Ubuntu Anaconda tensorflow install_ubuntu anaconda3 tensorflow-cpu == 2.3.0-程序员宅基地

本文为Ubuntu系统Anaconda3-5.2.0 Python3.6.5的tensorflow1.12.0安装教程

指定版本安装

pip安装

pip install --upgrade pip

Then

python -m pip install tensorflow-cpu==2.3.0 -i https://pypi.douban.com/simple/

在这里插入图片描述
结果

conda 安装

首先查看python版本

python --version

搭建tensorflow环境

conda create -n tensorflow python=3.6.5

查看新建的环境

conda env list

在这里插入图片描述
激活新建的环境

source activate tensorflow

然后，选择pip或者conda安装tensorflow, 依据操作系统，Python版本，CPU版本还是CPU+GPU版本，选择合适的语句（下面的网站很慢，推荐国内镜像）

Ubuntu/Linux 64-bit, CPU only, Python 2.7
(tensorflow1)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.10.0-cp27-none-linux_x86_64.whl
 
Ubuntu/Linux 64-bit, GPU enabled, Python 2.7
Requires CUDA toolkit 7.5 and CuDNN v5. For other versions, see "Install from sources" below.
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.10.0-cp27-none-linux_x86_64.whl
 
Mac OS X, CPU only, Python 2.7:
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.10.0-py2-none-any.whl
 
Mac OS X, GPU enabled, Python 2.7:
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow-0.10.0-py2-none-any.whl
 
Ubuntu/Linux 64-bit, CPU only, Python 3.4
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.10.0-cp34-cp34m-linux_x86_64.whl
 
Ubuntu/Linux 64-bit, GPU enabled, Python 3.4
Requires CUDA toolkit 7.5 and CuDNN v5. For other versions, see "Install from sources" below.
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.10.0-cp34-cp34m-linux_x86_64.whl
 
Ubuntu/Linux 64-bit, CPU only, Python 3.5
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.10.0-cp35-cp35m-linux_x86_64.whl
 
Ubuntu/Linux 64-bit, GPU enabled, Python 3.5
Requires CUDA toolkit 7.5 and CuDNN v5. For other versions, see "Install from sources" below.
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.10.0-cp35-cp35m-linux_x86_64.whl
 
Mac OS X, CPU only, Python 3.4 or 3.5:
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.10.0-py3-none-any.whl
 
Mac OS X, GPU enabled, Python 3.4 or 3.5:
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow-0.10.0-py3-none-any.whl

或者选择下面的代码

python -m pip install --upgrade wheel-URL

pick wheel-URL from below:

For Windows:

Python 3.6 CPU-only >> https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.12.0-cp36-cp36m-win_amd64.whl

Python 3.6 GPU support >> https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl

For Linux:

Python 2.7 CPU-only >> https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.12.0-cp27-none-linux_x86_64.whl

Python 2.7 GPU support >> https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.12.0-cp27-none-linux_x86_64.whl

Python 3.6 CPU-only >> https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.12.0-cp36-cp36m-linux_x86_64.whl

Python 3.6 GPU support >> https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.12.0-cp36-cp36m-linux_x86_64.whl

macOS (CPU-only)

Python 2.7 >> https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.12.0-py2-none-any.whl

Python 3.4, 3.5, 3.6 >> https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.12.0-py3-none-any.whl

本次输入代码

export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.12.0-cp36-cp36m-linux_x86_64.whl

在这里插入图片描述
不输入上面这行无法使用pip3
然后输入

Python 2
(tensorflow)$ pip install --ignore-installed --upgrade $TF_BINARY_URL
 
Python 3
(tensorflow)$ pip3 install --ignore-installed --upgrade $TF_BINARY_URL

在这里插入图片描述
会因为网络原因报错很正常，重新输入指令即可

通过以下指令查看是否成功安装，下图最后一行

conda list

在这里插入图片描述
检测

在本次安装中spyder界面无法打开，终端输入：

pip install spyder==*

查看支持的版本
在这里插入图片描述
spyder 4.0.0后面对应的应该是python3.7
选择3.3.6

pip install spyder==* -i https://pypi.douban.com/simple/

结果
在这里插入图片描述

本文链接：https://blog.csdn.net/weixin_41829883/article/details/123407190

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

【WSN定位】基于chan算法和克美拉罗界算法实现无线传感器定位及误差对比附matlab代码_克拉美罗界matlab仿真-程序员宅基地

文章浏览阅读839次。1 简介无线定位技术是近年来十分热门的研究课题,它的基本原理是通过测量移动台和各固定位置节点之间的传播信号的特征参数(如到达角、传播时间或时间差、电波场强等)来估算出移动台的几何位置。无线传感器网络(WSN)由检测网络内大量微型传感器节点组成,它在实现运动目标的跟踪定位方面具有不可比拟的优势。无线传感器网络内应用基于到达时间差(TDOA)的定位方法对移动物体的定位,是应现代军事和民用的需求而发展起来的一门新兴技术。目前,国内外很多学者专注于无线传感器网络定位算法研究,涌现出了许多高质量的理论成果。无线._克拉美罗界matlab仿真

告别iOS审核被拒，提升iOS审核通过率_ios abm 审核会容易点吗-程序员宅基地

文章浏览阅读264次。iOS审核一直是每款移动产品上架苹果商店时面对的一座大山，每次提审都像是一次漫长而又悲壮的旅行，经常被苹果拒之门外，无比煎熬。那么问题来了，我们有没有什么办法准确把握苹果审核准则，从而提升审核的通过率呢？答案是肯定的，腾讯预审团队从以下两方面做了探索，经过近一年的推行和数据监控， iOS审核月通过率从过往的35%提升到85%+：1、分析过往提审被拒的案例，并结合《苹果应用商店审核指南》的条款，整理成可执行的审查条目；2、抽离出可以自动化的方法，提升审核的效率；接下来我们将带你一起走进苹果审核，揭秘iO_ios abm 审核会容易点吗

iview自定义table表头_iview自定义表头-程序员宅基地

文章浏览阅读2.6k次，点赞6次，收藏4次。通过renderHeader方法可以自定义表头样式，事件等等table表头增加气泡提示{ //空着/注释都可以 //title: '标题', key: 'mealAllowance', sortable: true, align:'center', width: 100, renderHeader(h, params) { return h('tooltip', { props: { transfer: true, placement: 'top', _iview自定义表头

display:block详解_display: block;-程序员宅基地

文章浏览阅读10w+次，点赞156次，收藏546次。1、每一个元素都有默认的display属性值，比如div元素，它的默认display属性值为“block”，成为“块级”元素(block-level)；而span元素的默认display属性值为“inline”，称为“行内”元素。2、块级元素：占据一定矩形空间，可以通过设置高度、宽度、内外边距等属性，来调整的这个矩形；行内元素：自己的独立空间，它是依附于_display: block;

亲身经历，大龄程序员找工作，为什么这么难！_程序员在哪些月份不好找工作-程序员宅基地

文章浏览阅读447次。同时，作为技术部门领导，我是不介意年龄比我大，能力比我强的人加入的，只要能把事做好，这都不是事。因此，也就有了筛选的资格，比如必须985名校毕业，必须35岁以下，不能5年3跳，必须这个……那就是大家自己的事了。做开发感觉不是非常得心应手，也没有能力坐上管理的岗位，感觉做程序员迟早是要转行的，不如越早越好，时间成本没那么大，目前考虑转行，但又不知道自己能干什么。Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。_程序员在哪些月份不好找工作

NetFilter-程序员宅基地

文章浏览阅读57次。NetFilter 1,NetFilter IpTables防火墙应用程序,linux中实现包过滤功能的第四代应用程序,包含在linux2.4.X及以后的内核中,实现防火墙,NAT,数据包分割,NetFilter工作在内核内部,IpTables是让用户定义规则集的表结构;NetFilter IpTables是从IpChains和IpWadf..._netfilter改tcp包增加包长