorflow的話，安裝過程真的很簡單。

若是你有「安裝IDE並關聯編譯器"的經驗，不想看複雜的安裝說明，能夠嘗試看這個目錄憑本身的理解裝完，有問題細看。

1.安裝python，建議3.5以上版本

2.安裝pycharm，在pycham中關聯python解釋器，即給出Python.exe所在的路徑。

3.Pycharm中File->settings->Project xxx:->Project interpreter，右側列表任意雙擊一項就能夠打開「Available Package(可安裝的包的列表)」，找到你要的tensorflow版本點擊install Package。gpu版須要顯卡支持CUDA，並安裝CUDA和cuDNN。

前言

首先，對於windows下安裝tensorflow，有的博客上來就叫裝Anaconda、裝CUDA(詳細自行搜索)，我以爲並非很好。關於Anaconda，本質是個整合好的包，五六百M的樣子，裏面有python和一些科學包，裏面沒有tensorflow。學長給我了包但我並沒用，實際上裏面好多包我用不到，我以爲用到什麼下什麼就好了，由於pip很方便，尤爲是配上pycharm之後，其實並不須要像別的教程那樣使用pip指令去得到包。

1.安裝python(若是你已經裝有python，能夠跳過這步)

指的是python的解釋器(interpreter)和一些套件，有點相似於學C的時候的編譯器的感受，找到資源運行一下exe基本就裝好了。關於版本，tensorflow1.2之後的版本須要3.5之後的版本。關於2.x與3.x的區別有哦興趣能夠參考

http://www.runoob.com/python/python-2x-3x.html

2.選擇一個IDE

好的IDE能夠提升效率，我使用的pycharm，這個看我的喜愛。Anaconda有自帶spider。

pycharm資源和安裝教程不少，這裏略過。

例如：https://blog.csdn.net/yctjin/article/details/70307933?locationNum=11&fps=1

IDE安裝的時候會詢問是否關聯解釋器，若是不當心點過去了，也能夠打開File->Project:xxx->Project interpreter來關聯解釋器的路徑，這個過程和使用codeblocks關聯編譯器差很少。至此基本的python已經能夠用了。

圖1 Project interpreter

另：File->settings->Color Scheme能夠選擇皮膚。

3.安裝tensorflow

一些教程比較推薦的方法是使用pip，這個很方便。在python目錄下的Scripts文件夾裏有pip.exe和pip3.exe。經過在命令行輸入一些指令就能夠完成安裝了。詳細：http://www.javashuo.com/article/p-qyoianxl-z.html

但我cmd真的用的不太好，pycharm安裝其實更加方便(本質仍是pip，只不過不須要本身輸指令)

方法來源：https://jingyan.baidu.com/article/335530dafdbb3619cb41c3a8.html

方法：在如圖1的界面中，任意雙擊一個packge，例如pip。接着你就能看到可安裝的包的列表了，找到你須要的package後點install package就行了，就這麼簡單。右邊欄是包的介紹，下方能夠選擇特定的版本（用Python3.6下不到1.2以前的版本）。列表裏藍色的是已經裝好的。

裝好之後你的列表裏就有了，如上圖1所示。就算只裝了tensorflow也會帶着一堆配套的東西，好比numpy，tensorboard；徹底不用擔憂。另外須要pandas之類的話，安裝一樣的方法安裝便可。

若是你須要用GPU跑tensorflow，則應確保你的顯卡支持CUDA，且應該安裝CUDA和cuDNN，並選擇tensorflow-gpu

詳細見：http://www.javashuo.com/article/p-qyoianxl-z.html

不一樣版本的tensorflow支持特定版本的CUDA，CUDA、cudnn應當與tensorflow配套

好多教程沒有強調，發佈的也比較早，容易有坑。

tensorflow1.6開始支持CUDA9.0，cuDNN也須要配套的，找cuDNN x.x.x for CUDA9.0這樣的。

tensorflow1.6或1.7用CUDA9.1是不行的，該用9.0，我就被坑了。不過好在有解決的方法，很是感謝下面這篇：

https://blog.csdn.net/qq_36556893/article/details/79433298

因而我寫了一篇詳細的關於使用CUDA9.1的tensorflow的教程：

https://blog.csdn.net/heros_never_die/article/details/79871564

更新：tensorflow的包是比較大的，安裝起來比普通的小包要慢不少，請保證程序正常運行且網絡通暢的條件下耐心等待。若是使用命令行與pip安裝的話，是能夠明確看到安裝進度的，對於安裝過程很是有疑問的能夠用這種方法。

後記

試出的迷通常其餘的坑。

若是裝了tensorflow，手賤再安裝tensorflow-gpu，默認會運行tensorflow-gpu。同窗那機子不支持CUDA，就開始報錯。而上面的安裝方法的那個列表不支持刪除。能夠打開cmd，輸入pip list，這樣能夠看到全部已經安裝的包。pip uninstall tensorflow和pip uninstall tensorflow-gpu就能夠刪除這兩個包。而後從新安裝tensorflow。

若是你的電腦是window系統且安裝了兩個python解釋器，好比3.6和2.7，那麼上面點install package的時候會出錯，並且直接在cmd裏使用pip指令也出問題，找不到資源。我老老實實的卸了2.7.

更新：在linux服務器上同時安裝了python3.6和python2.7，能夠互補影響的運行。主要緣由在於相關程序的路徑指定。那麼這樣推測，在windows上適當的修改環境變量，可使得不一樣版本的python正常工做。

關於：「Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2」的警告是說你的CPU支持AVX2指令集，能夠運行的更快，可是這個版本的tensorflow不支持，無視掉就好，或者安裝教程加入屏蔽警告的語句(每次都加多麻煩，反正這個也沒影響，我真的想快就用gpu版或者服務器了)。

更新：mind/wheels在github上有發佈支持AVX指令集的tensorflow，詳見該篇末尾：

https://blog.csdn.net/heros_never_die/article/details/79871564