Window版下在Jupyter中编写TensorFlow的环境搭建

在疫情飘摇的2020年初，TensorFlow发布了2.1.0版本，本Python小白在安装过程中遇坑无数，幸得多年练就的百度功力终于解决，特记录下来以免后人跳坑。

准备工作

Python 3.6或3.7 。TensorFlow2.1.0版本将是最后一个支持Python 2的版本，但Python3.8还不支持，因此请自行从官网下载安装Python 3.6或3.7（我安装的是3.6）。

一、搭建虚拟环境（以下顺序不要乱）

virtualenv可以搭建虚拟且独立的Python环境，解决不同的工程依赖不同版本的库的问题，亦可使不同环境仅保留项目有用的库以免引发未来的依赖灾难。

1. 安装virtualenv

pip3 install virtualenv 安装virtualenv

任意目录> pip3 install virtualenv

2. 安装virtualenvwrapper

virtualenv的一个最大的缺点就是，每次开启虚拟环境要去虚拟环境所在目录下的bin目录下运行一下activate，这不仅麻烦，还需要我们记住每个虚拟环境所在的目录，which你应该记不住。这时，我们就可以使用virtualenvwrapper管理你的虚拟环境的目录，以后每次使用只需要 work on 虚拟环境名 即可。

pip3 install virtualenvwrapper-win 安装Windows版virtualenvwrapper

任意目录> pip3 install virtualenvwrapper-win

3. 创建WORKON_HOME环境变量

在我的电脑-属性-高级系统设置-环境变量-系统变量中，添加WORK_ON变量，存储你想要创建的虚拟环境的地址。

4. 创建虚拟环境

mkvirtualenv 你的虚拟环境名称 [--python=安装路径\python.exe] 会创建一个指定Python版本的虚拟环境

任意目录> mkvirtualenv v36env --python=D:\Python\Python36\python.exe

这会在我的WORKON_HOME目录创建一个v36env文件夹，使用我安装在D:\Python\Python36\目录下的3.6版本的Python

5. 使用虚拟环境

workon 命令会列出你当前的虚拟环境名称（其实列出的是WORKON_HOME目录下所有文件夹的名称）
workon 虚拟环境名称 激活虚拟环境并在虚拟环境上工作

任意目录> workon
Pass a name to activate one of the following virtualenvs:
=============================================================
v36env

任意目录> workon v36env
(v36env) 任意目录>

6. 离开、删除虚拟环境

deactivate 当虚拟环境使用完毕，用这个命令退出

(v36env) 任意目录> deactivate
任意目录>

rmvirtualenv 虚拟环境名称 删除虚拟环境（其实就是删除文件夹，你手动删除也可以）

任意目录> rmvirtualenv v36env
  Deleted D:\Python\Env\v36env
任意目录>

二、安装TensorFlow（以下顺序可以乱）

1. 在虚拟环境中安装TensorFlow

在命令行中进入你的虚拟环境所在目录（我的是D:\Python\Env），然后workon 虚拟环境激活并开始使用虚拟环境。
pip install tensorflow安装TensorFlow，这个过程比较漫长。

如果你还需要其他数据分析相关的库，比如pandas，matplotlib，也需要在虚拟环境中安装

D:\Python\Env>workon v36env
(v36env) D:\Python\Env> pip install tensorflow

2. 确保你安装了VC++2015

TensorFlow是基于VC++2015开发的，所以需要下载安装 Microsoft Visual C++ Redistributable for Visual Studio 2015, 2017 and 2019 来获取MSVCP140.DLL的支持。安装方法很简单，点击上面链接在官网下载安装即可。

3. 安装CUDA和CUDNN

TensorFlow 2.1.0 现在默认包括针对 Linux 和 Windows 的 GPU 支持，因此需要安装NVIDIA CUDA Toolkit和对应版本的NVIDIA CUDA Deep Neural Network library (cuDNN) 。我安装的是10.1版本，现在已经有10.2版本了。下载cuDNN的时候需要免费注册NVIDIA账号，当然如果你是像我一样吃鸡的小伙伴对显卡有稍高需求，那你八成已经有这个帐号了。
顺便吐槽一下NVIDIA账号什么都没有，还非要密码包含大小写加符号，我三次输入错误后账号被锁，想通过contact us解锁却发现给客服发邮件需要先登录 >_<

4. 检验TensorFlow是否安装成功

在虚拟环境中，运行import tensorflow，如果没有报错，恭喜你，你成功了一大半了！如果报错了，那也恭喜你，你发现了我还没发现的坑，请你稳住心态，移步百度。

(v36env) D:\Python\Env\v36env> python
Python 3.6.8 (tags/v3.6.8:3c6b436a57, Dec 24 2018, 00:16:47) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
2020-04-08 21:05:37.219916: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_101.dll
>>>

三、在Jupyter中编写TensorFlow代码

别问我为啥要在Jupyter Notebook中编写TensorFlow，人家还是小白~

1. 安装ipykernel

pip install ipykernel 在刚刚你的虚拟环境中，安装ipykernel

(v36env) D:\Python\Env\v36env> pip install ipykernel

2. 在Jupyter中添加虚拟环境

python -m ipykernel --user --name 虚拟环境名 [--display-name Jupyter中要显示的名字]

(v36env) D:\Python\Env> python -m ipykernel --user --name v36env
(v36env) D:\Python\Env> jupyter notebook

打开后Jupyter Notebook后，就可以在Kernel-Change kernel中看到刚刚添加的虚拟环境了，我的是v36env。当你选择该虚拟环境后，右上角应该显示为可信的（而不是挂掉了）。

3. 在Jupyter中编写TensorFlow

来了老铁！
现在你可以在cell里输入import tensorflow并运行一下，如果没有报错，那么恭喜你终于成功的搭建好了编程环境，可以开始编写TensorFlow代码了！

到此这篇关于Window版下在Jupyter中编写TensorFlow的环境搭建 的文章就介绍到这了,更多相关TensorFlow环境搭建 内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论