可以做网站的电脑软件,百度推广费用多少,站长工具seo优化系统,汕头网站建设推广费用目录
人工智能的三次浪潮
开发环境介绍
Anaconda
Anaconda的下载和安装
下载说明
安装指导
模块介绍
使用Anaconda Navigator
Home界面介绍
Environment界面介绍
使用Jupter Notebook
打开Jupter Notebook 配置默认目录 新建文件
两种输入模式
Conda 虚拟环境 添…目录
人工智能的三次浪潮
开发环境介绍
Anaconda
Anaconda的下载和安装
下载说明
安装指导
模块介绍
使用Anaconda Navigator
Home界面介绍
Environment界面介绍
使用Jupter Notebook
打开Jupter Notebook 配置默认目录 新建文件
两种输入模式
Conda 虚拟环境 添加扩展包
运行终端命令
使用内置命令
Tensorflow
命令行安装Tensorflow
图形化界面安装Tensorflow 本文章将深入探讨人工智能发展历程,逐步延申到学习路径,再到动手搭建深度学习环境,逐渐进入人工智能的开发者世界.
人工智能的三次浪潮 在计算机出现之前人们就幻想着制造出一种机器可以实现人类的思维帮助人们解决问题甚至比人类有更高的智力。 1936年图灵的论文《论可计算数及其在判定性问题上的应用》奠定了计算机科学理论和实践的基础也把关于机器智能的哲学思考向前推进了一大步。电子数字计算机的出现为人工智能提供了媒介和基础系统论、控制论和信息论的发展进一步推动了人们探索机器智能的热情。 1950年图灵在论文《计算机与智能》中提出了“图灵测试”成为了判断机器是否具备人类智能的准则。 1956年在Dartmonth学院召开的夏季研讨会上人工智能这个词第一次被提了出来标志着人工智能作为一门新兴学科正式诞生。由于人工智能研究内容的广泛性因此对人工智能的定义一直存在争议目前业界比较认可的定义来自人工智能的经典著作《人工智能——一种现代的方法》在这本书中将人工智能定义为是能够感知环境并未获得最佳结果采取理性行为的智能体。要注意的是人工智能并不是要复制人类大脑而是通过探索人的感觉、思维规律来模拟人的智能活动从而达到对等的结果他的目标是希望计算机拥有像人一样的智力能力可以代替人类实现认知、分类和决策等多种功能。人工智能是一门融合了计算机科学、数学、生物学、脑神经科学、心理学和哲学等多种学科的综合性学科。人工智能的发展历程并非是一帆风顺的可谓一波三折。在人工智能学科诞生之后很多科学家对人工智能的预测非常的乐观甚至认为20年内就会出现完全智能的机器。就这样人工智能迎来了第一次研究热潮。 在20世纪50年代到60年代人们认为如果能够赋予机器逻辑推理的能力机器就具有智能。在这个阶段的研究处于推理期核心是逻辑主义逻辑主义就是用机器证明的方法去证明和推理一些知识例如用机器证明一个数学定理要证明这些问题就需要把原来的条件和定义变成逻辑表达式的形式然后用逻辑的方法去证明最后的结论是对的还是错的定理证明是人工智能的第一波浪潮中实现效果最好的。 1963年数学家罗素的数学名著《数学原理》的第二章中全部52条数学定理被计算机程序自动的证明出来人工智能达到了第一次研究浪潮的巅峰在此期间还出现了第一个自然语言处理程序、第一个人形机器人等等但是由于科学家们一开始的预测过于乐观后续的研究成果和之前人们对人工智能的期望之间产生了巨大的反差导致公众的热情和投资消减。 70年代中期人工智能步入第一次寒冬。人们逐渐认识到人工智能真正的挑战在于去解决那些对人来说很容易执行但却很难形式化的描述出来的任务比如聊天、识别图像等等这时候人们又想到人类之所以能够得到正确的判断和决策除了具有逻辑推理能力之外还需要有相关的知识。于是对人工智能的研究开始进入了知识期诞生了大量的专家系统例如医学专家系统、工程专家系统等等。在这些系统中人们将知识整理为计算机能够识别的规则作为专家知识输入给计算机计算机根据这些知识进行判断和决策。然而随着研究的进展人们发现人类的知识无穷无尽而有些知识是很难总结之后再去教给计算机的对于更宽的问题选择和更难的问题专家系统的效果都不太理想。于是一些学者设想是否能够直接给计算机赋予学习知识的能力。 20世纪80年代统计机器学习的方法开始出现机器学习真正开始成为一个独立的学科领域专家系统的成果和机器学习的兴起掀起了人工智能的第二波浪潮。 1982年日本启动了第5代计算机计划希望通过大规模的B型计算来构造通用人工智能平台人们又一次开始对人工智能充满期待但是由于计算资源和能力的限制早期机器学习的效果并不是太理想。同时日本的第5代计算机计划也研究失败人工智能再次进入寒冬。在经历第二次低谷之后科学家们更加理智了在之后的数十年中统计机器学习的算法逐步开始成为主流。但是大家降低了对他的期望不再叫他人工智能而是利用这些方法来做一些更加实际的东西例如计算机视觉语音处理等等。在此期间神经网络和深度学习的方法也在默默的积累。 2006年辛顿教授在nature上发表了一篇论文指出深层次的人工神经网络具有优异的学习能力并提出了训练深层神经网络的算法被认为是人工智能的第三次浪潮的起点。 2010年之后深度学习在语音识别、计算机视觉等各个领域迅速取得了重大进展彻底引爆了人工智能的第三次浪潮深度学习成为人工智能领域最重要的技术之一鉴于人工智能这种曲折的发展历程有人形容计算机是大儿子人工智能是二儿子。大儿子和二儿子的特点不一样大儿子比较稳重有耐心不调皮不捣蛋一直按照摩尔定律的规律持续发展。而二儿子呢比较活泼有创新思想敢于冒险。结果几十年的发展历程就像是坐过山车一样跌宕起伏。
开发环境介绍 深度学习是深层次的神经网络是机器学习中的一个分支。近年来深度学习犹如一匹黑马横空出世在计算机视觉、语音识别、自然语言处理和机器人等领域取得了惊人的进展成为目前计算机领域最具有影响力、最热门的研究方向。在本系列文章中我们将比较全面的介绍神经网络和深度学习的基础知识、理论和方法并介绍如何编程序、构建神经网络、开发人工智能应用程序。 本系列文章中的实例采用Python语言和TensorFlow开发框架实现开发环境选择Anaconda,Python语言是目前最受欢迎的程序设计语言之一它结构清晰非常简单易学拥有丰富的标准库和第三方生态库系统非常适合作为机器学习算法的编程语言,但是由于Python是一门通用的解释型语言在实现复杂算法的时候效率会受到很大的限制。因此在实际的机器学习和深度学习的项目中需要使用更高效的实现方法。 TensorFlow就是谷歌公司推出的一个高效的人工智能开发框架。自从2015年11月发布以来已经成为全世界最广泛使用的深度学习库。很多以前难以实现的大规模人工智能的任务都可以通过它来实现但是对于初学者而言TensorFlow不太容易学习和掌握因此这个强大的工具就只能够掌握在少数专业人员的手里谷歌公司决定改变这一现状正式宣布在TensorFlow2.0版本中将易用性作为一个重点关注的目标。 2019年3月TensorFlow2.0阿尔法版本发布。一经推出就受到广泛的关注超过13万学生通过网络选修课程在git hub上也获得了近13万颗星被fork了超过75000次。 在2019年6月份TensorFlow2.0Beta版正式发布标志着TensorFlow进一步的成熟。2.0版本是对之前版本的彻底的革命性的改造它非常的简单、清晰、好用并且易于扩展极大的降低了深度学习编程的门槛使得大规模人工智能这个强大的武器不再只是被少数精英掌握。现在更多的人可以参与进来亲自体验开发人工智能应用程序的乐趣。 如果说python语言极大的降低了编程的门槛使得普通人都可以编写出自己想要的程序那么现在TensorFlow2.0则是极大的降低了人工智能开发的门槛使得普通人也能够使用人工智能技术解决任务。如果你是刚刚开始接触人工智能领域的小白那么现在正是开启学习之路的最佳时机。Python虽然易学易用但是对于新手来说尤其是对于习惯于使用Windows的用户往往会头疼于诸多开源包的管理或者是Python版本的管理。为了解决这些问题出现了不少发行版的Python他们是对Python的重新包装将Python和许多常用的工具打包以方便用户使用。 本文章中使用的Anaconda就是一个用于科学计算的Python发行版它不仅预装好了Python还提供了NumPy、Matplotlib等很多成熟的开源包和科学计算工具来扩展用户的应用程序简化编程。同时它提供了强大的包管理和环境管理的功能通过包管理可以方便的安装、更新、卸载工具包而且在安装工具包的时候还能够自动的安装相应的依赖包。通过环境管理的功能可以在同一台机器上创建几个相互独立的Python开发环境称之为虚拟环境。例如可以在Anaconda中建立Python2和Python3两个环境用来分别运行不同版本的Python代码。或者你现在同时在做两个项目他们所需要用到的工具包有很大的不同那么就可以分别创建两个虚拟环境在每个环境中安装各自需要的工具包和依赖项这样就可以隔离不同项目所需要的不同版本的工具包。而且在不同的环境之间还可以快速的切换。 为了便于以后的学习在文章开始前我们需要先将Anaconda、TensorFlow和其他的一些常用的软件安装在自己的电脑上下面我将带领大家一起完成这些软件安装。
Anaconda
Anaconda的下载和安装
下载说明 在安装TensorFlow之前我们首先进行Anaconda的下载及安装Anaconda是一个开源的包管理环境管理器其中不仅包含了Python科学包及其依赖项而且还提供了包和环境的管理它支持Windows Mac OS和Linux操作系统是使用Python进行深度学习和机器学习最简单的工具。 我们可以通过下面两个链接下载到Anaconda的安装文件。 1. Anaconda的官方下载链接。 Anaconda | The Operating System for AI 2. 第二个是清华大学的Anaconda镜像仓库下载链接。 Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror 一般情况下国内高校学生使用清华大学镜像仓库下载速度会更快现在打开的页面是Anaconda的官方网站。点击Free Download, 跳转到程序的下载页面在这个页面需要注意的是下载安装程序的时候要根据系统类型位数和Python的版本号进行下载以本机为例我们选择Windows操作系统。 下载Python版本号为3.8的64位安装程序打开浏览器的下载页面下载好的安装程序后点击安装程序进行安装。
安装指导 这个界面选择单一用户或者所有用户都可以然后点击next将修改路径修改至任意位置。 我们一般将程序安装在C盘或者D盘然后点击next接下来这个界面有2个可选项程序默认第一个选项没有被勾选它的意思是将Anaconda的可执行文件目录添加到系统的环境变量里。为了方便后续我们使用Conda命令 我建议勾选这一选项第二个选项是将Anaconda的Python程序注册为系统Python默认选中即可然后点击安装安装过程较长。根据大家的系统和电脑环境不同。安装的时间长短不一我们等待安装完成安装完成后点击next然后点击finish完成。
模块介绍 Anaconda Navigator.是一个图形化的用户管理工具可以在不使用命令的情况下方便的启动应用程序用于管理conda环境和Python模块包. Anaconda Prompt是Anacoda的命令行终端。 Jupyter Notebook 是基于网页的用于交互计算的应用程序。 Spyder是一个集成的Python开发环境。
使用Anaconda Navigator
Home界面介绍 程序的主界面左侧是菜单栏第一项是主页,主页中间区域显示的是常用的12种工具软件分别是
1Datalore。是一个面向机器学习的云端开发环境具有收集和探索数据、创建机器学习和深度学习模型、可视化结果并与其他人共享等功能。
2JupyterLab。是Jupyter的一个扩展提供了更好的用户体验。例如可以在同一个浏览器页面打开编辑多个notebook、Console和终端并且支持预览和编辑多种类的文件。
3Power prompt。是一个较新的命令行终端。
4Qt console, 一个可执行的Python终端图形界面程序相比Python shell Qt console可以直接显示代码生成的图形实现多行代码输入执行以及内置许多有用的功能和函数。
5Glue。是一个用于探索相关数据集内部和之间的关系Python库。
6Orange。是一个交互式数据可视化软件。
7Pycharm。是Python语言的一种集成开发环境。
8R Studio是R语言的集成开发环境。 在页面中间的上方Applications on下面的下拉框可以选择上述工具的运行环境。
Environment界面介绍 左侧菜单栏当中的第2项Environment是环境管理用来管理独立运行环境和其中安装的Python模块包。 在中间的窗口中 显示当前系统已经创建的独立运行环境最右边的窗口中显示对应环境中已经安装好的Python模块包。 刚刚安装的Anaconda会默认只有一个base斯环境点击base打开终端。 输入conda inform命令终端会输出当前conda环境的相关信息。 Anaconda中比较常用的是JupyterNode和Vs code这两个软件Jupyter notebook在上面已经介绍过。Vs code是一个轻量级但功能强大的源代码编辑工具支持Windows Mac OS和Linux操作系统当前版本的Anaconda已经将Vs code当做外部软件不在内部提供快捷安装主页中也就没有显示Vs code的因此我们需要在Vs code的官方网站自行下载安装下面是下载链接现在我们打开Vs code的官方网站我们可以根据系统类型。 使用Jupter Notebook Jupter Notebook它的本质是一个可以通过网页访问的web程序在网页中编写和执行程序。这种环境不仅方便程序员远程访问而且屏蔽了不同系统之间的显示差异有益于代码共享。Jupter Notebook 不仅可以编辑运行程序。 而且可以将程序和文档组织在一起。它可以将代码、图像、注释、公式、图形甚至运行结果都整合在同一个文档中编写出漂亮的交互式文档例如当需要向同行展示或分析程序时如果使用word等传统的文本编辑工具代码复制进去后关键词配色会丢失。而且代码与文字、公式等混在一起难以区分。Jupter Notebook可以让代码保持在编辑器里的风格看起来很清晰并且代码复制进去后是可以运行的。
打开Jupter Notebook 下面简要介绍一下如何使用Jupter Notebook来编写和管理Python程序。我们有3种方法来打开Jupter Notebook。
第一种方法是打开anaconda navigator可视化管理软件选择Jupter Notebook启动。 第二种方法就是在命令行窗口中输入jupter Notebook进入Jupter Notebook界面。 第三种方法就是在开始菜单栏的ANACONDA3文件夹中直接点击Jupter Notebook。 配置默认目录
打开Jupter Notebook会自动跳转到浏览器中并且打开Jupter Notebook默认工作目录初次安装默认目录会存放在C盘用户文件夹下。这种默认设置使用起来非常不便所以我建议大家使用Jupter Notebook之前对Jupter Notebook默认目录进行修改。
#生成配置文件。
jupyter Notebook --generate-config 用记事本打开使用组合键CtrlF查找字符串Notebook_dir定位到该配置文件的键值取消前面的注释符号。 将等号后面的值更改为你希望的工作目录比如E盘目录下的jupyter然后保存这里需要注意的是E盘根目录下必须存在该文件夹没有的话应该先创建好该目录再修改。
这样做我们只是修改了从anaconda navigator 启动Jupter Notebook的默认路径接下来我们打开开始菜单栏右键点击ANACONDA3文件夹中的Jupyter Notebook选择更多打开文件夹位置。在打开的窗口中右键点击Jupyter Notebook选择属性删除目标框中的双引号里边的内容点击确定。 完成操作后我们不管以何种方式打开Jupter Notebook创建的文件都会保存到我们配置的目录中。 新建文件 在Jupyter Notebook主界面中有3个选项卡分别是files,running,clusters。 其中files选项卡将显示工作目录下的记事本文件列表可以选择已有的记事本文件进行编辑或者运行同时也可以使用files选项卡右上角的new按钮新建一个记事本文件。我们新建一个记事本文件此时会重新打开一个标签页会有一个默认名称Jupyter Notebook记事本界面主要包括名称、菜单栏、工具栏和编辑区等等。 在名称处输入项目名称为hello world可以看到页面的标签栏也随之更改为hello word保存后会在工作目录下生成一个helloword.ipnb文件并显示在主页面的文件列表中。 在Jupyter Notebook记事本文件当中是以cell为基本运行单位的可以在cell中输入代码单击运行按钮或者使用键盘组合键Ctrl Enter运行程序运行的结果会显示在该cell的下方。 默认生成的cell是一个代码类型的CellCell有几种类型在添加新的cell时可以选择代码标记或者标题。它们的好处是我们可以在编写代码的同时使用标记去为我们的代码添加一些说明或者是注释。 现在我们在默认cell前面插入一个新cell并将其类型更改为标记模式标记模式的cell是使用Markdown语法编写的编写文本的时候也需要使用运行模式去展示Markdown语法的结果我们点击运行就可以看到Markdown语法的展示结果。
两种输入模式 Jupyter Notebook有两种输入模式,分别是编辑模式和命令模式。编辑模式就是我们刚刚介绍的在单元格cell中的操作,它允许我们将代码或文本输入到一个单元格中并通过左边绿色的单元格显示。 命令模式将键盘与笔记本的命令绑定在一起并通过左边蓝色的单元格显示,我们打开刚刚创建的hello word文件。当我点击单元格内,我们可以看到现在单元格的左边框以绿色显示,表示我们处在编辑模式。 当我点击单元格外部,单元格的边框以蓝色显示表示我们正处在命令模式。Jupyter Notebook分别提供了这两种模式下的快捷键,这里展示的是两种模式下常用的一些快捷键。 编辑模式 Tab 代码补全或缩进 ShiftTab 提示 Shift-Enter 运行本单元选中下一单元 Ctrl-Enter 运行本单元 Alt-Enter 运行本单元在下面插入一单元 命令模式Esc键启动) ShiftEnter 运行本单元选中下个单元 CtrlEnter 运行本单元 AltEnter 运行本单元在其下插入新单元 Y 单元转入代码状态 M 单元转入Markdown状态 A 在上方插入新单元 B 在下方插入新单元 DD 删除除选中的单元 其它快捷命令编辑模式 CtrlA 全选 CtrlZ 撤销 CtrlC 复制 CtrlW 粘贴 Ctrl/ 注释或取消注释选中代码可以添加注释或取消 如果还想了解更多的快捷键,我们可以打开Jupyter Notebook,点击菜单栏的Help选项在下拉菜单栏中选择keyboard Shortcuts.即可查看命令模式和编辑模式下的所有快捷键。 在这里我们还可以点击右上角的编辑快捷键按钮,按照自己的习惯修改快捷键。
Conda 虚拟环境 Conda虚拟环境是一种用于管理Python环境的工具它允许用户在同一台机器上创建多个独立的Python环境每个环境都可以拥有自己的Python版本和安装的软件包互相之间不会产生冲突。这种环境的管理方式有助于避免不同项目之间的依赖冲突使得每个项目都能在最适合其需求的环境中运行。Conda虚拟环境的创建、激活和管理可以通过使用conda命令来完成例如使用conda create命令创建一个新的虚拟环境并指定所需的Python版本号。此外用户还可以通过conda activate命令来激活特定的虚拟环境以及使用conda deactivate命令来退出当前激活的虚拟环境。Conda虚拟环境的优点包括能够轻松创建、保存、加载和切换环境避免版本冲突提供跨平台支持Linux, macOS, Windows并能够管理不同语言的包如R, Scala等的包。 那么如何在Jupyter Notebook中切换不同环境编写代码呢下面我们介绍一下Jupyter Notebook为我们提供的关联不同环境和包的功能,首先我们关闭之前打开的Jupyter Notebook,然后打开命令行窗口。
conda install jupyter notebookconda install ipykernelpython -m ipykernel install --user --name 环境名称 --display-name Python环境名称 添加扩展包 为了Markdown文档更加醒目易读Jupyter Notebook为Markdown文档提供了扩展包。
conda install -c conda-forge jupyter_contrib_nbextensions
conda install -c conda-forge jupyter_nbextersions_configurator 首先我们关闭之前打开的Jupyter Notebook,打开命令行窗口在命令行窗口中输入以上提供的2条命令,等待命令执行完成,安装完成后重新打开Jupyter Notebook,我们可以看到,菜单栏增加了Notebook extensions选项,我们取消这个选中,然后勾选table of contents. 随后就可以在Jupyter Notebook中使用markdown编写文档。我们可以点击Table of contents这个按钮显示生成的目录.生成的目录会按照你标题的级别进行生成。
运行终端命令 在Jupyter Notebook中还可以运行终端命令也就是命令行命令。我们有两种方法可以执行终端命令。 第一种方法就是在单元格内输入终端命令,只需要在这条命令的开头添加英文状态下的!,这条命令是输出Jupyter Notebook的工作目录下,这个目录中的所有文件。 第二种方法就是使用Jupyter Notebook提供的终端,在Jupyter Notebook的home页面选择files选项卡进入菜单界面然后点击new下拉框选择terminal打开终端,也可以查看当前目录下所有文件。 如果想要关闭终端我们可以在Jupyter Notebook界面,选择running,然后找到terminals,点击关闭,然后再关闭这个网页。
使用内置命令
在主Notebook中,读取已经用别的代码编辑器写好的.py文件。 我们首先打开一个Jupyter Notebook文件,在单元格内输入%load和.py文件位置,在这里我的.py文件存储在E盘Jupyter目录下,然后点击运行。 也可在Jupyter Notebook中加载本地的Python文件并显示在单元格内,可以查看代码也可以运行这个代码。 在单元格内输入%run和.py文件位置,然后点击运行。
可以直接运行本地的Python文件并输出结果.不会在单元格内显示文件内的代码。
Jupyter Notebook还有很多功能大家可以在往后的使用中自行探索学习。
Tensorflow
接下来我们开始安装Tensorflow2.4。
命令行安装Tensorflow
现在我先介绍一下在命令行安装Tensorflow2.4的步骤。
# 1.创建独立环境并激活
conda create -n tensorflow2.4 python3.8
conda activate tensorflow2.4
# 停用环境
conda deactivate
# 2.安装相关软件包
pip install numpy matplotlib Pillow scikit-learn pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
#3.安装Tensorflow2.5
pip install tensorflow2.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
#4.测试Tensorflow2.4
在命令行中输入Python,打开Python交互模式,输入代码:import tensorflow
#5.虚拟机列表
conda env list
#6.删除虚拟机
conda remove -n tensorflow2.4 --all
#7.手动删除虚拟机相关文件第一步我们需要创建独立的运行环境并激活,首先右键点击桌面左下角的开始按钮,在打开的菜单栏中点击运行,或者使用组合键,WindowsR快捷打开运行窗口,在运行窗口的输入框中输入CMD,点击确定打开命令行窗口.我们可以使用conda create命令创建环境并指定环境当中的Python版本号,其中tansorflow2.4是我们将要创建的环境的名称,Python3.8是我们指定的Python版本后,等待环境创建完成,这里表示独立环境已经创建完成。我们使用conda activity Tensorflow2.4激活独立环境,这里表示我们的独立环境已经激活。 第二步,安装我们以后要用到的Python模块包。这里介绍两种安装方式。一种是采用conda,一种是采用pip。这里我比较推荐使用pip方法进行安装。使用Conda进行安装的过程当中,会因为版本的依赖问题导致部分包的版本被修改,给后续的安装造成麻烦,复制这里的pip命令到命令行窗口,等待相关软件包安装完成,这里表示相关软件包已经安装完成。 第三步安装Tensorflow 2.4。我们使用piip install Tensorflow2.4.0指定Tensorflow的版本号进行安装。在安装的过程当中特别要注意版本号不能有误, 有错误会导致安装失败,复制pip这条命令到命令行窗口,等待Tensorflow2.4安装完成,。 第四步我们对tansorflow2.4进行简单的测试,我们打开当前激活环境的命令窗口,输入Python打开Python的交互模式,然后输入import Tensorflow.,如果没有错误说明安装成功输入exit(),退出Python交互模式。 以上是在命令行中安装Tensorflow2.4的基本步骤.
图形化界面安装Tensorflow 如果不习惯在命令行中进行操作,那么也可以使用anaconda navigator所提供的图形化界面,以可视化的形式安装Tensorflow,打开anaconda navigator,切换到环境管理页面。 在这个页面您可以看到当前只有一个base环境,这是anaconda默认的环境,我们将在这个管理界面可视化的创建Tensorflow2.4独立的Python环境,在创建环境的过程当中会涉及到一些Python模块包的下载,所以我们需要对Conda的Python模块包语言进行修改,以便下载的过程当中效率更高,我们打开清华大学镜像仓库anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror看到Conda的使用指南,根据网页上的提示,Windows用户无法直接创建conda配置文件,我们需要先执行Conda命令生成配置文件之后再修改。
conda config --set show_channel_urls yes
复制这条命令到命令行窗口执行,完成以后我们在命令行窗口显示的路径下面找到该文件 channels:- defaults
show_channel_urls: true
default_channels:- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmsys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudbioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmenpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudsimpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/clouddeepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/
用记事本打开,将anaconda使用指南给出的参数复制到该文件中保存。 完成操作后我们回到anaconda navigator环境管理界面。点击环境列表下方的create按钮。创建新的独立运行环境。环境名称为Tensorflow2.4,由于输入框中无法输入点,所以我们用-代替.Python版本选择3.8, 然后点击create 在屏幕下方的滚动条消失后,在环境列表处,会出现我们刚刚创建的新环境Tensorflow2.4。 然后我们点击Tensorflow2.42.4环境名称右侧的绿三角 打开命令行窗口,接下来的操作就和命令行窗口的操作一样了。 打开命令行窗口以后我们使用提供的pip命令,安装相应的Python模块包 安装完成后我们使用pip命令安装Tensorflow2.4,安装完成以后我们在命令行窗口中输入Python进入Python交互模式,输入import tensorflow,如果没有错误就说明安装成功,到这里我们就完成了Tensorflow2.4的安装。
