Anaconda+PyCharm配置TensorFlow 1.13.1环境

简介面向 Python 初学者与数据科学入门者的环境搭建图文教程聚焦 Anaconda、PyCharm 的安装及两者的编译器对接帮助读者跨过环境配置与第三方库安装的门槛。资源以 docx 单文档交付压缩包共 1 个文件、约 4.22MB内容按安装、验证、扩库、IDE 配置的顺序编排步骤连贯紧凑。正文从 Anaconda 安装讲起用 Anaconda Prompt 执行 conda list 确认环境可用再演示以 pip 配合清华镜像源安装 OpenCV、TensorFlow、Keras 等库的写法并说明版本号与镜像参数的填写位置。PyCharm 部分覆盖默认安装与首次初始化以及在 Project Interpreter 中通过齿轮菜单添加 anaconda3 目录下 python.exe 的完整路径使项目可直接调用环境中已装好的库。目前已有 6954 人学习适合希望一次跑通深度学习与计算机视觉实验环境的学习者对照操作。1. 先装谁不是小事Anaconda 与 PyCharm 的版本顺序某开发者拿到一份 AnacondaPyCharm 的安装笔记照着点完安装包PyCharm 也顺利打开结果在 Anaconda Prompt 里执行pip install tensorflow1.13.1时卡在Could not find a version that satisfies the requirement。他以为是镜像地址写错了换了几个源还是一样。真正的原因不是网络而是 Anaconda 默认自带的 Python 版本太新旧版 TensorFlow 根本没有对应的安装包。这套环境在课程实验、图像处理 Demo、深度学习入门里太常见了Anaconda 管库PyCharm 写代码TensorFlow、Keras、OpenCV 负责跑模型和处理图片。装不好不会立刻报错而是表现为 PyCharm 里import cv2标红、conda list明明有包但项目解释器没挂上、pip 把库装进了 base 环境。适合第一次在 Windows 上配 Python 数据分析环境的人也适合要复现旧教程、旧代码的人。先别急着追最新版把版本顺序理清后面能少返工。2. 装 Anaconda安装包、路径和最后两个勾选项Anaconda 的安装包本身不复杂双击、等加载、点下一步真正容易留下后患的是路径和选项。安装过程中最后两个勾选项原文说取消勾选勾了也无非是安装完打开浏览器介绍页我的习惯是全部取消装完自己从开始菜单打开 Anaconda Prompt避免浏览器和终端一起弹出来干扰判断。安装类型选 Just Me路径用纯英文、不带空格别装进桌面或中文目录。不是矫情后面 pip 装 TensorFlow、OpenCV 时编译工具和临时文件对中文路径的兼容性时好时坏这种玄学问题排查起来最费时间。2.1 选安装包与版本别用最新版硬扛旧库Anaconda 安装包按系统位数选Windows 上选 64 位。安装包版本不用在正文里背具体数字下载页给什么就用什么但心里要清楚Anaconda 自带的是 base 环境base 里的 Python 版本可能比较新。新版本跑新代码没问题跑tensorflow1.13.1这种旧版本就会翻车。常见做法是 Anaconda 只负责提供 conda 和环境管理能力具体项目的 Python 版本在独立环境里指定不要直接在 base 里反复装旧库。安装选项可以按下面这张表核对一遍安装选项建议原因安装类型Just Me避免管理员权限写系统目录安装路径纯英文、无空格减少 pip 和编译工具路径解析问题添加环境变量不勾选用 Anaconda Prompt 更稳避免和系统 Python 冲突最后两个勾选取消不自动打开浏览器和介绍页如果安装时勾了“添加环境变量”也不是不能用但系统里可能同时存在多个python.exe后面在 PyCharm 里配解释器时要认准路径。装完先别急着开 PyCharm先把 Anaconda 自己的命令行跑通。2.2 安装路径与两个勾选项为什么不建议装进中文路径安装路径我一般会放在C:\anaconda3或者D:\anaconda3这种短路径下。不是强迫症是后面pip install拉 wheel 包时有些包会在临时目录里解压、编译路径里带中文或空格报错信息往往只给你一行error: could not create看不出是路径问题。新手容易把 Anaconda 装到C:\Users\某用户\桌面\anaconda3当时能打开装库时开始出问题。装完之后可以先用系统命令看看当前机器上有几个 Python# 查看系统 PATH 里能找哪些 python避免装完调用错 where.exe pythonwhere.exe是 Windows 自带的命令会按 PATH 顺序列出所有python可执行文件。如果输出多条说明系统里可能还有别的 Python。这里不用急着删后面在 PyCharm 里指定 Anaconda 环境下的python.exe就行。注意如果这条命令一条都找不到也不代表 Anaconda 没装好因为安装时没勾选添加环境变量系统 PATH 里本来就不会有它。2.3 验证 conda list 之前先看 conda info安装完成后从开始菜单找到 Anaconda3 文件夹打开 Anaconda Prompt。不要用普通 cmd 去敲conda新手最常见的第一口锅就是“conda 不是内部或外部命令”。在 Anaconda Prompt 里依次执行# 查看 conda 版本确认命令可用 conda --version # 查看 base 环境路径和 Python 版本 conda info # 列出已安装的包出现一堆库说明环境正常 conda listconda --version只证明 conda 命令能调用conda info更有用它会打印 base environment 的路径、Python 版本、平台信息。原文说输入conda list出现一堆库就算安装成功这个判断没错但我建议先看conda info确认 base 环境到底装在哪里、Python 是哪个版本。后面建独立环境、在 PyCharm 里找python.exe都要靠这个路径。提示conda list输出很长不用逐行看。确认没有报错、列表里有python、pip、numpy这些基础包就可以进入下一步。3. 建独立环境把 TensorFlow 1.13.1 关进 tf113Anaconda 装完只是有了一个 base 环境base 像公共工具箱什么都往里塞时间久了很难收拾。旧版 TensorFlow 对 Python 版本挑剔直接装在 base 里轻则装不上重则把 base 的依赖搞乱。我的做法是给每个项目建独立环境名字直接体现用途比如tf113。这样即使装坏了删掉环境重来就行不用重装 Anaconda。3.1 创建环境与指定 Python 版本在 Anaconda Prompt 里执行# 创建名为 tf113 的环境指定 Python 3.7 conda create -n tf113 python3.7 -y # 激活环境提示符前面会出现 (tf113) conda activate tf113 # 确认当前环境里的 Python 版本 python -V-n后面跟环境名这里叫tf113你可以改成自己的项目名python3.7是指定解释器版本旧版 TensorFlow 1.13.1 需要旧 Python直接用新版本 Python 会找不到对应 wheel-y是跳过确认适合脚本化操作。激活后提示符会从(base)变成(tf113)这一步很关键后面所有 pip 安装都要在这个环境里做。如果python3.7提示找不到包先执行conda search python看当前配置的源里有哪些版本。常见做法是换一个可用的 conda 源或者把版本放宽到当前源里存在的 3.x 版本。但注意TensorFlow 1.13.1 对 Python 3.8 及以上支持很差版本放宽也要在旧版本范围内选不要直接跳到 3.11、3.12。3.2 激活环境、换源与 pip 安装 OpenCV/TensorFlow/Keras确认环境激活后先看当前解释器路径再装库# 确认自己在 tf113 里不要回到 base conda activate tf113 # 打印当前 Python 解释器路径后面 PyCharm 要填这个路径 python -c import sys; print(sys.executable) # 镜像地址换成你能访问的索引地址结尾带 /simple export MIRROR_URLhttps://你的镜像站/simple # 安装 OpenCV包名是 opencv-python导入名是 cv2 python -m pip install opencv-python -i $MIRROR_URL # 固定 TensorFlow 版本旧项目复现不要省略 python -m pip install tensorflow1.13.1 -i $MIRROR_URL # Keras 版本要和 TensorFlow 1.13.1 配套不要随手拉最新 python -m pip install keras2.2.4 -i $MIRROR_URLpython -m pip比直接敲pip更稳能确保 pip 属于当前激活的 Python 环境-i后面是镜像索引地址原文用的是某高校开源镜像这里不写死具体域名换成你能访问的国内镜像即可结尾一般带/simpletensorflow1.13.1里的是固定版本旧代码复现时不要写成tensorflow否则 pip 会拉最新版装完 import 直接报错。keras2.2.4是旧版 TensorFlow 常见的配套选择如果你只用tf.keras独立 Keras 可以不装但旧教程里经常出现from keras.models import Sequential装上更省事。装完执行一次python -m pip list看opencv-python、tensorflow、keras是否都在列表里。注意包名和导入名不是一回事opencv-python装完后代码里写import cv2不是import opencv-python。3.3 版本号写死与不写死的差别版本号写不写死取决于你要干什么。新项目可以用较新的库旧项目复现必须写死。下面这张表可以对照写法结果适用场景pip install tensorflow拉当前最新版新项目、只做入门测试pip install tensorflow1.13.1固定旧版需要旧 Python复现旧教程、旧代码pip install keras可能拉到与 TensorFlow 不匹配的版本不推荐旧环境使用pip install keras2.2.4与 TensorFlow 1.13.1 配套更稳旧版 Keras 代码还有一个常见误区在 base 里装了一遍又在tf113里装一遍最后 PyCharm 选的是 base代码却以为自己在tf113。判断方法很简单在 Anaconda Prompt 里激活环境后执行python -c import sys; print(sys.executable)路径里带envs\tf113才是对的。后面配 PyCharm 时认的也是这个路径。4. 配 PyCharm 解释器齿轮里的 Show All 到底点哪里PyCharm 安装本身比 Anaconda 简单双击安装包一路下一步最后点 Finish。首次打开会问主题、插件、是否导入配置按默认走就行。真正决定这套环境能不能跑起来的是 PyCharm 里的解释器配置。Anaconda 装了一堆库PyCharm 不会自动知道必须手动把项目解释器指向tf113环境下的python.exe。4.1 PyCharm 安装与首次启动Community/Professional 怎么选PyCharm 有 Community 和 Professional 两个版本。本地写 Python、连 Anaconda 解释器、跑 OpenCV 和 TensorFlowCommunity 够用Professional 多了数据库、远程开发、科学工具等能力初学阶段不必纠结。安装路径同样建议纯英文、无空格和 Anaconda 放在同一个盘里后面找路径方便。首次启动的初始化配置不用太在意主题、字体、快捷键都可以后面改。安装完成后先别急着新建项目先确认 PyCharm 能正常打开。打开后如果提示创建项目先建一个空项目或者直接打开一个已有目录后面在设置里配解释器。4.2 把 Anaconda 环境挂进 Project Interpreter打开 PyCharm进入File SettingsmacOS 上是PyCharm Preferences。在左侧找到Project: 你的项目名 Python Interpreter旧版叫Project Interpreter。点右侧齿轮旧版会出现Show All再点添加新版 PyCharm 的入口叫Add Interpreter可以直接选Conda Environment或Existing environment。原文写的是齿轮里的Show All这是旧版界面的路径新版找不到Show All不是装错了是界面改了。配置时不要选“New environment”除非你想让 PyCharm 再建一个 conda 环境。这里要选已有环境解释器路径指向C:\Users\用户名\anaconda3\envs\tf113\python.exe如果你把 Anaconda 装在D:\anaconda3路径就是D:\anaconda3\envs\tf113\python.exe。不确定路径时回到 Anaconda Prompt 执行# 列出所有 conda 环境找到 tf113 对应的路径 conda info --envsconda info --envs会列出环境名和路径tf113那一行后面的目录就是环境根目录再拼上\python.exe。注意不要选成anaconda3\python.exe那是 base 环境也不要选pythonw.exe那是无控制台窗口的版本调试时看不到输出。4.3 解释器路径核对python.exe 到底在哪配完解释器后PyCharm 右下角会显示当前解释器名称点开能看到路径。更稳的核对方式是在 PyCharm 的 Terminal 里执行# 先激活环境再确认解释器路径 conda activate tf113 python -c import sys; print(sys.executable)如果 PyCharm Terminal 里conda命令不可用说明 Terminal 没有继承 Anaconda 的环境初始化可以直接在设置里把 Terminal 的 shell 路径改成 Anaconda Prompt或者手动执行conda init后重开终端。这里不用追求一次成功重点是确认 Terminal 打印出来的sys.executable和设置里选中的python.exe是同一个路径。路径对不上后面import tensorflow一定出问题。注意PyCharm 的设置里改的是“项目解释器”不是“系统环境变量”。改完不需要重启电脑但建议重启当前 Python 运行配置避免旧进程还挂着之前的解释器。5. 排查五连装完 import 报错先查这几处安装过程中最耗时间的不是点下一步而是装完之后报错。下面五条是我在 Windows 上配 AnacondaPyCharm 时最常遇到的每条按“现象、原因、解决”记录。遇到报错先按顺序排查不要一上来就重装 Anaconda。5.1 现象Anaconda Prompt 里 conda 正常cmd 里 conda 不是内部命令现象很典型从开始菜单打开 Anaconda Promptconda --version有输出换成普通 cmd 或 PowerShell敲conda直接提示“不是内部或外部命令”。原因是安装时没有把 conda 加入系统 PATHAnaconda Prompt 自己带了一套环境初始化所以能用普通终端没有这套初始化。解决方式不是急着把一堆路径塞进系统环境变量而是继续用 Anaconda Prompt或者在普通终端里执行一次# 让 conda 初始化 cmd执行后重开终端 conda init cmd.execonda init会修改对应 shell 的启动脚本执行完必须关掉当前终端重新打开。如果不想改系统配置就用 Anaconda Prompt别在 cmd 里硬敲。把 Anaconda 的Scripts、Library\bin一股脑加进 PATH 也能让命令可用但容易和系统里其他 Python 冲突后面 PyCharm 选错解释器的概率更高。5.2 现象pip 装完PyCharm 里 import 还是 ModuleNotFoundError现象是 Anaconda Prompt 里python -m pip list能看到tensorflowPyCharm 里写import tensorflow还是报红。原因通常不是没装上而是 PyCharm 用的解释器和 pip 装包的解释器不是同一个。比如 pip 装进了tf113PyCharm 还挂着 base或者 PyCharm 用的是系统 Python。解决方式是先在报错的项目里执行import sys print(sys.executable)看输出路径是不是envs\tf113\python.exe。不是就回到Settings Python Interpreter换掉。换完再在 PyCharm 的 Terminal 里执行python -m pip show tensorflow确认包在当前解释器里。不要只看conda list因为conda list和pip list的记录来源不完全一样尤其是用 pip 装进 conda 环境的包。5.3 现象TensorFlow 1.13.1 安装报 Could not find a version现象是执行pip install tensorflow1.13.1后提示找不到匹配版本换镜像也一样。原因有三个常见方向当前 Python 版本太新旧版 TensorFlow 没有对应 wheel装的是 32 位 Python镜像站没有同步这个旧版本。先确认 Python 版本和位数# 查看 Python 版本 python -V # 查看是 32 位还是 64 位 python -c import platform; print(platform.architecture())如果 Python 是 3.11、3.12直接建一个 Python 3.7 的 conda 环境不要在 base 里硬装。如果输出是 32 位卸载后换 64 位 Anaconda 安装包。镜像没有同步时可以临时去掉-i用默认源试一次或者换一个能访问的镜像。不要为了装旧版去改系统 Python独立环境就是用来隔离这种版本冲突的。5.4 现象OpenCV 装上了但 cv2.imshow 闪退/报错现象是import cv2成功但调用cv2.imshow时窗口闪退或者报 GUI 后端相关错误。原因是装成了opencv-python-headless这个包不带 GUI 功能适合服务器本地要看图得用opencv-python。解决方式是先卸载 headless再装完整包# 卸载不带 GUI 的版本 python -m pip uninstall opencv-python-headless -y # 装回带 GUI 的完整包 python -m pip install opencv-python -i $MIRROR_URL如果两个都装了也可能互相覆盖。装完执行python -c import cv2; print(cv2.__version__)确认能导入。还不行就看cv2.getBuildInformation()里的 GUI 段确认后端不是NONE。这类问题不是 Anaconda 的锅是包选错了。5.5 现象conda list 看不到 pip 装的包或者环境越装越大现象是明明用 pip 装了库conda list里却没有或者环境用了一段时间体积越来越大装包开始变慢。原因是 conda 和 pip 的包记录机制不同pip 装的包不一定出现在 conda 的包列表里另外在同一个环境里反复用 conda 和 pip 覆盖同一个包容易留下旧文件。解决方式是先分清工具# 看 conda 管理的包 conda list # 看 pip 管理的包确认当前环境 python -m pip list需要干净环境时直接删掉重建比在旧环境里修依赖快# 删除环境前先退出该环境 conda deactivate conda remove -n tf113 --all -yconda remove -n tf113 --all会删掉整个环境-y跳过确认。删之前确认没有项目正在用这个环境。我的习惯是环境名带项目或版本比如tf113、cv-demo不要用test、new这种名字过两周自己都不知道里面装了什么。6. 验证跑通三段式自检和一条保命习惯装完不要只看 PyCharm 能打开、代码不报红那只能说明编辑器正常。真正要验证的是三件事解释器路径对不对、包版本是不是你装的那个、最小功能能不能跑。我一般按下面三段式走一遍。第一段确认解释器路径# 在 PyCharm Terminal 或 Anaconda Prompt 里执行 python -c import sys; print(sys.executable)输出应该包含envs\tf113\python.exe。如果还是 base 或系统 Python后面的验证都不用看先回去改解释器。第二段确认包版本python -c import cv2, tensorflow as tf, keras; print(cv2, cv2.__version__); print(tf, tf.__version__); print(keras, keras.__version__)这条命令能一次导入三个库版本号和你安装时写的一致才算过。TensorFlow 1.13.1 导入时可能带一些警告比如未来版本弃用提示只要不是ModuleNotFoundError或ImportError可以先忽略。第三段跑最小功能脚本import sys import numpy as np import cv2 import tensorflow as tf import keras print(python:, sys.executable) print(cv2:, cv2.__version__) print(tensorflow:, tf.__version__) print(keras:, keras.__version__) # OpenCV 最小验证生成一张黑图转灰度 img np.zeros((32, 32, 3), dtypenp.uint8) gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) print(gray shape:, gray.shape) # TensorFlow 1.x 会话写法确认图能跑 with tf.Session() as sess: result sess.run(tf.add(tf.constant(1), tf.constant(2))) print(tf add:, result)这段脚本覆盖了 NumPy、OpenCV、TensorFlow、Keras 四个关键依赖。gray shape输出(32, 32)tf add输出3说明环境基本跑通。如果tf.Session()报AttributeError大概率是装成了 TensorFlow 2.x回看安装时有没有写tensorflow1.13.1。检查项命令通过标准解释器路径python -c import sys; print(sys.executable)路径含envs\tf113包版本python -c import cv2, tensorflow as tf, keras; ...版本与安装时一致最小功能跑上面的 Python 脚本输出gray shape和tf add: 3从那以后我每次装完这套环境都强制走一遍三段式不看到路径和版本对得上不打开项目写代码。重装 Anaconda 的时间够跑好几轮验证留一份后悔药比事后拍大腿强。希望帮到你。本文还有配套的精品资源点击获取