本文目录一览：
- 1、...详细介绍Windows10下,用Anaconda安装tensorflow
- 2、Windows10配置Anaconda+Python3.6+TensorFlow+PyCharm
- 3、anaconda3-5.3.1(python3.7)下安装tensorflow和keras经验
- 4、AutoKeras(一)安装
...详细介绍Windows10下,用Anaconda安装tensorflow
在Windows10上配置Anaconda+Python6+TensorFlow+PyCharm的步骤如下：安装Anaconda：下载并安装最新版本的Anaconda。虽然Anaconda默认集成的是Python 7环境，但我们可以在其中创建Python 6的环境。创建Python 6环境：打开Anaconda Prompt。
首先，根据个人电脑配置，推荐的安装顺序如下：创建Python 6环境 安装TensorFlow-GPU 确认已安装显卡驱动 检查TensorFlow是否已成功安装 在Anaconda Prompt中，创建Python 6环境并激活它。安装TensorFlow-GPU时，确保在Python 6环境下操作。安装过程中可能需要较长时间，注意更换源以优化网络速度。
以下是安装步骤，建议按照顺序操作：首先，在管理员权限下启动anaconda Prompt，创建Python 6环境。然后，确认显卡驱动已安装，TensorFlow-GPU的安装会自动处理CUDA Toolkit和cuDNN。接着，检查TensorFlow是否成功安装，如果遇到mkl_intel_thread.dll问题，按照官方推荐设置CONDA_DLL_SEARCH_MODIFICATION_ENABLE。
在Anaconda环境下安装并运行TensorFlow GPU版本需要具备NVIDIA显卡的支持。然而，仅有显卡是不够的，还需安装NVIDIA的CUDA平台，因为缺乏CUDA会引发安装错误。当前使用的是CUDA 0版本，其与Anaconda中的相关包版本相匹配。
在Anaconda环境下搭建TensorFlowGPU的步骤如下： 安装Anaconda 选择版本：确定所需Python版本，建议选择Anaconda 3版本，因为Python x已停止更新维护。 安装过程：在安装过程中，建议选择自动将Anaconda路径添加至系统环境变量的选项。
使用Anaconda0.0 python6版本管理Win10 python环境，新建基于python5的tensorflow-gpu-py35 conda环境。直接使用conda安装tensorflow，会默认安装tensorflow-gpu 0并主动安装cudatoolkit0 + cudnn0。若需配置CUDA环境，需自行下载并安装cuda0 + cudnn0，配置环境变量。
Windows10配置Anaconda+Python3.6+TensorFlow+PyCharm
在Windows10上配置Anaconda+Python6+TensorFlow+PyCharm的步骤如下：安装Anaconda：下载并安装最新版本的Anaconda。虽然Anaconda默认集成的是Python 7环境，但我们可以在其中创建Python 6的环境。创建Python 6环境：打开Anaconda Prompt。
首先，根据个人电脑配置，推荐的安装顺序如下：创建Python 6环境 安装TensorFlow-GPU 确认已安装显卡驱动 检查TensorFlow是否已成功安装 在Anaconda Prompt中，创建Python 6环境并激活它。安装TensorFlow-GPU时，确保在Python 6环境下操作。安装过程中可能需要较长时间，注意更换源以优化网络速度。
以下是安装步骤，建议按照顺序操作：首先，在管理员权限下启动anaconda Prompt，创建Python 6环境。然后，确认显卡驱动已安装，TensorFlow-GPU的安装会自动处理CUDA Toolkit和cuDNN。接着，检查TensorFlow是否成功安装，如果遇到mkl_intel_thread.dll问题，按照官方推荐设置CONDA_DLL_SEARCH_MODIFICATION_ENABLE。
使用Anaconda进行Python6环境配置，可以遵循以下步骤：首先，在打开Anaconda Navigator之后，您需要选择左侧的环境菜单Environments，这里会列出当前已经配置好的环境名称，例如root、tensorflow等。接下来，在中间环境列表框下方，选择“创建”Create选项，以创建新的环境和相应配置。
安装TensorFlow GPU版本 确保安装CUDA 0，与Anaconda版本兼容，通过conda命令安装。新建并激活anaconda环境 使用conda命令创建和激活环境，管理环境。pycharm中使用anaconda部署环境 在pycharm中配置解释器，选择并添加anaconda环境，实现多环境切换。
anaconda3-5.3.1(python3.7)下安装tensorflow和keras经验
1、遇到No module named tensorflow.python.eager的问题时，可能需要卸载旧版本，然后重新安装对应版本的Tensorflow（如0）和Keras（如1）。
2、Keras和Tensorflow安装 推荐使用清华大学源：清华大学源是国内的一个镜像源，可以加速下载速度。 使用管理员权限在cmd中进行安装：在Windows环境下，为了避免权限问题，建议使用管理员权限的cmd窗口进行安装。 兼容Anaconda和Pycharm：无论你是使用Anaconda还是Pycharm，都可以兼容安装Keras和Tensorflow。
3、在安装过程中，先卸载了CPU版本的tensorflow，确保只使用GPU版本。然而，安装过程中遇到了困难，最终找到了正确的安装命令。接着，使用了tensorflow和keras的案例进行代码运行，观察损失函数的结果，发现模型效果不佳。最后，对Tensorflow的GPU设置进行了尝试，但由于电脑显卡类型不支持，未能进行验证。
4、最终解决方法是手动下载Keras_Applications-0.8-py3-none-any.whl文件，并安装。下载地址在Python Keras-Applications项目安装包(第三方库)下载资源&安装指南页面 - PyPI - Python中文网，或使用链接： pan.baidu.com/s/1q_3tDX... 提取码： e0kq下载。
5、以下是安装步骤，建议按照顺序操作：首先，在管理员权限下启动anaconda Prompt，创建Python 6环境。然后，确认显卡驱动已安装，TensorFlow-GPU的安装会自动处理CUDA Toolkit和cuDNN。接着，检查TensorFlow是否成功安装，如果遇到mkl_intel_thread.dll问题，按照官方推荐设置CONDA_DLL_SEARCH_MODIFICATION_ENABLE。
6、首先，安装Keras和Tensorflow时，推荐使用清华大学源，通过管理员权限在cmd中进行，尤其在Windows环境下，Anaconda和Pycharm都可兼容。Tensorflow GPU版虽速度快，但安装较为复杂，需要根据电脑配置选择合适的安装教程。关于模型的保存与加载，有两种方法，但可能需要根据特定情况调整。
AutoKeras(一)安装
1、首先，下载安装包，地址为autokeras · PyPI，注意要根据需求修改依赖环境，并将其重新压缩为.tar.gz格式。安装过程中需要先安装torch和torchvision，确保电脑上已安装CUDA。
2、首先，我确保将环境设置为名为mykeras、python版本为6的独立环境。这涉及更新python版本至6，安装conda，然后创建环境，具体步骤如下：conda create --name mykeras python=6 在安装自动keras时，遇到了版本冲突问题。安装时要求torch版本为0.1，但安装过程中却显示找不到匹配的版本。
3、AutoKeras具备优秀的开源项目特性，包括快速安装、简单运行、丰富案例、易于修改和可视化的NAS找到的网络模型。用户可以尝试使用AutoKeras或其他任何实现方式替代AutoML，价格非常便宜。尽管AutoML提供了便利，但AutoKeras等开源工具降低了成本，让更多人能够使用深度学习和AI技术。