目录
- 写在面前
- 安装全过程
- 接下来往虚拟环境装tensorflow和keras
- 总结
写在面前
最近需要用LSTM，今天开始搭环境，遇到了很多问题，其中主要是两个问题
不太懂装环境的朋友可以注意一下：
1、tensorflow和keras以及numpy等等版本的兼容问题。一般的keras安装教程tensorflow和keras版本都是兼容的，但是自己还得去装numpy，一不小心版本就不兼容了，所以我的每一步安装都规定了版本，防止不兼容问题；
2、因为用不惯pycharm，所以keras安装好了我想用jupyter打开，结果遇到了各种问题。例如无法识别jupyter notebook这个命令等等。所以我索性改变思路，先把虚拟环境加入到jupyter中，然后再在虚拟环境里面装包。
安装全过程
都是用的清华园镜像，网速好两三分钟就能全部装好！
- 第一步：创建虚拟环境（tf3是我的虚拟环境的名称，你可以自己取）
conda create -n tf3 python=3.6.5
- 第二步：安装ipykernel
pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple/
- 第三步：把新建的虚拟环境（tf3）加入到jupter notebook里面
python -m ipykernel install –name tf3
截至这里，虚拟环境就加入到jupter notebook里面了
接下来往虚拟环境装tensorflow和keras
- 第一步：首先要进入到新建的虚拟环境
conda activate tf3
- 第二步：安装tensorflow
pip install tensorflow==2.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/
- 第三步：安装keras
pip install keras==2.4.3 -i https://pypi.tuna.tsinghua.edu.cn/simple/
- 第四步：安装numpy
pip install numpy==1.19.5 -i https://pypi.tuna.tsinghua.edu.cn/simple/
- 第五步：安装pandas
pip install pandas==1.1.4 -i https://pypi.tuna.tsinghua.edu.cn/simple/
- 第六步：安装scikit-learn
pip install scikit-learn==0.24.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/
- 第七步：安装scipy
pip install scipy==1.5.4 -i https://pypi.tuna.tsinghua.edu.cn/simple/
- 第八步：安装matplotlib
pip install matplotlib==3.3.3 -i https://pypi.tuna.tsinghua.edu.cn/simple/
最后在jupyter notebook里面引入相关库，没报错就说明ok了
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
from keras.layers import Dropout
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持悠久资源网。
您可能感兴趣的文章:
- 关于TensorFlow、Keras、Python版本匹配一览表
- 亲测解决tensorflow和keras版本不匹配的问题
- tensorflow1.15与numpy、keras以及Python兼容版本对照方式
- 关于tensorflow中tf.keras.models.Sequential()的用法
- 解决安装和导入tensorflow、keras出错的问题
- 关于Tensorflow和Keras版本对照及环境安装
