tensorflow与python版本的对应关系 tensorflow和python

安装 Python 和 TensorFlow2.0

• 1.1 Python 安装

• 1.1.1 Anaconda 的下载与安装
• 1.1.2 Python 编程平台 PyCharm 下载

• 1.2 TensorFlow2.0 安装

• 1.2.1 CPU 版本 TensorFlow2.0 安装
• 1.2.2 GPU 版本 TensorFlow2.0 安装

• 1.3 小结

Python 作为一个简单易用的编程语言，相比于同样用于科学计算的 MATLAB 来说， Python 不仅完全开源免费，而且运行速度也快不少。其次大量可调用的第三方库使得 Python 的功能异常强大，相关 AI 研究人员可用最简洁的语句将自己的想法转化为可运行的计算机代码。正是由于上述的种种优点，在人工智能以及大数据时代，使得 Python 成为了最适合的人工智能开发的编程语言。

TensorFlow 是谷歌在 2015 年推出的一款完全开源的深度学习框架。作为最主流的深度学习框架， TensorFlow 发行至今的三年内，引领了深度学习和人工智能领域的全面发展。不需要深厚的编程功底，仅仅记住和理解一些固定的用法，即可开发新的 AI 程序。正是由于它的简便易行以及强大的深度学习计算能力，TensorFlow 被一些大厂指定为深度学习项目的开发语言。

本博客的目的是手把手教会如何安装 Python 以及 2019 年谷歌最新推出的神经网络框架。

1.1 Python 安装

和以往的 Python 编程书籍不同，在深度学习中使用的 Python 一般不推荐直接从 Python 的官方网站进行下载。这是由于深度学习框架的安装会用到很多 Python 科学计算类库，没有这些库将会导致深度学习框架安装失败，而直接从官方网站上下载的 Python 需要手动安装这些第三方类库，对于新手小白来说不太友好。故一般主流的安装策略是推荐下载 Anaconda。Anaconda 的作用是它里面集成了许多关于 Python 科学计算的第三方库，安装较为方便。只要安装了 Ananonda 就自带了 Python 的解释器以及大量第三方库。

1.1.1 Anaconda 的下载与安装

Anaconda官方的下载地址是 :https://www.anaconda.com/distrib%20ution/#download-section，其页面如下图所示。

截止到 2020 年 3 月 20 日，官方最新提供了集成 Python 3.7 的 Anaconda 下载。值得注意的是，由于2019年新推出的 TensorFlow 2.0 框架只能在Python 3.5-3.8 的版本中运行，故请下载Python 3 的对应版本。同时注意自己的电脑版本是 32 位还是 64 位。

由于 Anaconda 是国外的网站，直接从国外的网站上下载速度可能会比较慢。如果出现下载速度较慢的情况，读者可以选择使用 Anaconda 的镜像网站进行下载可用的镜像网站为：https://repo.continuum.io/archive/，在所有安装列表中选择适合自身电脑的 Anaconda 3 进行下载就可以了。

我的 Windows 版本为64位，因此选择上面安装列表中的Anaconda3-2020.02-Windowsx86_64.exe 安装文件进行下载。下载完毕之后即可进入 Anaconda 软件安装过程，在安装过程中需要注意的是需要在高级选项中选择将 Anaconda 添加进系统路径环境变量以及将其作为默认的 Python 3.7。

如上图所示。若此时未进行勾选需要手动设置路径环境变量否者将无法使用 cmd 控制台中的有关命令。接下来我们打开 Windows 的 cmd 控制台输入：conda –version 可以检测 Anaconda 环境是否安装成功。若安装成功则会返回 Anaconda 的版本号。如果没有安装成功则会显示没有这个指令，这说明之前没有勾选环境变量这一选项，需要手动进行设置。

C:\Users189>conda --version
conda 4.8.2

1.1.2 Python 编程平台 PyCharm 下载

通过上述的操作，我们已经完成了带有第三方科学计算库 Python 的安装过程。我们已经可以创建一个后缀为 .py 的文件编写可以运行的简单程序了。但是对于一个较为复杂的程序项目来说，一个好的编程平台可以极大地辅助大家的编程。而 PyCharm 自诩作为 Python 最好的编程平台之一成为了我们不二的选择。

我们可以直接从 PyCharm 的官方网站： https://www.jetbrains.co m/pycharm/download/#section=windows，下载到最新版的PyCharm，如下图所示。建议读者直接下载免费的社区版，社区版的功能已经足够我们目前的使用了。（专业版多了远程调试功能对于使用云计算挺方便的）

由于是国外的资源且没有镜像网站，故下载速度会非常慢，但为了最好的 Python 编程平台只有耐心等待啦。

PyCharm配置选择：1.创建桌面快捷方式，根据自己电脑版本选择；2.更新环境变量，可不勾选；3.更新上下文菜单，可不勾选；4.创建关联.py文件，即 .py 文件默认用 PyCharm打开，勾选；5.从国外网站下载安装，不勾选。在安装过程中的 PyCharm 的配置问题参见图1.6中的进行勾选。其余步骤按默认设置点击 next 即可完成对于 PyCharm 的安装。PyCharm 安装完成之后会自动在桌面上创建 PyCharm 图标。第一次进入 PyCharm 是会进行设置从哪里导入 PyCharm，直接选择第二个 Do not import settings 之后点击 OK 。对于第一次安装和使用 PyCharm 的小白来说，其余步骤按推荐点击 OK，可实现 PyCharm 界面 的默认设置。

以上便完成了 PyCharm 的安装与配置。我们在上图的的初始界面中点击 Create New Project 创建一个新的程序项目 test，并设置项目的位置和 Python 解释器，如图 1.8。项目位置可以根据读者自己的喜好进行设置，点击 Project Interpreter New Conda environment 可向下展开进行设置 Python 解释器。推荐选择 Conda 即为此前安装的 Anaconda。最后点击 Create 创建项目并进入项目编辑界面。

新创建的项目中什么文件也没有，此时可以使用鼠标右键点击左方的项目名称，如下图所示，输入对应的文件名（这里我们使用 test 作为文件名，可自行命名），再点击键盘上的 Enter 即可创建一个新的 .py 文件。在个 test.py 文件中我们可以输入一些 Python 的代码来运行。

按照学习一门语言的惯例，对于一个新的语言我们开始的第一个程序总是让程序输出 hello world。于是我们输入如下所示的代码，我们可以看到 python 代码十分简洁仅仅一行就达到了我们的目的。

print("hello world")

Python 程序代码写完之后，紧接着就是如何运行代码了。一般推荐是使用菜单栏中 Run 列表下的 run 进行运行，但是这种运行方式对于新手来说十分不友好，只会输出程序的运行结果。这里推荐通过 Ctrl+A 全选所有代码，再 Crtl+C 复制所有代码，下面点击 PyCharm 下方的 Python Console ，在这里面将所有代码用 Ctrl+V 复制进来，最后敲击键盘上的 Enter输出结果。如下图所示，可以看到此时不仅输出了结果，而且在右边 PyCharm 会自动给出程序中运行的所有变量，方便初学者了解这个程序在运行过程中发生了什么。（只不过 Hello World程序中没有自定义的变量所以右边只有 Python 内部自带的变量 Special Variables）且这种交互式的方式也更像是与自己的电脑进行对话，而不仅仅是电脑对于代码的执行最终输出结果。

1.2 TensorFlow2.0 安装

当 TensorFlow 2.0 的基础 Python 安装完成之后，我们可以开始 TensorFlow 2.0 的安装了。TensorFlow 2.0 一共分为 CPU 和 GPU 两个版本。相较于 GPU 版本的 TensorFlow 来说，CPU 版本在运行速度方面存在着极大的劣势。开发大型 AI 项目推荐使用 GPU 版本（需要电脑配置 GPU 显卡），但若只是作为开始深度学习的开始，从 CPU 版本了解 TensorFlow 2.0 的所有用法也是完全可行的。

1.2.1 CPU 版本 TensorFlow2.0 安装

CPU版本TensorFlow2.0安装较为简单，首先我们在cmd控制台中输入一个错误的指令 pip install tensorflow==3.0，由于目前 TensorFlow 最新只有 2.0 版本， 所以这个命令将找不到 3.0 的版本。但是它会查找目前所有可下载的 TensorFlow 的版本并告诉你，如下所示

C:\Users189>pip install tensorflow==3.0
ERROR: Could not find a version that satisfies the requirement tensorflow==3.0 (from versions: 1.13.0rc1, 1.13.0rc2, 1.13.1, 1.13.2, 1.14.0rc0, 1.140rc1, 1.14.0, 1.15.0rc0, 1.15.0rc1, 1.15.0rc3, 1.15.0, 1.15.2, 2.0.0a0, 2.0.0b0, 2.0.0b1, 2.0.0rc0, 2.0.0rc1, 2.0.0rc2, 2.0.0, 2.0.1, 2.1.0rc0, 2.1.0rc2, 2.1.0, 2.2.0rc0, 2.2.0rc1)

C:\Users189>

我们直接选择最后一个最新的版本2.20rc1进行安装。安装TensorFlow2.20rc1 输入的命令如下所示

C:\Users189>pip install tensorflow==2.2.0rc1 -i https://pypi.tuna.tsinghua.edu.cn/simple

可以看到相比于之前的命令，安装命令中多出了 -i https://pypi.tuna.tsinghua.edu.cn/simple 一部分，主要是因为 Python 自带 pip 的默认安装方式是从国外的网站下载，下载速度较慢而且容易中断。上面命令是指定从国内的清华 pip 源下载，下载速度会快的多。

1.2.2 GPU 版本 TensorFlow2.0 安装

GPU 版本的 TensorFlow 2.0 安装和上述过程相似，差别在于安装之前需要 对显卡进行配置，一般 NVIDA 系列的显卡需要下载 NVIDA 提供的两个运行库 CUDA 和 CUDNN 作为运行基础。CUDA 的下载地址为： https://develo per.nvidia.com/cuda-downloads?target_os=Windows&target_arch =x86_64&target_version=10&target_type=exelocal 下载界面如下图所示，点击下方 Download 即可下载最新的 CUDA 10.2 版本。

下载完成后，按默认设置安装即可，不要修改其中的路径信息（之后需要这些路径信息，改变之后文件路径可能会找不到)下面是安装对应的 CUDNN 文件，CUDNN的下载地址为：https://de veloper.nvidia.com/cudnn，CUDNN 的下载需要先注册一个账户才能进入下载界面，如下图所示。

一定要下载和 CUDA 版本以及自己电脑版本对应的 CUDNN 的版本，版本不对应将会导致无法使用。此前下载的 CUDA 的版本为 10.2 而笔者的电脑为 Windows 10，故应该选择与之对应 CUDNN v7.6.5的Windows 10 版本。下载得到的 CUDNN 为一个压缩包，直接将其解压到此前 CUDA 的安装目录即可。若此前为默认设置安装，则安装目录为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2，如下图所示。

完成了 CUDA 以及 CUDNN 库的下载和安装之后，接下来是对环境变量的设置。点击进入我的电脑（Windows 10为此电脑），在左侧目录中用鼠标右键点击此电脑并选择属性，接着在进入的页面中点击高级系统设置即可找到环境变量，最后点击环境变量，找到环境变量中的 Path 选择编辑即可。

如果此前安装 CUDA 时勾选了添加环境变量，那么只需要添加 C:\Program Files\NVIDIAGPUComputingToolkit\CUDA\v10.2\cudnn765\bin。如果没有，按照上图将其中前三行的路径添加到环境变量中即可。

通过上面复杂的操作终于将GPU的前置软件安装完了。最后TensorFlow2.0 GPU 版本的安装和此前 CPU 版本的安装类似。在 cmd 控制台中输入如下所示的一行代码即可。

C:\Users189>pip install tensorflow-gpu==2.2.0rc1 -i https://pypi.tuna.tsinghua.edu.cn/simple

下面我们来检测一下 GPU 版本的 TensorFlow 是否安装成功。我们打开之前安装的 PyCharm ，它会自动进入上一次创建的项目也就是 test 项目，接着我们在test.py中输入以下代码，并按此前的方法将其转移到 Python Console 中 进行运行。

import tensorflow as tf # 导入 tensorflow
tf.test.is_gpu_available() # 测试 GPU是否可用

如果按照以上的步骤安装，那么将会返回 True 显示已经安装成功。但如果 TensorFlow 安装的是以前的版本，在寻找 CUDA 库时会默认寻找 cudart64_101.dll。但是在 CUDA 10.2 版本的安装目录中这个文件的名称从 cudart64 101.dll 改为了 cudart64 102.dll 只要将目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin中的文件 cudart64 102.dll 重新命名为 cudart64_101.dll 在此运行代码即可显示已安装成功。（若仍未安装成功需要回去检查环境变量是否添加完全）下面是第一次的 GPU 测试结果，显示找不到 cudart64_101.dll 文件

修改了文件名后，如下图所示，点击 PyCharm 中 Python Console 左侧的 return 重新启动 Python Console，再次将上述代码复制进 Python Console 运行， 可以看到程序最后输出了 True 表明 GPU 版本的 TensorFlow 已经安装成功。

1.3 小结

我们学习了如何安装 Python、PyCharm 以及 TensorFlow 2.0。对于 Python 来说，如果我们熟知一些 Python 的程序语句，我们已经可以写一些很棒的小程序来运行了。

在后续的博客中，我将逐步更新一些关于 TensorFlow 的相关内容。