1. 为什么我建议先装 Anaconda 再装 TensorFlow搞深度学习的朋友不管你是初学还是老手应该都绕不开两个名字Anaconda 和 TensorFlow。我先说结论用 Anaconda 管理 Python 环境和安装 TensorFlow是当前试错成本最低、最适合普通开发者的方案。它是一个发行版、一个环境管家、一个包管理器把 Python 解释器、常用科学计算库、虚拟环境、Jupyter 这些都打包到一起了直接装完就能干活。很多新手上来就纠结“Python 官网直接装不行吗”行但后面的坑非常多。比如你写项目 A 要 TensorFlow 2.x项目 B 要 PyTorch项目 C 要旧版 OpenCV如果不做隔离那依赖冲突能让你疯掉。Anaconda 的核心价值就在于conda 虚拟环境——你可以为每个项目建一个独立的环境互相不干扰。TensorFlow 这边目前主流安装方式就是基于 conda 环境然后用 pip 或 conda 拉取安装包。你会发现网上几乎所有教程、课程、开源项目给的第一行命令都是conda create -n tf python3.x这就是社区沉淀下来的最佳实践。这篇文章我会从零开始把 Anaconda 下载、安装、换源、建环境、装 TensorFlow、配置 PyCharm、常见报错一次性讲透。无论你是 Windows 还是 Linux 服务器跟着走基本都能顺利跑起来。2. 安装前的核心认知版本、下载源和选型2.1 Anaconda 到底是什么它帮你省了哪些事简单类比一下Python 就像一台裸机电脑装好系统后什么软件都没有pip 相当于应用商店但商店里的东西可能和你现有程序冲突而 Anaconda 是一个“预装好全家桶 自带虚拟机管理系统”的操作系统。你不需要单独装 Python因为它内置了 Python 解释器你不需要一个个装 NumPy、pandas、matplotlib因为它已经预装了一大批常用包你不需要为环境冲突头疼因为 conda 可以随意创建和切换环境。具体来说Anaconda 自带这几个核心组件conda包管理和环境管理工具可以把它理解成“针对 Python 生态的更聪明的 pip venv 结合体”它不仅能装 Python 包还能装一些底层依赖库比如 cudatoolkit、mkl。Anaconda Navigator图形化界面适合不想敲命令的用户点一点就能创建环境、安装软件、启动 Jupyter。Anaconda PromptWindows 下自动配好环境变量的命令行终端装完后从这里敲命令最省心。Jupyter Notebook / Spyder做数据分析和机器学习最常用的编辑器Anaconda 默认帮你配好了。所以如果你要搞 TensorFlow、PyTorch、数据分析、机器学习直接用 Anaconda 起步是最高效的这也是为什么几乎所有的深度学习教程都会以安装 Anaconda 作为第一课。2.2 2024 年该选哪个版本别盲目下最新的这是被问得最多的问题之一。Anaconda 官方每几个月会发布一个新版本版本号形如Anaconda3-2024.10-1-Windows-x86_64.exe。其中的2024.10表示发布时间后面数字是修订号。我的建议是不要太追新。比如 2024.10 刚发布两周内我建议先观望等社区反馈稳定再上。因为 Anaconda 捆绑的 Python 版本和包组合偶尔会有兼容性问题尤其是和 TensorFlow 的版本匹配上。优先选择捆绑 Python 3.9 或 3.10 的版本。TensorFlow 2.10 以后对 Python 版本的支持节奏变快了Python 3.11、3.12 的支持总是慢半拍。如果你是为了跑 TensorFlowAnaconda 捆绑 Python 3.9/3.10 的版本往往更稳。64 位版本是必须的。现在的 TensorFlow 官方早已放弃 32 位支持选择安装包时务必认准x86_64字样。我从实际经验出发推荐一个组合Anaconda3-2023.09 或 2024.02 之后、捆绑 Python 3.11 的版本 独立创建 conda 环境用 Python 3.9/3.10 装 TensorFlow。也就是说Anaconda 基础环境的 Python 版本没那么重要因为我们会为 TensorFlow 单独建环境环境里指定一个兼容性最好的 Python 版本。2.3 下载官网慢成狗用清华镜像几分钟搞定Anaconda 官网下载在国内经常只有几十 KB/s等得人心态崩。我推荐直接用清华 TUNA 镜像站下载速度和稳定性都好很多。清华镜像站 Anaconda 安装包地址Archive 目录https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/在这个页面里找到你想要的版本例如https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2023.09-0-Windows-x86_64.exeLinux 服务器对应下载.sh结尾的安装包例如https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2024.02-1-Linux-x86_64.sh提示选择镜像版本时注意文件名最后一段Windows 是Windows-x86_64.exemacOS Intel 是MacOSX-x86_64.pkgmacOS Apple Silicon 是MacOSX-arm64.pkgLinux 是Linux-x86_64.sh。别下错平台。很多博客推荐从https://repo.anaconda.com/archive/直接下我劝你别折腾。清华镜像同步频率很高基本官方一发布就会同步你用镜像源不会吃亏。3. 手把手安装 AnacondaWindows 和 Linux 双版本3.1 Windows 安装详细步骤下载好.exe安装包后双击运行接下来按这个顺序操作点击 Next进入 License 页面点 I Agree。选择安装用户时强烈建议选 Just Me仅为我安装。如果选 All Users后续可能出现权限问题特别是在创建虚拟环境和写缓存时。选择安装路径。注意两个关键点路径不要有中文和空格这是天坑。比如D:\Anaconda3这样可以但C:\Program Files\Anaconda3虽然能装但后续有些包编译会出问题D:\软件\Anaconda3更是直接别碰。尽量不要装在系统 C 盘Anaconda 体积不小加上环境和缓存包装完跑几天就是十几 GB。我习惯装在 D 盘或 E 盘独立目录。关键的 Advanced Options 页面有两个复选框Add Anaconda3 to my PATH environment variable如果勾选安装完成后可以直接在 CMD/PowerShell 里敲conda --version。但官方不建议勾选因为可能和其他 Python 产生冲突。我个人的习惯是勾选因为我机器上就没有别的 Python这个选项最省事。如果你机器上已经装了官方 Python 且不想动它就别勾。Register Anaconda3 as my default Python 3.9建议勾选这样系统里默认 Python 就是 Anaconda 的避免多个解释器混乱。点击 Install等待进度条走完一般 5~10 分钟取决于磁盘速度。安装完成后在开始菜单搜索 Anaconda Prompt 并打开输入conda --version python --version如果输出版本号就说明安装成功了。如果提示conda is not recognized说明 PATH 没生效后文有专门解法。3.2 Linux 服务器安装步骤Linux 上通常是无界面环境全靠命令行操作。步骤如下先下载安装脚本同样用清华镜像wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2023.09-0-Linux-x86_64.sh执行安装bash Anaconda3-2023.09-0-Linux-x86_64.sh安装过程中会问你接受 license输入yes然后确认安装路径。默认是~/anaconda3我建议保持默认因为很多教程和工具都默认从这个路径找 conda。如果你非要自定义路径同样遵循“无中文、无空格”原则。安装过程最后一步会问你Do you wish the installer to initialize Anaconda3 by running conda init?建议输入yes。这会在你的~/.bashrc里自动写入 conda 初始化脚本以后每次打开终端就能直接用 conda 命令。如果你选了 no后续还得手动配置环境变量多此一举。安装完成后让配置生效source ~/.bashrc然后验证conda --version3.3 安装完成后必须做的第一件事换源Anaconda 默认使用的是官方源国内访问速度感人而且经常出现连接超时。不换源的话后面创建环境、装包会让你怀疑人生。我用的是清华 conda 镜像。执行以下命令写入.condarc配置conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --set show_channel_urls yes执行完后可以查看当前配置确认conda config --show channels注意网上有些教程会让你用conda config --remove channels defaults把官方源删掉我建议不要完全删。因为清华源的同步有一点点延迟某些冷门包可能暂时没有留着 defaults 作为兜底可以避免装不上。另外强烈建议同时把 pip 源也换掉。因为后面装 TensorFlow 大概率会用pip installpip 官方源同样很慢。执行pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simpleWindows 和 Linux 命令一样。换源后装包速度会从几十 KB/s 飙到几 MB/s体感非常明显。4. 创建虚拟环境并安装 TensorFlow4.1 为什么必须用虚拟环境装 TensorFlow我见过太多新手一上来就在 Anaconda 基础环境base里直接pip install tensorflow然后过两天装 PyTorch 出现各种玄学冲突最后只能把 Anaconda 卸载重装损失惨重。正确做法是为 TensorFlow 单独建一个环境。这样做的理由有三个依赖隔离TensorFlow 对numpy等底层库的版本要求很严格直接在 base 里装可能把 base 的 numpy 升级或降级影响其他项目。Python 版本自由你可以为不同的深度学习框架选择不同的 Python 版本。比如 TensorFlow 2.10 用 Python 3.9 最稳PyTorch 2.x 用 Python 3.10 也很好在独立环境里互不干扰。环境复制和删除方便环境坏了直接conda remove -n tf --all一键删掉重来完全不影响系统其他部分。4.2 创建虚拟环境并指定 Python 版本打开终端Windows 上用 Anaconda PromptLinux 上直接终端执行conda create -n tf python3.9解释一下参数-n tf给环境起个名字叫 tf你也可以叫 tensorflow、dl、test 都行。python3.9指定环境内的 Python 版本。这里有一个关键决策点到底选 Python 3.9 还是 3.10 还是 3.11根据我在实际项目里的经验如果你打算装tensorflow2.10 及以下版本用Python 3.9最稳妥因为 2.10 官方明确支持 3.7~3.9装 3.10 反而容易出问题。如果你要装tensorflow2.132024 年主推版本用Python 3.9 或 3.10都行2.15 之后官方开始支持 3.11但 3.9 依然是最稳的。如果你后续还要玩 PyTorch同样可以用 Python 3.9 环境PyTorch 对 3.9 的支持一直很好。所以我给所有人的建议统一是conda 环境里用 python3.9这是目前 TensorFlow 和 PyTorch 交集最大的稳定版本。创建过程中会显示一堆将要安装的包输入y确认即可。完成后激活环境conda activate tfWindows 上如果提示conda activate不生效先试activate tf或者用conda init powershell初始化一下当前的 shell。Linux 上一般conda activate tf直接能用。激活成功后命令行前面应该出现(tf)前缀类似(tf) C:\Users\你的用户名看到这个前缀就说明已经在 tf 环境里了。4.3 安装 TensorFlowCPU 版还是 GPU 版怎么选TensorFlow 目前有两种常见安装包tensorflowCPU 版安装包约 200MB安装后不需要 GPU 就能跑但训练速度慢。tensorflow-gpuGPU 版安装包里包含 CUDA 相关依赖注意不同版本对 CUDA 的支持方式不同。先说结论如果你是新手或电脑上没有 NVIDIA 显卡或只是想先跑通代码逻辑直接装 CPU 版。等确认要训练大模型了再考虑 GPU 版也不迟。CPU 版的好处是省事、兼容性好、不用配 CUDA 环境。装 CPU 版pip install tensorflow如果你想装国内更常用的 2.x 特定版本比如很多课程用的是 2.10.0可以pip install tensorflow2.10.0装 GPU 版在 2024 年的主流方式是直接执行下面这条命令之一conda install tensorflow-gpu或者pip install tensorflow-gpu这里有人会问conda 装和 pip 装有什么区别我的经验是conda 装的 tensorflow-gpu 会自动拉取编译好的 CUDA 和 cuDNN 依赖版本匹配是 conda 帮你处理的所以新手优先用 conda 装 GPU 版出错率低很多。pip 装的 tensorflow-gpu 体积小一些但你可能需要自己另装匹配的 CUDA/cuDNN对新手不友好。无论哪种方式装完都验证一下是否真的用上了 GPU。验证代码import tensorflow as tf print(tf.__version__) print(tf.config.list_physical_devices(GPU))如果 GPU 列表是空的说明没识别到 GPU需要回到 CUDA 版本匹配的排查。提示实测下来Windows 上 TensorFlow 2.10 以前支持自带 GPU 支持Windows 上从 2.11 开始官方不再提供 GPU 支持需要用 TensorFlow-DirectML 或改用 WSL2 里的 Linux 环境。所以如果你是 Windows 用户且必须要 GPU 训练建议安装tensorflow2.10.0这种老版本或者直接用 WSL2 装 Linux 版 TensorFlow。这也是为什么网上 2024 年的教程很多还在讲 2.10——不是教程老了是 Windows 生态限制。4.4 顺手聊聊 TensorFlow 和 PyTorch 的选型从热搜词我能看出来很多人都在搜“tensorflow与pytorch的流行趋势 2024”。说实话2024 年学术界和工业界的风向标已经很明显PyTorch 在科研圈的使用率已经超过 TensorFlow而 TensorFlow 在大规模部署、移动端、生产环境里依然有很强的存在感。但我的观点是新手入门深度学习TensorFlow 依然是很好的第一站。理由是学习资料极其丰富课程体系完善而且 TensorFlow 2.x 的 Keras 接口非常友好写起来比 PyTorch 的底层 API 更简单。你先用 TensorFlow 把神经网络的基本概念打通了再切 PyTorch 会很容易。如果你是课程作业要求或者看到网上很多“循环神经网络基础-tensorflow”这类头歌平台的实训内容那就更不用纠结了直接按本教程把 TensorFlow 环境建起来跟着实验做就行。5. 把 Anaconda 环境配置到 PyCharm 里环境建好了包装好了但你如果用记事本写代码效率太低。绝大多数人写 Python 会配 PyCharm而 PyCharm Anaconda 的组合是社区公认的最佳实践。下面我分别说下配置方法。5.1 新版 PyCharm 自动识别 conda 环境如果你的 PyCharm 是 2021 年以后的专业版或社区版新建项目时有一个专门的 “Conda” 选项会自动扫描到你机器上已有的 Anaconda 环境。新建项目流程打开 PyCharm选择 New Project。左侧选择 Pure Python或 Django、Flask 等看你需要。在 Location 填项目路径。找到 Python Interpreter 部分点 Add Interpreter选择Conda Environment。选择 Use existing environment下拉框里应该能看到tf这个环境选中它。点 Create完成。之后 PyCharm 右下角的状态栏会显示tf代表当前项目的解释器就是 tf 环境。5.2 手动指定已经创建好的环境解释器如果你的 PyCharm 没自动识别或者已经建好了项目想换解释器可以这样操作打开项目后按Ctrl Alt S进入设置macOS 是Cmd ,。选择 Project: 你的项目名 - Python Interpreter。点击齿轮图标选 Add。选择 Conda Environment - Existing environment。点三个点的浏览按钮找到 tf 环境里的 Python 解释器路径。Windows 默认在C:\Users\你的用户名\anaconda3\envs\tf\python.exeLinux 在/home/你的用户名/anaconda3/envs/tf/bin/python。点 OK 应用。这里有个细节很多小白会把anaconda3\python.exe也就是 base 环境的 Python选成项目的解释器这是常见误区。你要选的是anaconda3\envs\tf\python.exe这样 PyCharm 才用的是你创建好的 tf 环境。设置完再验证一下在 PyCharm 的终端或 Python Console 里输入import tensorflow as tf print(tf.__version__)如果正常输出版本号恭喜你环境已经全部打通了。6. 高频报错排查与避坑手册这部分是我最想分享的。网上教程大多只告诉你怎么安装成功但真正开始用之后各种报错才是劝退新手的第一元凶。我把过去几年踩过的坑以及大家搜索最多的报错统一整理如下。6.1conda is not recognized或不是内部或外部命令这个报错本质是环境变量 PATH 里没有 conda 的路径。可能发生在安装时没勾选 Add to PATH 选项。安装时以某个用户身份装但当前使用的是另一个用户。安装完成后没有重启终端。解法分两步第一步找到 conda.exe 所在路径。Windows 默认在C:\Users\你的用户名\anaconda3\Scripts\conda.exe如果你装到了 D 盘就去 D 盘对应路径找。第二步打开环境变量设置右键“此电脑” - 属性 - 高级系统设置 - 环境变量。在“系统变量”或“用户变量”里找到 Path双击编辑。新建三条你的anaconda安装路径比如D:\Anaconda3你的anaconda安装路径\Scripts你的anaconda安装路径\Library\bin确定保存重新打开终端再试conda --version。Linux 上如果提示conda: command not found大概率是安装时没执行 conda init。手动添加echo export PATH/home/你的用户名/anaconda3/bin:$PATH ~/.bashrc source ~/.bashrc6.2UnavailableInvalidChannel: HTTP 403 Forbidden for channel anaconda/pkgs/main这个报错在换源之后很常见原因一般是.condarc里的 channel 配置有问题或者清华镜像某些目录确实 403 了。我遇到过的具体情况有两种一种是在.condarc里写错了 URL比如少写了一个https://或者路径不对。用下面的命令重置配置conda config --remove-key channels conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --set show_channel_urls yes另一种是清华镜像在某个时间段针对anaconda/pkgs/main这个路径返回 403这种情况通常会同步恢复。如果你急于装包可以临时把 channel 切回官方源conda config --remove-key channels conda config --add channels defaults装完再切回来。6.3WARNING: This Python interpreter is in a conda environment but the environment has not been activated这个警告一般在 PyCharm 终端或者手动在 CMD 里敲python时出现。提示你当前用的 Python 属于 conda 环境但你这个终端没激活它。解法就是先激活环境再跑代码conda activate tf python如果是在 PyCharm 里的终端建议把 PyCharm 的设置项改成“使用项目的 conda 环境作为终端默认环境”。在 PyCharm 终端里运行conda activate tf后后续的命令都会在这个环境里执行警告就消失了。6.4ImportError: cannot import name mesh from simpeg热词里有一条关于 simpeg 的报错这不是 Anaconda/TensorFlow 直接相关的但很能说明 conda 环境的一个通病包版本不匹配。它的意思是某个包需要从 simpeg 里导入mesh但当前环境里安装的 simpeg 版本没有mesh这个模块。通常的解法升级 simpegpip install simpeg --upgrade或者降级到一个文档要求的版本pip install simpeg某版本这也从侧面印证了虚拟环境的重要性。如果你是在 base 环境里乱装包这种依赖冲突会越来越乱。遇到这类问题先确认你激活的是哪个环境再看包的版本是否匹配。6.5 网上的教程让我装tensorflow-gpu却提示找不到包2024 年如果你直接用默认源搜索pip install tensorflow-gpu有时候会提示找不到对应版本。原因是 TensorFlow 官方的打包策略变了——从 2.11 开始tensorflow-gpu包名被废弃了统一归并到tensorflow这个包名里。也就是说你在 Linux 上装tensorflow如果机器有 GPU它就会自动加载 GPU 支持Windows 上则用不了 GPU。应对办法如果想用 GPU优先安装tensorflow2.10.0或tensorflow-gpu2.10.0并配套cudatoolkit11.2和cudnn8.1。或者直接在 WSL2 的 Linux 环境里conda install tensorflow-gpuWindows 用户也能获得 Linux 原生支持。具体命令在 tf 环境里执行conda install cudatoolkit11.2 cudnn8.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ pip install tensorflow-gpu2.10.0装完验证import tensorflow as tf print(Num GPUs Available: , len(tf.config.experimental.list_physical_devices(GPU)))6.6 卸载重装 Anaconda 的正确姿势热词里有不少人在搜 anaconda 卸载。这种情况一般是 base 环境被搞坏了或者环境变量被弄得一塌糊涂想重来。卸载重装不可怕可怕的是卸载不干净。Windows 卸载三步走使用 Anaconda 自带的卸载程序路径在你的anaconda安装目录\Uninstall-Anaconda3.exe。按提示执行。清理残留目录删除C:\Users\你的用户名\.conda、C:\Users\你的用户名\.condarc、C:\Users\你的用户名\.anaconda以及安装目录本身。清理环境变量打开环境变量把 PATH 里所有 anaconda 相关条目全部删掉。Linux 卸载rm -rf ~/anaconda3 rm -rf ~/.conda rm -rf ~/.condarc然后编辑~/.bashrc删除 conda init 那几行代码如果有的话。重装时按照前面第 3 节的步骤重新来一遍即可这次建议直接做好换源和建环境的规划避免重蹈覆辙。6.7 常用 conda 命令速查表最后送上一张我在日常使用中高频执行的 conda 命令表方便你随时查阅功能命令创建环境conda create -n 环境名 python3.9激活环境conda activate 环境名退出环境conda deactivate查看所有环境conda env list删除环境conda remove -n 环境名 --all复制环境conda create -n 新环境名 --clone 旧环境名查看当前环境包列表conda list用 pip 安装包pip install 包名用 pip 从清华源安装pip install 包名 -i https://pypi.tuna.tsinghua.edu.cn/simple查看 conda 版本conda --version更新 conda 本体conda update conda一些切身的体会装环境这件事说到底是经验活。你可能照着步骤一次成功也可能卡在某一步两小时这都很正常。我个人经历中最崩溃的一次是在服务器上被 403 报错折磨到半夜最后发现只是网段触发了防火墙限制换个镜像就好了也见过同事因为安装路径带了中文导致 scrapy 爬虫死活起不来重装之后瞬间恢复。如果你是新接触这块我的建议是不要高估自己以后会记住这些步骤。装好环境后把 conda 环境导出成一个配置文件存到项目的 requirements 里方便以后复现conda activate tf conda env export environment.yml之后在新机器上重建环境只需要一行命令conda env create -f environment.yml另外还有一个小技巧每次在一个新环境里装包之前先执行一遍conda config --set channel_priority strict能避免 conda 在多个源之间反复横跳导致依赖解析过慢的问题。踩过几次坑之后你就会理解所谓“环境配置”其实就是在跟版本兼容性赛跑而 Anaconda 帮你把大部分赛道都铺平了。剩下的坑按这篇文章逐条排查基本都能顺利趟过去。