一般安装步骤

  • 安装Python环境。此处建议安装 Anaconda 的Python 3.7版本（后文均以此为准），这是一个开源的Python发行版本，提供了一个完整的科学计算环境，包括NumPy、SciPy等常用科学计算库。当然，你有权选择自己喜欢的Python环境。Anaconda的安装包可在 这里 获得。

  • 使用Anaconda自带的conda包管理器建立一个Conda虚拟环境，并进入该虚拟环境。在命令行下输入：

  1. conda create --name tf2.0 python=3.7   # “tf2.0”是你建立的Conda虚拟环境的名字
  2. conda activate tf2.0                   # 进入名为“tf2.0”的虚拟环境
  • 使用Python包管理器pip安装TensorFlow。在命令行下输入：
  1. pip install tensorflow==2.0.0           # TensorFlow CPU版本

或

  1. pip install tensorflow-gpu==2.0.0       # TensorFlow GPU版本，需要具有NVIDIA显卡及正确安装驱动程序，详见后文

等待片刻即安装完毕。

小技巧

  • 也可以使用 conda install tensorflow 或者 conda install tensorflow-gpu 来安装TensorFlow，不过conda源的版本往往更新较慢，难以第一时间获得最新的TensorFlow版本；

  • 在Windows下，需要打开开始菜单中的“Anaconda Prompt”进入Anaconda的命令行环境；

  • 在国内环境下，推荐使用国内的pypi镜像和Anaconda镜像，将显著提升pip和conda的下载速度；

  • 如果对磁盘空间要求严格（比如服务器环境），可以安装 Miniconda ，仅包含Python和Conda，其他的包可自己按需安装。Miniconda的安装包可在 这里 获得。

pip和conda包管理器

pip是最为广泛使用的Python包管理器，可以帮助我们获得最新的Python包并进行管理。常用命令如下：

  1. pip install [package-name]              # 安装名为[package-name]的包
  2. pip install [package-name]==X.X         # 安装名为[package-name]的包并指定版本X.X
  3. pip install [package-name] --proxy=代理服务器IP:端口号         # 使用代理服务器安装
  4. pip install [package-name] --upgrade    # 更新名为[package-name]的包
  5. pip uninstall [package-name]            # 删除名为[package-name]的包
  6. pip list                                # 列出当前环境下已安装的所有包

conda包管理器是Anaconda自带的包管理器，可以帮助我们在conda环境下轻松地安装各种包。相较于pip而言，conda的通用性更强（不仅是Python包，其他包如CUDA Toolkit和cuDNN也可以安装），但conda源的版本更新往往较慢。常用命令如下：

  1. conda install [package-name]        # 安装名为[package-name]的包
  2. conda install [package-name]=X.X    # 安装名为[package-name]的包并指定版本X.X
  3. conda update [package-name]         # 更新名为[package-name]的包
  4. conda remove [package-name]         # 删除名为[package-name]的包
  5. conda list                          # 列出当前环境下已安装的所有包
  6. conda search [package-name]         # 列出名为[package-name]的包在conda源中的所有可用版本

conda中配置代理：在用户目录下的 .condarc 文件中添加以下内容：

  1. proxy_servers:
  2.     http: http://代理服务器IP:端口号

Conda虚拟环境

在Python开发中，很多时候我们希望每个应用有一个独立的Python环境（比如应用1需要用到TensorFlow 1.X，而应用2使用TensorFlow 2.0）。这时，Conda虚拟环境即可为一个应用创建一套“隔离”的Python运行环境。使用Python的包管理器conda即可轻松地创建Conda虚拟环境。常用命令如下：

  1. conda create --name [env-name]      # 建立名为[env-name]的Conda虚拟环境
  2. conda activate [env-name]           # 进入名为[env-name]的Conda虚拟环境
  3. conda deactivate                    # 退出当前的Conda虚拟环境
  4. conda env remove --name [env-name]  # 删除名为[env-name]的Conda虚拟环境
  5. conda env list                      # 列出所有Conda虚拟环境