国内 镜像 conda install TensorFlow 搭建虚拟环境 最终jupternote 生成对应的kernel
时间: 2025-04-05 11:12:30 浏览: 33
### 配置步骤
#### 虚拟环境创建
为了确保 TensorFlow 的稳定运行以及与其他包的兼容性,建议先创建一个新的 Conda 虚拟环境。以下是具体操作:
```bash
conda create -n tf_env python=3.8
```
此命令会创建名为 `tf_env` 的新虚拟环境,并指定 Python 版本为 3.8[^4]。
#### 进入虚拟环境
激活刚刚创建的虚拟环境以便在其内部安装所需的依赖项:
```bash
conda activate tf_env
```
此时终端提示符前缀应变为 `(tf_env)` 表明已成功切换至该虚拟环境。
#### 安装 TensorFlow 及其 GPU 支持组件
对于国内用户来说,由于网络原因可能无法顺利访问官方 PyPI 或 Anaconda Cloud 源,因此推荐使用清华大学开源软件镜像站作为替代源来加速下载过程。执行如下指令完成 TensorFlow-GPU 的部署:
```bash
pip install tensorflow-gpu==2.9.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
```
注意这里指定了 `-i 参数`指向清华 TUNA 镜像站点地址以提高获取速度和成功率[^5]。
另外如果计划利用 NVIDIA 显卡硬件加速,则还需要额外预装 CUDA Toolkit 和 cuDNN 库匹配相应版本。例如针对 Tensorflow 2.9 ,可以采用下面两条语句实现自动化处理:
```bash
conda install cudatoolkit=11.2
conda install cudnn=8.1
```
以上两步确保了基础框架连同必要的图形计算支持都被正确加载到当前隔离的工作空间里。
#### 添加 Ipykernel 到 Jupyter Notebook
为了让新建好的 conda env 出现在 jupyter notebook 的 kernels list 当中,需依次完成以下两项任务:
1. **Install ipykernel package**
```bash
conda install ipykernel
```
2. **Register this environment with a specific name**
```bash
python -m ipykernel install --user --name=tf_env --display-name="Python (TF)"
```
上述第二条命令中的 `--display-name` 参数允许自定义描述文字,在启动后的交互界面更直观地区分不同选项[^2]。
至此整个流程结束,重新开启浏览器端口连接服务即可验证效果:
```bash
jupyter notebook
```
当页面加载完成后应该可以在 New 下拉菜单看到刚才设定的新标签 “Python (TF)”。
---
### 注意事项
- 如果遇到任何权限相关的问题尝试加上 sudo 前缀重试。
- 不要忘记每次工作之前都要记得 source activate 对应项目专属的空间哦!
阅读全文
相关推荐


















