怎么从环境清华镜像源下载tensorflow 清华镜像 tensorflow

Anaconda、tensorflow的安装与conda channel的镜像设置、tensorflow的测试（非常全）

• 1.Anaconda 的下载与安装
• 2.conda channel的镜像设置
• 3.tensorflow 的安装
• 4.检测tensorflow是否安装成功

1.Anaconda 的下载与安装

（1）下载地址 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

双击你想下载的版本即可

（2）下载完之后双击安装即可

注意安装anaconda时一定要把环境变量加入windows环境中。要没有勾选，安装完后还有手动加入。

（3）检查anaconda安装：在cmd输入 conda --version

2.conda channel的镜像设置

         也可以忽略此步骤，直接安装tensorflow )
（1）显示所有channel
   首先，conda config --show能够显示出所有conda的config信息。

    如果我们只想看channels的信息，打开Anaconda Prompt

然后输入conda config --show channels即可，如下：

(base) C:\Users\dehen>conda config --show channels
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - defaults

现在我们有两个源，一个清华镜像，一个defauls默认下载源。
（2）添加可用的清华源
参考[4]，我发现自己之前安装的清华源的地址https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ 是清华维护的conda三方源之一conda-forge的镜像，，，此外清华还有很多可用的源。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

conda config --set show_channel_urls yes的意思是从channel中安装包时显示channel的url，这样就可以知道包的安装来源了。

（3）输入conda config --show channels查看一下是否添加成功。

根据自己添加的镜像源显示，你添加了哪个，就显示哪个。

3.tensorflow 的安装

(1)win+r输入cmd，检查anaconda安装：在cmd输入 conda --version

（2）检测已经安装的环境：conda info --envs

这里如果没有新建其他环境的话，就只有一个默认的anaconda中的root环境。

（3）新建一个python3.5的环境，tensorflow：conda create --name tensorflow python=3.5

系统会自动选择分配一个python3.5.x的版本

（4）检查是否创建成功：conda info --envs

（5）激活新建的环境：activate tensorflow

注意一定要进入到tensorflow中，否则你会安装到其他环境中，导致无法使用。

（6）查询tensorflow的版本号

（7）选择自己想安装的版本号。conda install tensorflaw=版本号

（如：conda install tensorflaw=1.8.0）然后回车，等待即可。

如果安装完之后出现了以下错误

Fatal Python error: Py_Initialize: can’t initialize sys standard streams LookupError: unknown encoding: 65001

可以在命令窗口输入即可 set PYTHONIOENCODING=UTF-8

4.检测tensorflow是否安装成功

（1）打开cmd，激活新建的环境（切换到tensorflow环境）：activate tensorflow

（2）进入python

（3）然后输入一个测试的代码：如果输出结果3，说明你已经成功安装tensorflow。

import tensorflow as tf 
sess = tf.Session() 
a = tf.constant(1) 
b = tf.constant(2) 
print(sess.run(a+b))