pycharm配置tensorflow环境_python3.6对应的tensorflow版本

大家好，又见面了，我是你们的朋友全栈君。

说明：如果只是为了入门学习TensorFlow框架，个人觉得，没必要上来就整GPU版本（主要是那个太复杂，安装真让人劝退 ），所以本文记录的是直接在pycharm里安装tensorflow，并运行demo。

21.6月更新说明：tensorflow支持Python3.7及以上版本，但是3.7版本貌似只支持3.7.9，所以大家可以下载Python3.7.9或3.8及以上版本，注意还得是64位，其他的安装步骤类似下面的讲解

1. 安装3.5或3.6版本的python，3.7及以上的版本貌似还不支持TensorFlow，博主用的是3.6.8版本，特别注意python还要求得是64位的，否则后面安装TensorFlow会报错！
2. 安装完python后，打开pycharm——设置——项目——Project Interpreter，选择安装好的python版本，然后点加号添加库

1. 安装TensorFlow，建议用清华或者阿里云的镜像安装，大概需要5分钟，首先添加镜像路径：https://pypi.tuna.tsinghua.edu.cn/simple

1. 添加完成后，在搜索框搜索TensorFlow，点击安装（注意选择清华镜像的文件），建议不要安装最新版本，可能你的python版本不支持，装合适的或者比较新的就可以了，否则会导致后面写demo的时候import出错，最新的是2.1.0（2020.4），博主安装的是2.0.0版本。

1. 等待安装完成，就可以直接在pycharm里用TensorFlow了！！！下面是一个测试demo，会输出a+b=6

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
assert tf.__version__.startswith('2.')

# 1.创建计算图阶段
# 创建2个输入端子，指定类型和名字
a_ph = tf.placeholder(tf.float32, name='variable_a')
b_ph = tf.placeholder(tf.float32, name='variable_b')
# 创建输出端子的运算操作，并命名
c_op = tf.add(a_ph, b_ph, name='variable_c')

# 2.运行计算图阶段
# 创建运行环境
sess = tf.InteractiveSession()
# 初始化操作也需要作为操作运行
init = tf.global_variables_initializer()
sess.run(init) # 运行初始化操作，完成初始化
# 运行输出端子，需要给输入端子赋值
c_numpy = sess.run(c_op, feed_dict={ 
   a_ph: 2., b_ph: 4.})
# 运算完输出端子才能得到数值类型的c_numpy
print('a+b=', c_numpy)

下面说一点自己遇到的坑

1. 安装要求是64位的3.5或3.6版本的python，否则在上述第4步安装时，会报错找不到相应的TensorFlow版本，无法安装。
2. 上述报错找不到相应的TensorFlow版本，无法安装。也有可能是pip的版本不匹配（不过一般不会是这个问题，我的pip是18.1版本的也完全ok。）
3. 安装安成后，写入代码测试时，报错 ImportError: DLL load failed: 找不到指定的模块。 During handling of the above exception, another exception occurred: Failed to load the native TensorFlow runtime. 看了很多文章提到说要检查是否安装有MSVC2015做底层的编译器（我没有试，感觉有点复杂 ） ，我的解决方案是：分析可能是因为版本不匹配的问题，也许是你安装的python能够支持的TensorFlow版本，与你在第4步时安装的TensorFlow版本不兼容，此时只需要删除之前装好的TensorFlow，然后再按照上述步骤重新安装低版本的TensorFlow就好了！（博主开始就是安装的最新的2.1.0版本，后来改成2.0.0就没问题了！）或者相反也可以试试改变你的Python版本，应该也行。

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/174405.html原文链接：https://javaforall.cn