TensorFlow本地安装教程

tensorflow离线安装教程

下载所需文件

所有下面提到的安装文件,我都保存到了百度云.
链接: https://pan.baidu.com/s/1J0pi--er34a7GwNhun51IQ 提取码: yw7g

卸载原来的anaconda

如果电脑没有安装anaconda,或者你的anaconda的版本低于5.2.最好卸载重装!!!

由于原先的anaconda版本为4.4.0,是2017年的发行版,想要离线安装最新的TensorFlow-1.10太麻烦了,所以我们卸载该版本,安装最新的5.2.0

你的C:\Users目录下面可能不是username(这里拿username举例子),相应的进入你自己用户名下面那个目录即可.

首先,进入C:\Users\username\Anaconda3目录,拖到目录的最下面,找到Uninstall-Anaconda3.exe文件,双击该文件。然后点击Next,再点击Uninstall即可

image.png
image.png

安装最新的Anaconda3

双击Anaconda3-5.2.0-Windows-x86_64.exe安装即可,一路next,按照默认设置一路安装即可,确认是安装在C:\Users\username\Anaconda3文件夹.

注:这里默认应该是装在你的用户目录下,路径为C:\Users\你的用户名\Anaconda3

设置环境变量

1. 打开文件管理器,点击此电脑,然后鼠标右键点击页面空白处,弹出一个窗口,点击属性,如下图所示.

2. 点击页面右边功能栏的高级系统设置,如下图所示.

3.在弹出的系统属性框中,点击右下角的环境变量,如下图所示.

4. 在弹出的环境变量框中,选中用户变量中的Path,然后点击编辑,如下图所示.

5. 输入下面的环境变量.我的C:\Users,目录下的用户名是username,你需要将下面这条命令里面所有的username替换成你自己电脑的用户名.然后粘贴到打开的path编辑框的最后面.请注意,开始的;不能丢.要不然设置不生效!!!!

;C:\Users\username\Anaconda3;C:\Users\username\Anaconda3\Scripts;C:\Users\username\Anaconda3\Lib\site-packages;C:\Users\username\Anaconda3\Lib;C:\Users\username\Anaconda3\Library;

设置完成之后,点击确定,所有的弹出框,均点击确定,关闭之后,anaconda的环境变量就设置好了!!!

验证环境变量

安装完成之后,进入cmd,验证conda,pip和python是否都可以用.

  1. 验证conda
conda -V
  1. 验证pip
pip -V
  1. 验证python
python -V

安装tensorflow

在压缩包里面,我把离线安装tensorflow需要用到的模块都已经下好了,接下来按照我的教程安装就好.

** 注意:一定要严格按照我的教程里面的安装顺序!!!**

注:以下所有的pip install命令后面接的路径,都可以通过鼠标右键文件名-属性-安全-对象名称获取,如下图所示.以第一个ipykernel为例子,ipykernel-4.9.0-py3-none-any.whl替换为相应的对象名称获取的路径即可!

image.png

安装msgpack

pip install msgpack-0.5.6-cp36-cp36m-win_amd64.whl

安装ipykernel

pip install ipykernel-4.9.0-py3-none-any.whl

安装protobuf

pip install protobuf-3.6.1-cp36-cp36m-win_amd64.whl

安装Markdown

pip install Markdown-2.6.11-py2.py3-none-any.whl

安装tensorboard

pip install tensorboard-1.10.0-py3-none-any.whl

安装grpcio

pip install grpcio-1.14.2-cp36-cp36m-win_amd64.whl

安装absl-py

pip install absl-py-0.4.1.tar.gz

安装astor

pip install astor-0.7.1-py2.py3-none-any.whl

安装termcolor

pip install termcolor-1.1.0.tar.gz

安装tensorflow

pip install tensorflow-1.10.0-cp36-cp36m-win_amd64.whl

如果有需要安装xgboost,lightgbm的话,请继续安装以下模块.
安装xgboost

pip install xgboost-0.80-py2.py3-none-win_amd64.whl

安装lightgbm

pip install lightgbm-2.1.2-py2.py3-none-win_amd64.whl

安装gbdt

pip install gbdt-0.3.1.2.tar.gz

验证Tensorflow

启动终端。

如果您是通过 Anaconda 进行安装,请激活您的 Anaconda 环境。

从 cmd中调用 Python,输入python,如下所示:

在 Python 交互式 shell 中输入以下几行简短的程序代码:

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

如果系统输出以下内容,说明您可以开始编写 TensorFlow 程序了:

Hello, TensorFlow!
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,569评论 4 363
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,499评论 1 294
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 109,271评论 0 244
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,087评论 0 209
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,474评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,670评论 1 222
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,911评论 2 313
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,636评论 0 202
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,397评论 1 246
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,607评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,093评论 1 261
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,418评论 2 254
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,074评论 3 237
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,092评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,865评论 0 196
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,726评论 2 276
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,627评论 2 270

推荐阅读更多精彩内容