配置 TensorFlow (CPU/GPU) 的软件环境

配置 TensorFlow(CPU/GPU) 的软件环境

引言

本教程以 Windows 10 为例，从什么都没装开始，介绍了如何配置好 TensorFlow 1.15.0 软件环境的方法。如果你的系统是 macOS 或者 Linux，部分步骤可能略有不同但是大同小异。
配置完成后，能够使用该版本的 TensorFlow 和相关依赖包，在较少出现版本问题的前提下，复现互联网上大部分相关的教程和开源代码。

目录

1. 安装 VS Code
2. 安装 Anaconda
3. 安装 TensorFlow
4. 安装其它可选包
5. 后续的使用方法

1. 安装 VS Code

VS Code 是一款现代化的代码编辑器，功能强大，体积轻量，外观好看。经过配置，可作为几乎任何语言的开发环境。

如已安装请跳至 第2节

在 VS Code 官网 根据你的系统，下载安装包，打开，根据安装包说明进行安装。
安装完成后，默认为英文界面，如需更改为中文请点击左侧 Extensions 按钮，搜索 Chinese，安装简体中文插件，然后重新打开 VS Code 即可。

2. 安装 Anaconda

Anaconda 是一款包管理器，借助它，你可以更容易地配置和管理 Python 或 R 的依赖包，并且可以分别创建和管理多个虚拟环境，以实现多种环境共存。

如已安装请跳至 第3节

2.1 安装

Anaconda 的最新版本可在 官网 下载，但是某些后续需要用到的包可能对最新版本的 Python 适配不佳，所以更推荐安装 Python 默认版本为 3.6 的 Anaconda3-5.2.0。当然，在较新版本的 Anaconda 中创建 Python 3.6 的虚拟环境也是可以的。

Anaconda3-5.2.0 安装包的下载链接：

• Windows：Anaconda3-5.2.0-Windows-x86_64.exe (631.3 MiB)
• macOS：Anaconda3-5.2.0-MacOSX-x86_64.pkg (613.1 MiB)
• 其它版本可见：Anaconda installer archive

下载完成后，打开安装包，根据安装包说明进行安装。
安装完成后，Windows 用户在开始菜单中找到 Anaconda Prompt 并打开，其它系统的用户直接打开终端，即可进入命令行开始使用 Anaconda，输入 conda -V 能显示版本号即说明安装正常。

2.2 更改下载源

要注意的是，在国内访问 conda 默认的下载源速度较慢，我们可以通过设置更改镜像源，从国内镜像站点下载，提高下载速度。

在 conda 命令行输入

conda config --set show_channel_urls yes

然后，打开你的用户目录（Windows 10 用户为 C:/Users/你的用户名/，Linux 和 macOS 用户为 ~/），会发现用户目录下有一个 .condarc 文件，打开它，以 清华源 为例，将内容更改为

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

保存，即完成，可以通过清华镜像站来加速下载相关文件。

2.3 在 VS Code 中配置基于 Anaconda 的 Python 运行环境

打开 VS Code 的扩展页面，依次搜索并安装两个扩展包：

• Code Runner
• Python

然后打开任意一个 .py 文件，右键代码编辑区域，选择 在终端中运行 Python 文件，第一次运行会在右下角弹窗提示设置 Python 路径，根据提示设置完成后再次点击运行，即可在 VS Code 中运行你的 Python 程序。

3. 安装 TensorFlow

TensorFlow 是谷歌主导开发的开源机器学习框架，提供了许多封装好的代码，能够使开发者更为容易地进行机器学习相关程序的开发。
TensorFlow 分为 CPU 版本和 GPU 版本，如果你的电脑装有 860m、950m、1050mq 或更高的 NVIDIA 显卡，且操作系统为 Windows 或 Linux，可尝试安装 GPU 版本以获得更快的运算速度。

在 Anaconda 中，创建一个名为 tfconda 的环境，Python 版本限定为 3.6

conda create -n tfconda python=3.6  # "tfconda"是个自定义的名字，可以改

进入名为tfconda的环境

activate tfconda  # "tfconda"是个自定义的名字，上一步怎样命名这一步就填什么

根据你的需求，选择下列两者之一：

• 安装 CPU 版 TensorFlow，版本限定为1.15

  conda install tensorflow=1.15  # 这个装的是 CPU 版本

• 安装 GPU 版 TensorFlow，版本限定为1.15
  先更新 NVIDIA 显卡驱动至较新的版本，然后

  conda install tensorflow-gpu=1.15  # 这个装的是 GPU 版本

安装完成后，创建一个 .py 文件，填入以下内容

import tensorflow as tf
hello = tf.constant('hello,tensorflow')
sess = tf.Session()
print(sess.run(hello))

在 VS Code 中使用新创建的环境运行该文件，如果能够成功看到终端中打印了"hello,tensorflow"，即说明安装成功。

（图片为 GPU 版的测试效果，CPU 版也能正常看到打印的"hello,tensorflow"，但不会显示这么多和显卡相关的提示）

4. 安装其它可选包

以进行图像分类任务为例，接下来还需安装以下软件包，才可最终正常运行相关的示例代码。

进入刚才安装好 TensorFlow 的 conda 环境，然后一条一条输入下列指令，分别安装各个包。

conda install jupyter notebook

conda install numpy

conda install matplotlib

conda install pillow

conda install opencv

conda install pandas

5. 后续的使用方法

• 在命令行中使用该环境
  仅需在运行前输入 activate tfconda 激活该环境即可。

• 在 VS Code 中使用该环境
  点击 VS Code 左下角的 Python 解释器名称，然后在弹出的框中选择你刚才配置好的 tfconda 环境即可。

  

• 在 Jupyter 中使用该环境
  在命令行中先输入 activate tfconda 激活该环境，再启动 Jupyter 即可。