本文在安裝過程中參考了很多c站的其他教程，本文把安裝過程中遇到的問題和安裝過程一一記錄，希望能有所貢獻。
本文是基于miniconda已經(jīng)安裝完成且環(huán)境變量也設置好的前提。
目錄
一、Miniconda創(chuàng)建虛擬環(huán)境
（以下的二和三部分任選其一安裝即可）
二、安裝tensorflow cpu版本
三、安裝tensorflow gpu版本
四、安裝jupyter并將成功安裝tensorflow的虛擬環(huán)境導入jupyter
附錄一：常用的conda命令
附錄二：參考的相關文檔
附錄三：python3.8 tensorflow2.2.0下其他安裝包版本
一、Miniconda創(chuàng)建虛擬環(huán)境
1、conda prompt，輸入：
conda create -n tf2 python=3.8
即建立python3.8的虛擬環(huán)境，該環(huán)境名為tf2
注意：應先確定需要安裝的tensorflow和python對應的版本，可參考tensorflow官方中文文檔。以下截取部分對應版本
?
2、激活虛擬環(huán)境
conda activate tf2
（以下的二和三部分任選其一安裝即可）
二、安裝tensorflow cpu版本
1、進入虛擬環(huán)境tf2后，在虛擬環(huán)境中安裝
pip install tensorflow==2.2.0安裝后，可通過pip list 檢查虛擬環(huán)境tf2中的包
2、輸入python（核對版本并進入python模式檢測tensorflow是否安裝成功）
3、檢測tensorflow是否導入成功，不出現(xiàn)報錯即為導入成功。
import tensorflow注意：此處可能會有三個報錯依次出現(xiàn)
第一個報錯：
TypeError: Descriptors cannot not be created directly
建議將protobuf安裝調整至3.20前
解決方案：
exit() #退出python模式
pip list #查看該環(huán)境中所有包
pip uninstall protobuf
pip install protobuf==3.19.0
pip list #檢查3.19的protobuf是否安裝成功接著，再次輸入python，進入python模式后，檢測tensorflow
import tensorflow此時會出現(xiàn)第二個報錯：
Could not load dynamic library cudart64_101.dll（局部）
解決方案：在cudart網(wǎng)站下載cudart文件（可能會出現(xiàn)彈窗，點關閉后即可下載）；下載后為一個壓縮包，解壓后將?cudart64_101.dll文件直接復制到?C:\Windows\System32?路徑下
接著，再次輸入python，進入python模式后，檢測tensorflow
?此時會出現(xiàn)第三個報錯：
AttributeError: module 'numpy' has no attribute 'object'.這是python和numpy版本不對應，因此此時應退出python模式后，檢查numpy版本；并在numpy對應python版本的發(fā)行說明中找到numpy不同版本對應的python版本。
因虛擬環(huán)境tf2是python3.8，可選擇numpy1.18.2
exit() #退出python模式
pip list #查看該環(huán)境中所有包
pip uninstall numpy
pip install numpy==1.18.2
pip list #檢查1.18.2的numpy是否安裝成功最后，解決了以上三個問題，再進入python模式檢測tensorflow就成功了
import tensorflow
三、安裝tensorflow gpu版本
1、為了避免混亂，在conda中重新建立一個以python3.8的虛擬環(huán)境tf2gpu
2、激活虛擬環(huán)境tf2gpu
conda activate tf2gpu3、檢查cuda版本
conda search cuda
4、檢查cudnn版本
conda search cudnn
5、根據(jù)第一部分的tensorflow官方網(wǎng)站的版本對應表，選擇組合
conda install cudatoolkit=10.1.243
conda install cudnn=7.6.5
pip install tensorflow-gpu==2.2.0
6、gpu版本也可能會出現(xiàn)cpu版本的三個問題，同樣的解決方法解決后即為導入成功。
7、gpu版本除了驗證導入成功外，還需要驗證gpu是否可以使用。輸入下列代碼，若最后出現(xiàn)true，則為gpu可用；若出現(xiàn)缺少一系列dll，則下載后安裝到?C:\Windows\System 即可。
import tensorflow as tf
print(tf.test.is_gpu_available())四、安裝jupyter并將成功安裝tensorflow的虛擬環(huán)境導入jupyter
注意：通過在conda中對tensorflow的檢測，能夠保證此時tensorflow已經(jīng)成功安裝在相應的虛擬環(huán)境中之后，再開始進行以下的步驟。
1、安裝jupyter notebook
在conda prompt 的base環(huán)境下安裝jupyter notebook（本文采取將jupyter安裝在base環(huán)境下，但所有其他庫和包都安裝在虛擬環(huán)境中，通過base開啟jupyter后選擇相應的核進入相應的虛擬環(huán)境）
修改jupyter默認路徑可參考文檔
conda install jupyter notebook2、激活相應的虛擬環(huán)境，即tf2或tf2gpu
3、在虛擬環(huán)境tf2或tf2gpu中安裝核
conda install ipykernel4、在虛擬環(huán)境tf2或tf2gpu中生成虛擬環(huán)境的核，但注意tf2和tf2gpu生成的核需要在相應的虛擬環(huán)境中各自生成
python -m ipykernel install --user --name 環(huán)境名python -m ipykernel install --user --name tf2python -m ipykernel install --user --name tf2gpu5、退出虛擬環(huán)境，返回base環(huán)境后，打開jupyter
jupyter notebook6、最后在jupypter中可以看到新增的兩個核
附錄一：常用的conda命令
?1、刪除虛擬環(huán)境
conda remove -n tf2 --all
2、查看所有虛擬環(huán)境
conda env list3、退出虛擬環(huán)境（不需要寫具體的虛擬環(huán)境名稱）
conda deactivate附錄二：參考的相關文檔
【精簡】2023年最新Windows安裝GPU版本的tensorflow（含bug記錄及解決）
怎么在jupyter中安裝tensorflow，并切換環(huán)境為tensorflow
tensorflow的詳細安裝（包含jupyter notebook）怎么在jupyter中安裝tensorflow，并切換環(huán)境為tensorflow
【簡單明了】anaconda 安裝 jupyter 創(chuàng)建 tensorflow-gpu環(huán)境，深度學習模型訓練用gpu跑，jupyter和pycharm上運行成功
附錄三：python3.8 tensorflow2.2.0下其他安裝包版本
numpy? 1.18.2
matplotlib? 3.3.4
pandas? 1.3.5
openpyxl? 3.1.2
scipy 1.4.1
shap 0.41.0
numba 0.53.0
文章來源：http://www.zghlxwxcb.cn/news/detail-725995.html
文章來源地址http://www.zghlxwxcb.cn/news/detail-725995.html
到了這里，關于基于Miniconda3安裝jupyter notebook+虛擬環(huán)境安裝tensorflow(cpu&gpu版本)的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！
