tensorflow 订阅
TensorFlow™是一个基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于各类机器学习(machine learning)算法的编程实现,其前身是谷歌的神经网络算法库DistBelief [1]  。Tensorflow拥有多层级结构,可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算,被广泛应用于谷歌内部的产品开发和各领域的科学研究 [1-2]  。TensorFlow由谷歌人工智能团队谷歌大脑(Google Brain)开发和维护,拥有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在内的多个项目以及各类应用程序接口(Application Programming Interface, API) [2]  。自2015年11月9日起,TensorFlow依据阿帕奇授权协议(Apache 2.0 open source license)开放源代码 [2]  。 展开全文
TensorFlow™是一个基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于各类机器学习(machine learning)算法的编程实现,其前身是谷歌的神经网络算法库DistBelief [1]  。Tensorflow拥有多层级结构,可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算,被广泛应用于谷歌内部的产品开发和各领域的科学研究 [1-2]  。TensorFlow由谷歌人工智能团队谷歌大脑(Google Brain)开发和维护,拥有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在内的多个项目以及各类应用程序接口(Application Programming Interface, API) [2]  。自2015年11月9日起,TensorFlow依据阿帕奇授权协议(Apache 2.0 open source license)开放源代码 [2]  。
信息
稳定版本
1.12.0/2018年10月9日
开发者
谷歌大脑
类    型
机器学习库
平    台
Linux,macOS,Windows
许可协议
Apache 2.0 open source license
初始版本
beta/2015年11月9日
 
iOS,Android,Web
外文名
TensorFlow
编程语言
Python,C++,CUDA
TensorFlow背景
谷歌大脑自2011年成立起开展了面向科学研究和谷歌产品开发的大规模深度学习应用研究,其早期工作即是TensorFlow的前身DistBelief [1]  。DistBelief的功能是构建各尺度下的神经网络分布式学习和交互系统,也被称为“第一代机器学习系统” [1]  。DistBelief在谷歌和Alphabet旗下其它公司的产品开发中被改进和广泛使用 [3-4]  。2015年11月,在DistBelief的基础上,谷歌大脑完成了对“第二代机器学习系统”TensorFlow的开发并对代码开源。相比于前作,TensorFlow在性能上有显著改进、构架灵活性和可移植性也得到增强 [1]  。此后TensorFlow快速发展,截至稳定API版本1.12,已拥有包含各类开发和研究项目的完整生态系统。在2018年4月的TensorFlow开发者峰会中,有21个TensorFlow有关主题得到展示 [2]  。
收起全文
精华内容
参与话题
问答
  • Tensorflow2.0】Tensorflow2.x的安装教程

    万次阅读 多人点赞 2019-03-07 19:04:08
    昨天tensorflow 开发者大会刚开完,会上发布了关于 TensorFlow 2.0,TensorFlow Lite,TensorFlow.js,Swift for TensorFlow,TFX 等产品生态体系的最新更新和首次发布的内容,2019年任会支持tensorflow1.x,但是我们...

    Anaconda 可以使tensorflow的安装变的简单

    昨天tensorflow 开发者大会刚开完,会上发布了关于 TensorFlow 2.0,TensorFlow Lite,TensorFlow.js,Swift for TensorFlow,TFX 等产品生态体系的最新更新和首次发布的内容,2019年仍会支持tensorflow1.x,但是我们相信,版本的升级会带来易用性和使用性能的提升,特别是tensorflow1.x 开发api的混乱,有slim、tf.layers, tf.contrib 后期版本有tf.keras ,还有读数据方式,都特别麻烦,所以本文章基于linux系统提供安装方法(Windows系统安装anaconda以后也可以使用该教程)。

    插播:很荣幸本文于2020年11月5日被Tensorflow官方社区收录,欢迎去社区逛逛

    1. 首先安装anaconda
      这个直接官网去下载就可以了,可以是安装anaconda 或miniconda,我选择miniconda,这样不会把大量用不到的python包都安装了,而是根据需求,后期自己安装。
      下载miniconda ,基本一路回车安装完成就可以,然后配置下载源来使⽤国内镜像加速下载:
      (时代在变化,社会在发展,anaconda不再有国内的加速镜像,所以以下添加清华源的命令就不要执行了!!,用默认的官方源也是可以使用的,更改于2019年7月2日 )清华源又可以用了
    #优先命名用清华conda 镜像
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
    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 --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
    conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
    conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
    
    # 搜索时显示通道地址
    conda config --set show_channel_urls yes
    
    1. 创建一个环境,用来安装tensorflow2.0以及相关的python packages.
    #加上cudatoolkit and cudnn这样不论你的机器原来装的是否合适,都可以用tensorflow2.0gpu版本
    conda create -n tf2 python=3.6 
    
    1. 激活创建的环境,安装tensorflow2.0
    #激活环境
    source activate tf2
    #对于GPU版的安装,为保证不论原始linux环境是什么样的都可以安装,如果原系充已经符合,以下命令不用执行
    conda install cudatoolkit=10 cudnn=7.6 #目前tf2.0不支持cuda10.1(对应cudnn7.6),官网要求cuda=10,cudnn>7.4
    #对于CPU版本,上边这行命令是不需要执行的
    #接下来安装tensorflow 有多种情形
    conda install tensorflow #安装tensorflow cpu稳定版本
    conda install tensorflow-gpu#安装ensorflow gpu稳定版本
    #使用这前可以使用 conda serach tensorflo 或conda search tensorflow-gpu来查询都有那些版本
    #可以初装指定版本 conda install tensorflow=1.5 tensorflow 1.5版本
    #如果安装错了可以使用conda uninstall tensorflow卸载后再重新安装
    #接下来是要安装是新的tensorflow版本,conda环境使用pip同样生效
    pip install tf-nightly #cpu 版本
    pip install tf-nightly-gpu#GPU版本
    #本人网上查了具体的版本
    pip install tf-nightly-2.0-preview#Install tf 2.0 preview CPU version
    pip install tf-nightly-gpu-2.0-preview#Install tf 2.0 preview GPU version
    

    以下于2019年7月2日更新部分,最近tensorflow2.0的由alpha到了beat版本,所以更新一下最新的安装方法(基础环境的搭建不变)

    pip install --upgrade pip
    pip install --upgrade tensorflow==2.0.0-beta1 #只是CPU版本
    pip install --upgrade tensorflow-gpu==2.0.0-beta1#GPU 版本的
    #关于测试安装是否成功的测试,与原来是一样的
    #会输出2.0.0-beta1
    

    于2019年8月24日再更,今早tensorflow再次更新:

    pip install tensorflow==2.0.0rc0 # cpu version
    pip install tensorflow-gpu==2.0.0rc0  #gpu version
    #最近有了更新rc1版本更新,日期没有记
    pip install tensorflow==2.0.0rc1 # cpu version
    pip install tensorflow-gpu==2.0.0rc1  #gpu version
    #tensorflow rc2版本更新于2019年9月25日,感觉正式版很快就要来了
    #安装方法同上,更新内容参见https://github.com/tensorflow/tensorflow/releases/tag/v2.0.0-rc2
    #卸载旧版
    pip uninstall tensorflow-gpu
    pip install tensorflow-gpu==2.0.0rc2
    

    rc的release candidate的意思,基本上是最后的可用于生产的版本,但仍然是测试。感觉有好多特性都有更新,具体的更新内容参见github上官方文档
    以上就完成了tensorflow2.0的安装
    2019年10月1日更新:tensorflow2.0版本正式发布,安装方法:

    pip install --upgrade pip
    pip install tensorflow-gpu==2.0.0
    

    2019年10月25日更新,从今天开始,conda支持安装tensorflow2.0,有点小舒服。

    conda search tensorflow #搜cpu版
    conda search tensorflow-gpu#搜GPU版
    #大家可以按需安装
    conda install tensorflow-gpu=2.0.0 #各种必备包自动安装,
    

    用conda 安装最好,可以判断所有安装包的版本间的兼容性,如果能安装那么肯定是兼容的。
    官网cuda和cudnn要求如下:
    在这里插入图片描述
    linux上驱动要大于410.x,cuda版本只能是10,cudnn版本要大于7.4.

    2020年1月10日再更,tensorflow2.1正式发布,有几点更新:

    • pip默认安装GPU版本,也就是说pip install tensorflow 与pip install tensorflow-gpu相同
    • tensorflow2.1 支持 cuda 10.1和cudnn 7.6,也就是说在以后可以在同一个环境中同时安装tensorflow(2.1),pytorch(1.3.1),mxnet(1.5.1),因为这三深度学习库都支持cuda 10.1.
      在这里插入图片描述
      具体安装方法:
    conda create -n dl python=3.6
    conda activate dl
    conda install cudatoolkit=10.1 cudnn=7.6
    pip install tensorflow-gpu #安装tensorflow
    pip install torch===1.3.1 torchvision===0.4.2 -f https://download.pytorch.org/whl/torch_stable.html
    pip install mxnet-cu101 #三个深度学习库都初装成功
    pip install jupyterlab pandas matplotlib pydot scikit-learn seaborn scikit-image opencv-contrib-python
    

    发现个问题,用pip安装的tensorflow2.1需要一个 libnvinfer.so的文件,这个是tensorrt的东西,不装tensorrt会报错:
    在这里插入图片描述
    按照官方教程安装一下就可以,我是用的tar包安装的,版本tensorrt6.其中
    export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:<TensorRT-${version}/lib> 这个命令写到当前用户.bashrc中就可以,然后source一下(如果用deb包安装可以省去改变环境变量这个工作)。
    再次进入dl环境,所有pip 安装的内容都不用加sudo.
    到此,使用这三个深度学习库都是没有什么问题的。

    import tensorflow as tf
    import torch
    import mxnet as mx
    from mxnet.runtime import feature_list
    
    print(mx.test_utils.list_gpus())
    print(feature_list())
    #会输出:[✔ CUDA, ✔ CUDNN, ✔ NCCL, ✔ CUDA_RTC, ✖ TENSORRT, ✔ CPU_SSE, ✔ CPU_SSE2, ✔ CPU_SSE3, ✔ CPU_SSE4_1, ✔ CPU_SSE4_2, ✖ CPU_SSE4A, ✔ CPU_AVX, ✖ CPU_AVX2, ✔ OPENMP, ✖ SSE, ✔ F16C, ✖ JEMALLOC, ✔ BLAS_OPEN, ✖ BLAS_ATLAS, ✖ BLAS_MKL, ✖ BLAS_APPLE, ✔ LAPACK, ✔ MKLDNN, ✔ OPENCV, ✖ CAFFE, ✖ PROFILER, ✔ DIST_KVSTORE, ✖ CXX14, ✖ INT64_TENSOR_SIZE, ✔ SIGNAL_HANDLER, ✖ DEBUG, ✖ TVM_OP]
    print(torch.cuda.is_available())
    print(torch.backends.cudnn.version())
    print(tf.test.is_gpu_available())
    

    在这里插入图片描述
    可以看到,三个深度学习库都 可以使用GPU,标红的地方有一个是我们提前安装的包。

    #在tensorflow2.1验证是否有gpu进,系统提示deprecated
    tf.test.is_gpu_available()#不用了
    tf.test.is_built_with_cuda()#是否支持NVIdia GPU
    tf.test.is_built_with_rocm()#是否支持AMD的显卡
    tf.test.is_built_with_gpu()#NVIDIA或AMD是否有一家的支持
    

    在这里插入图片描述
    另外,安装tensorrt需要pycuda,所以还要安装有几个额外包,这样在conda环境中才可以用pip安装pycuda.

    conda install -c nvidia nvcc_linux-64=10.1
    conda install  -c conda-forge cudatoolkit-dev=10.1
    

    执行这两个命令才可以安装pycuda

    pip install pycuda
    

    如果cudatoolkit是从Nvidia官网下载后按照这里所述方式安装的,上边这两条命令是不需要的。
    再次补充
    最近遇到一些其它问题,安装cuda10没报错但是tensorflow不能使用,这是因为系统显卡驱动太低,不匹配比较新的cuda10,唯一需要做的就是更新显卡驱动。每个版本的cuda都有显卡驱动的最低要求,如下表(参考官网说明):
    在这里插入图片描述
    可以看到,cuda10的最低版本的要求是410.48。查看原系统的显卡驱动的方法是在shell中输入: nvidia-smi(原系统安装有cuda toolkit才会有该命令)
    在这里插入图片描述
    本人电脑上当前版本是384.98,最高可安装cuda版本是9.0,而cuda9最高支持到tensorflow1.12。
    cuda版本与tensorflow版本对应关系如下表(参考官网说明):
    在这里插入图片描述
    显卡驱动安装或更新以及cuda toolkitt和cudnn的系统完装方法参见博客
    2020年5月7日更新
    今天,tensorflow2.2正式版发布,更新内容参见github,另外,Keras官网改版了,界面全新,更加接近tf2,可以快乐的学习了。
    tensorflow2.2安装方法:

    conda create -n dl python=3.7
    conda activate dl
    conda install cudatoolkit=10.1 cudnn=7.6.5
    #tensorflow的安装也方便没啥警告
    pip install tensorflow-gpu -i https://pypi.douban.com/simple
    #到目前(2020年5月7日)最新的pytorch gpu版本也可以安装
    pip install torch==1.5.0+cu101 torchvision==0.6.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.douban.com/simple
    
    1. 测试是否安装成功

    有两种方法

    • 方法一:
    import tensorflow as tf 
    print(tf.__version__)
    #输出'2.0.0-alpha0'
    print(tf.test.is_gpu_available())
    #会输出True,则证明安装成功
    
    • 方法二:
    #输入python,进入python环境
    import tensorflow as tf
    #查看tensorflow版本
    print(tf.__version__)
    #输出'2.0.0-alpha0'
    #测试GPU能否调用,先查看显卡使用情况
    import os 
    os.system("nvidia-smi")
    #调用显卡
    @tf.function
    def f():
    	pass
    f()
    #这时会打印好多日志,我电脑上还有warning,感觉不影响
    #再次查询显卡
    os.system("nvidia-smi")
    可以对比两次使用情况
    

    建意两种测试方法都试一下,有时第一种方法成功,真正建模型进行训练时确会报错,所在最好都试一下。
    好了,测试使用的过程也完成了,小伙伴们可以玩起来呀
    这里顺便提一下用来tensorflow 学习的资源

    引用文章
    1 https://docs.anaconda.com/anaconda/user-guide/tasks/tensorflow/
    2 https://medium.com/tensorflow/test-drive-tensorflow-2-0-alpha-b6dd1e522b01 需要科学上网
    3 https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
    4 https://www.tensorflow.org/install/source#install_python_and_the_tensorflow_package_dependencies

    展开全文
  • 之前 写过一篇在 ubuntu 下安装 TensorFlow 的教程,那个时候 TensorFlow 官方还不支持 Windows 系统,虽然可以通过其他方法安装,但是终究不是原生的,而且安装过程繁琐易错。好消息是,Google官方在11月29号的...

    之前 写过一篇在 ubuntu 下安装 TensorFlow 的教程,那个时候 TensorFlow 官方还不支持 Windows 系统,虽然可以通过其他方法安装,但是终究不是原生的,而且安装过程繁琐易错。好消息是,Google官方在11月29号的开发者博客中宣布新的版本(0.12)将 增加对Windows的支持,我11月30号知道的,立马就安装试了试,安装过程非常简单,不过也有一些需要手动调整。

    这里写图片描述


    更新

    这里我会列出对本文的更新。

    • 2017 年 3 月 1 日:cuDNN 版本从 5.0 升级到 5.1 版本,更新 cuda 和 cudnn 下载地址。
    • 2017 年 3 月 20 日:标记 安装前准备 中的第五条 确保你安装了 VS2015 或者 2013 或者 2010。 为存疑。这是我之前在 TensorFlow 官网看到的,但是现在去翻了翻找不到了。如果有同学没有安装 VS 就把 TensorFlow 安装成功了的话,请在下方评论区说明下,到时候我会将这个要求标记为删除。谢谢。
    • 2017 年 3 月 26 日:更新 TensorFlow 安装命令。
    • 2017 年 4 月 18 日:
      • 安装前准备 第五条标记为删除,经过我再次试验发现不需要 VS 的支持。
      • 增加问题 Cannot remove entries from nonexistent file 的解决办法。
    • 2017 年 7 月 20 日:增加问题 ImportError: DLL load failed: 找不到指定的模块。ImportError: No module named '_pywrap_tensorflow_internal'ImportError: No module named 'tensorflow.python.pywrap_tensorflow_internal 的时候` 的解决办法。
    • 2017 年 7 月 31日:更新关于 Python 版本的说明,TensorFlow 从 1.2 开始在 Windows 上支持 Python 3.6。感谢评论区 @Vince_Ace 提供的信息。
    • 2017 年 8 月 20 日:TensorFlow 1.3 发布,更新 cuDNN 版本说明。感谢评论区 @myseth1023 提供的信息。
    • 2017 年 8 月 21 日:删除 安装cuDNN 中容易误导人的部分(关于添加环境变量)。
    • 2018 年 3 月 12 日:TensorFlow 1.6 发布,更新相关说明,详细发布说明参考 Release TensorFlow 1.6.0
    • 2018 年 3 月 18 日:增加问题 #4 及其解决办法。
    • 2019 年 4 月 5 日:增加问题 #5 及其解决办法(针对 TensorFlow 1.13)。
    • 2019 年 10 月 14 日:TensorFlow 2.0 正式版 发布,更新相关说明和对应测试代码。详细发布说明参考 Release TensorFlow 2.0关于 TensorFlow 2.0 的新变化,我最近写一篇文章来专门说一说,写好后更新在这里。
    • 2020 年 11 月 10 日:增加 conda 安装方式。

    话题终结者

    大部分情况下,优先尝试用 conda,尤其是安装 GPU 版。conda 会自动帮你下载对应 cuda 和 cudnn,帮你处理依赖,真正的一键安装。

    conda install tensorflow-gpu  # GPU
    conda install tensorflow  # CPU
    

    如果 conda 安装出现错误或其他情况(conda 也是有一定几率出错的,而且conda 上一般版本更新较为滞后),考虑用 docker,最后再考虑下面的本地安装方式。

    安装前准备

    TensorFlow 有两个版本:CPU 版本和 GPU 版本。GPU 版本需要 CUDAcuDNN 的支持,CPU 版本不需要。如果你要安装 GPU 版本,请先确认你的显卡支持 CUDA。我安装的是 GPU 版本,采用 pip 安装方式,所以就以 GPU 安装为例,CPU 版本只不过不需要安装 CUDA 和 cuDNN。

    1. 这里 确认你的显卡支持 CUDA。
    2. 确保你的 Python 版本是 3.5 64 位及以上。(TensorFlow 从 1.2 开始支持 Python 3.6,之前的官方是不支持的)
    3. 确保你有稳定的网络连接。
    4. 确保你的 pip 版本 >= 8.1。用 pip -V 查看当前 pip 版本,用 python -m pip install -U pip 升级pip
    5. 确保你安装了 VS2015 或者 2013 或者 2010。此条非必须,删除。

    此外,建议安装 Anaconda,因为这个集成了很多科学计算所必需的库,能够避免很多依赖问题,安装教程可以参考 这里

    以上条件符合,那么恭喜你可以开始下载 CUDA 和 cuDNN 的安装包了,注意版本号会由于 TensorFlow 不同版本有变化,此处请结合下面的安装 CUDA安装 cuDNN 说明)。


    安装 TensorFlow

    由于 Google 那帮人已经把 TensorFlow 打成了一个 pip 安装包,所以现在可以用正常安装包的方式安装 TensorFlow 了,就是进入命令行执行下面这一条简单的语句:

    # GPU版本
    pip3 install --upgrade tensorflow-gpu
    
    # CPU版本
    pip3 install --upgrade tensorflow
    

    然后就开始安装了,速度视网速而定。

    安装网之后你试着在 Python 中import tensorflow会告诉你没有找到 CUDA 和 cuDNN,所以下一步就是安装这两个东西。


    安装 CUDA

    • TensorFlow 1.6:CUDA 9.0
    • TensorFlow 1.13.1:CUDA 10.0
    • TensorFlow 2.0:CUDA 10.0

    这个也是很简单的,首先根据上面的版本去官网下载对应的安装包(~ 1.4 GB)。下载完那个 exe 文件就是 CUDA 的安装程序,直接双击执行就可以了,就像安装正常的其他软件一样,安装过程屏幕可能会闪烁,不要紧,而且安装时间有点长。

    安装完之后系统变量会自动为你添加上,这个不用管。

    测试一下是否安装成功,命令行输入 nvcc -V ,看到版本信息就表示安装成功了。

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-K9Ioxbgh-1571047832039)(https://i.imgur.com/Qjk8FSf.png)]


    安装 cuDNN

    • TensorFlow 1.6:cuDNN 7.0
    • TensorFlow 1.13.1:cuDNN >= 7.4.1
    • TensorFlow 2.0:cuDNN >= 7.4.1

    首先去官网下载对应版本的安装包(~ 173 MB)。其实这个是一个压缩包,解压放到任何一个目录下就行,然后把其中的bin目录路径添加到Path环境变量里。

    比如说我下载解压后放到了下图的 cuda 文件夹:

    这里写图片描述

    Path环境变量:

    path

    如果你已经安装了 cuDNN 5.0 ,那么升级 cuDNN 的方法可以参考 这里

    然后 import tensorflow 应该就成功了。


    测试

    TF 1.X 版本

    用一个简单的矩阵乘法测试一下,

    import tensorflow as tf
    
    a = tf.random_normal((100, 100))
    b = tf.random_normal((100, 500))
    c = tf.matmul(a, b)
    sess = tf.InteractiveSession()
    sess.run(c)
    

    这里写图片描述
    看不清的话可以右键在新标签页打开图片查看大图

    TF 2.X

    TF2 不再需要 session,像 numpy 一样直接运行即可

    import tensorflow as tf
    
    print(f"tensorflow version = {tf.__version__}", end='\n\n')
    
    a = tf.random.normal((100, 100))
    b = tf.random.normal((100, 100))
    c = tf.linalg.matmul(a, b)
    c_numpy = c.numpy()  # 可以使用 .numpy() 变成 numpy array 形式
    
    print(c, end='\n\n')
    print(c_numpy)
    

    tf2示例


    Issues

    #1 Cannot remove entries from nonexistent file

    如果在安装 TensorFlow 的时候出现类似 Cannot remove entries from nonexistent file c:\users\li\anaconda3\lib\site-packages\easy-install.pth 的错误,那么可以参考 Cannot remove entries from nonexistent #622osx 10.11 installation issues #135,里面说了好多种解决办法,我在这里介绍一种方法:在 pip3 install --upgrade tensorflow-gpu 之前先执行 pip install --upgrade --ignore-installed setuptools

    #2 ImportError: DLL load failed: 找不到指定的模块。ImportError: No module named '_pywrap_tensorflow_internal'

    这里写图片描述
    右键在新标签页打开图片查看大图

    这里写图片描述
    右键在新标签页打开图片查看大图

    这里写图片描述
    右键在新标签页打开图片查看大图

    如果在 import tensorflow 的时候这两个问题同时出现,那么很有可能是你的 cuda 和 cudnn 版本有问题,例如你的 cuda 版本是 8.0.60,而正确的是 8.0.44,重新安装正确的版本(文章里提供的)就可以。参考 On Windows, running “import tensorflow” generates No module named “_pywrap_tensorflow” error 。感谢 @qq_27690673 提供的信息。

    #3 ImportError: No module named 'tensorflow.python.pywrap_tensorflow_internal'

    这里写图片描述
    右键在新标签页打开图片查看大图

    如果在 import tensorflow 的时候出现此问题,那么你可能是在 tensorflow 的源码目录里进入了 python 解释器。离开该目录重新进入 python 解释器即可。

    #4 ImportError: DLL load failed: 动态链接库(DLL)初始化例程失败ModuleNotFoundError: No module named '_pywrap_tensorflow_internal'

    以下报错信息参考自 import tensorflow failed, “ImportError: DLL load failed”. Even after install visual studio 2015, Microsoft Visual C++ 2015 Redistributable Update 3. · Issue #17393 · tensorflow/tensorflow

    Traceback (most recent call last):
      File "C:\Users\sss\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py", line 18, in swig_import_helper
        return importlib.import_module(mname)
      File "C:\Users\sss\AppData\Local\Programs\Python\Python36\lib\importlib\__init__.py", line 126, in import_module
        return _bootstrap._gcd_import(name[level:], package, level)
      File "<frozen importlib._bootstrap>", line 994, in _gcd_import
      File "<frozen importlib._bootstrap>", line 971, in _find_and_load
      File "<frozen importlib._bootstrap>", line 955, in _find_and_load_unlocked
      File "<frozen importlib._bootstrap>", line 658, in _load_unlocked
      File "<frozen importlib._bootstrap>", line 571, in module_from_spec
      File "<frozen importlib._bootstrap_external>", line 922, in create_module
      File "<frozen importlib._bootstrap>", line 219, in _call_with_frames_removed
    ImportError: DLL load failed: 动态链接库(DLL)初始化例程失败。
    
    During handling of the above exception, another exception occurred:
    
    Traceback (most recent call last):
      File "C:\Users\sss\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow.py", line 58, in <module>
        from tensorflow.python.pywrap_tensorflow_internal import *
      File "C:\Users\sss\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py", line 21, in <module>
        _pywrap_tensorflow_internal = swig_import_helper()
      File "C:\Users\sss\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py", line 20, in swig_import_helper
        return importlib.import_module('_pywrap_tensorflow_internal')
      File "C:\Users\sss\AppData\Local\Programs\Python\Python36\lib\importlib\__init__.py", line 126, in import_module
        return _bootstrap._gcd_import(name[level:], package, level)
    ModuleNotFoundError: No module named '_pywrap_tensorflow_internal'
    
    During handling of the above exception, another exception occurred:
    
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
      File "C:\Users\sss\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\__init__.py", line 24, in <module>
        from tensorflow.python import *
      File "C:\Users\sss\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\__init__.py", line 49, in <module>
        from tensorflow.python import pywrap_tensorflow
      File "C:\Users\sss\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow.py", line 74, in <module>
        raise ImportError(msg)
    ImportError: Traceback (most recent call last):
      File "C:\Users\sss\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py", line 18, in swig_import_helper
        return importlib.import_module(mname)
      File "C:\Users\sss\AppData\Local\Programs\Python\Python36\lib\importlib\__init__.py", line 126, in import_module
        return _bootstrap._gcd_import(name[level:], package, level)
      File "<frozen importlib._bootstrap>", line 994, in _gcd_import
      File "<frozen importlib._bootstrap>", line 971, in _find_and_load
      File "<frozen importlib._bootstrap>", line 955, in _find_and_load_unlocked
      File "<frozen importlib._bootstrap>", line 658, in _load_unlocked
      File "<frozen importlib._bootstrap>", line 571, in module_from_spec
      File "<frozen importlib._bootstrap_external>", line 922, in create_module
      File "<frozen importlib._bootstrap>", line 219, in _call_with_frames_removed
    ImportError: DLL load failed: 动态链接库(DLL)初始化例程失败。
    
    During handling of the above exception, another exception occurred:
    
    Traceback (most recent call last):
      File "C:\Users\sss\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow.py", line 58, in <module>
        from tensorflow.python.pywrap_tensorflow_internal import *
      File "C:\Users\sss\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py", line 21, in <module>
        _pywrap_tensorflow_internal = swig_import_helper()
      File "C:\Users\sss\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py", line 20, in swig_import_helper
        return importlib.import_module('_pywrap_tensorflow_internal')
      File "C:\Users\sss\AppData\Local\Programs\Python\Python36\lib\importlib\__init__.py", line 126, in import_module
        return _bootstrap._gcd_import(name[level:], package, level)
    ModuleNotFoundError: No module named '_pywrap_tensorflow_internal'
    
    
    Failed to load the native TensorFlow runtime.
    
    See https://www.tensorflow.org/install/install_sources#common_installation_problems
    
    for some common reasons and solutions.  Include the entire stack trace
    above this error message when asking for help.
    

    新版本的 TensorFlow(1.6)会出现此问题,根据 TensorFlow 1.6.0 的发布说明,该版本会使用 AVX 指令,所以可能会在旧 CPU 上不能运行:

    Prebuilt binaries will use AVX instructions. This may break TF on older CPUs.

    参考 Tensorflow 1.6.0 cpu fails on import on Windows 10 · Issue #17386 · tensorflow/tensorflow 的讨论,有两种解决办法

    感谢 @qq_41568117 提供的反馈。

    #5 No module named 'numpy.core._multiarray_umath'numpy.core.multiarray failed to importnumpy.core.umath failed to import

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-80XaFcdM-1571047832048)(https://i.imgur.com/jeN5YvA.png)]

    这是由于 numpy 版本较低,升级版本即可:

    $ pip install -U numpy
    

    END

    展开全文
  • 版本:tensorflow2.0.0-alpha0(cpu版本) 安装方式:pip 一、安装环境 Tensorflow2.0.0的CPU版本环境需求简单,安装比较简洁。 TensorFlow是基于VC++2015开发的,所以需要下载安装VisualC++ Redistributable ...

    安装说明:

    平台:windows

    版本:tensorflow2.0.0-alpha0(cpu版本)

    安装方式:pip

    一、安装环境

    Tensorflow2.0.0的CPU版本环境需求简单,安装比较简洁。

    TensorFlow是基于VC++2015开发的,所以需要下载安装VisualC++ Redistributable for Visual Studio 2015 来获取MSVCP140.DLL的支持。

    二、安装过程

    anaconda安装

    在anaconda安装不需要重新下一个python版本,只需要后面新建一个虚拟环境就可以。接下来介绍具体的操作。

    1.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.激活新建的环境:activate tensorflow

     

    左侧的(tensorflow)就代表进入了新建的虚拟环境,这里是tensorflow

    5.先退出当前环境:deactivate

     

    环境名字没了,表示已退出

    5.确认一下,新建环境已经添加进去:conda info --envs

     

    除了原来默认的root环境,又多了一个tensorflow。bingo!继续

    6.验证一下tensorflow环境中的python版本对不对:

    activate tensorflow

    python --version

     

    7.下一步继续在tensorflow环境中安装tensorflow2.0.0

    三、tensorflow2.0.0安装

    安装cpu版本则继续输入

    pip install tensorflow==2.0.0-alpha0

    这里如果下载慢的话可以选择添加douban源或者清华源。

    指令如下:pip install tensorflow==2.0.0-alpha0 -i http://pypi.doubanio.com/simple

    安装完成后就直接在tensorflow环境中的python里import tensorflow中测试是否可以import。

     

    这里面的警告不需要担心,大功告成!!!

    四、总结

    anaconda是一个包管理工具,里面安装各种包很方便,建议每次新建工程时我们直接新建一个环境,这样不依赖其他环境程序不容易出现报错问题。

    展开全文
  • 一、WIndows安装GPU版本tensorflow注意一下几个问题一般就不会出错 (1)确定自己要安装哪个版本的tensorflow-gpu; (1)根据自己要装的tensorflow-gpu版本确定要下载的CUDA版本; (2)根据要安装的CUDA版本...

    一、WIndows安装GPU版本tensorflow注意一下几个问题一般就不会出错

    (1)确定自己要安装哪个版本的tensorflow-gpu;

    (1)根据自己要装的tensorflow-gpu版本确定要下载的CUDA版本;

    (2)根据要安装的CUDA版本确定要下载的Cudnn版本。

    二、tensorflow-gpu版本与CUDA版本对应关系

    不同版本的tensorflow-gpu与CUDA对应关系如下表所示(图片有点旧了,python版本是2.7和3.3-3.8):

    在这里插入图片描述
    对于版本号大于1.13的tensorflow-gpu版本,如1.14、1.15,建议安装CUDA10.0,不要安装最新的CUDA10.1,安装后会提示缺少很多库文件,而导致GPU版本的tensorflow无法使用,如下图所示:
    在这里插入图片描述
    如果是2.0以上的tensorflow,建议安装CUDA10.1和cudnn7.6.0。

    三、CUdnn与CUDA的对应关系

    NVIDIA官网链接:https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
    目前为止(2019年11月2日),最新的cuDNN版本号是7.6.3,7.5和7.6的cuDNN都支持CUDA10.1,7.4只能支持到CUDA10.0,一般如果安装的CUDA10.0的话,cuDNN7.4是可以的。

    四、检验tensorflow-gpu安装成功

    输入以下命令:

    import  tensorflow as tf 
    a = tf.constant([1.0,2.0,3.0],shape = [3], name='a')
    b = tf.constant([1.0,2.0,3.0], shape = [3], name='b')
    c = a +b
    sess = tf.Session(config = tf.ConfigProto(log_device_placement =True))
    print(sess.run(c))
    

    若显示一下信息,说明安装成功。
    在这里插入图片描述
    如果按照以上方法安装后出现了以下错误:

    ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory
    

    那么在终端输入以下命令:

    sudo ldconfig /usr/local/cuda-10.0/lib64
    

    一般就能解决问题!

    展开全文
  • TensorFlow 2.0 教程

    万次阅读 多人点赞 2019-03-16 21:30:39
    最全TensorFlow2.0教程-持续更新 Tensorflow 2.0 教程持续更新: TensorFlow 2.0 教程- Keras 快速入门 TensorFlow 2.0 教程-keras 函数api TensorFlow 2.0 教程-使用keras训练模型 TensorFlow 2.0 教程-用...
  • TensorFlow2.0笔记23〗TensorFlow2.0学习笔记总结!

    千次阅读 多人点赞 2019-10-02 20:38:15
    Tensorflow2.0全套课程学习笔记! tensorflow2.0笔记1:tensorflow2.0介绍以及安装!(2019-10-1 tensorflow2.0正式版发布) tensorflow2.0笔记2:Numpy—实现线性回归问题! tensorflow2.0笔记3:手写数字问题初...
  • 卸载TensorFlow

    千次阅读 2019-05-18 22:28:00
    卸载TensorFlow 卸载TensorFlow 1.先用pip3 list查看安装了那些TensorFlow,一般只有两个,另一个是TensorBoard 2.执行命令卸载 sudo apt remove --purge tensorflow-gpu sudo apt remove --purge ...
  • Win10下用Anaconda安装TensorFlow

    万次阅读 多人点赞 2017-03-20 17:00:43
    笔者之前在学习TensorFlow,也在自己的笔记本上完成了安装,在PyCharm中进行学习。但是最近为了使用python的科学计算环境,我把之前的环境卸载了,并用Anaconda重新安装了TensorFlow,由于自己的笔记本已经很旧了,...
  • Anaconda安装Tensorflow环境

    千次阅读 2019-07-14 18:21:48
    Anaconda安装Tensorflow环境 Anaconda安装 下载安装包,请到这个地址下载 安装 打开终端执行: bash Anaconda3-5.3.1-Linux-x86_64.sh 安装过程全部yes即可。 然后重新启动。 验证是否安装成功 conda --...
  • TensorFlow报错:AttributeError: module ‘tensorflow._api.v1.train’ has no attribute 'SummaryWriter’等 分析:版本更新,方法调用方式改变 解决方式: 报错 原方法 更改后方法 ...
  • tensorflow安装教程(anaconda的方式)

    万次阅读 多人点赞 2019-04-21 10:54:32
    tensorflow安装教程 tensorflow安装教程 首先安装Anaconda 和pycharm 安装完成后打开Anaconda Prompt 在安装完成后,我们处于Root环境(从”D:\Anacanda”可看出)中,意思是刚刚下载的东西全在这个环境下了,我们...
  • TensorFlow报错:AttributeError: module ‘tensorflow’ has no attribute ‘unpack’ (‘pack’) 如图: AttributeError: module ‘tensorflow’ has no attribute ‘unpack’ 分析:Tensorflow1.0+版本更新...
  • anaconda安装tensorflow(Windows下)

    千次阅读 2019-09-18 09:37:55
    anaconda安装tensorflow(Windows下) 文章目录anaconda安装tensorflow(Windows下)安装anaconda启动Anaconda Prompt查看python版本号安装CPU版本tensorflow安装GPU版本的tensorflow 安装anaconda 在anaconda官网...
  • tensorflow安装及嵌入到pycharm编辑器中

    千次阅读 2019-03-05 17:10:41
    tensorflow安装(Windows的CPU版本) 1.下载Anaconda,并安装。 从官网或其他地方获得安装包后直接安装,按照提示一直下一步即可。 2.打开Anaconda Prompt,输入&quot;conda create -n tensorflow python=3.6...
  • Python 3.7安装tensorflow的方法:屡试不爽,亲测有效 试了网上很多方法,失败较多,有一些说用cmd安装经常出错,确实如此,下面介绍一下自己安装tensorflow-gpu版本的最简单粗暴的方法。 1、卸载已有的Anaconda...
  • Anaconda3安装tensorflow,安装完anaconda后,在prompt中activate tensorflow,进入"python"环境下,"import tensorflow as tf"报错: 但是在(base)模式中“conda list"查看,已经...
  • tensorflow:使用conda安装tensorflow

    千次阅读 2018-11-27 10:02:01
    如果使用对是Ananconda发布的Python版本,可以使用下列命令安装tensorflow: conda install -c conda-forge tensorflow
  • 前期在是在用tensorflow 这个默认是cpu版本也很好装,但是考虑到我们科研项目后期是要用到深度学习,所以直接把tensorflow包卸载掉了改用tensorflow-gpu(毕竟大工程用gpu跑数据不是一般的快),这个用anaconda 卸载...
  • TensorFlow 安装教程

    万次阅读 多人点赞 2016-10-07 14:48:01
    趁着十一放假期间,有这么一点空闲时间,自己看了些tensorflow的资料,顺便在自己的机器上安装了一下tensorflow的环境。安装过程还算比较顺利,现在跟大家分享一下。1.准备好Anaconda环境tensorflow是属于很高层的...
  • No module named 'tensorflow.examples.tutorials' 2.后面采用 keras加载mnist数据集,又会报出如下错误 URL fetch fail:http://googelsourc…………………………………… 解决办法:先将mnist数据集下载到本地,...
  • TensorFlow 2.0 三大项目实战

    千人学习 2019-12-05 14:26:14
    TensorFlow是由Google开发的深度学习框架,被广泛应用于各类机器学习算法的编程实现,无论你是专家还是初学者,它都可以帮助你轻松构建和部署机器学习模型。作为当下最为热门的机器学习框架,TensorFlow具有非常完整...
  • 使用anacode安装tensorflow

    千次阅读 2018-12-14 14:14:22
    tensorflow有多种安装方式,用anacode安装较为简单,因此选用了该方式。 阅读目的:学会在mac上使用anacode安装tensorflow 说明:电脑上已经安装了python3.5(其他版本也可以,但可能会遇到和tensorflow版本不匹配...
  • python安装TensorFlow

    万次阅读 2017-03-11 11:28:36
    https://www.tensorflow.org/install/install_linux https://www.tensorflow.org/install/install_windows 因为有些测试用例需要图形化的测试,所以直接在windows环境下安装使用了; bestboyxie原创 windows...
  • 引言: Tensorflow大名鼎鼎,这里不再赘述其为何物。这里讲描述在安装python包的时候碰到的“No matching distribution found for tensorflow”,其原因以及如何解决。 简单的安装tensorflow 这里安装的...
  • I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_100.dll Traceback (most recent call last): File "G:/pycharm/mycode-ZZQ/...
  • Tensorflow2项目实战课程

    千人学习 2019-03-14 15:37:34
    Tensorflow2.0介绍: tensorflow是GOOGLE在2015年底发布的一款深度学习框架,也是目前全世界用得最多,发展最好的深度学习框架。2019年3月8日,GOOGLE发布最新tensorflow2版本。新版本的tensorflow有很多...
  • win10 + Anaconda +python 3.7 tensorflow安装

    千次阅读 2019-06-05 15:07:47
    win10 + Anaconda +python 3.7 tensorflow安装 step1:安装Anaconda(默认python已经配置好) 下载链接:link 图片: step2:安装Tensorflow cmd下,pip install tensorflow 会提示一个找不到对应版本的信息,可能...
  • Python3.7安装Tensorflow(CPU、Windows版)

    千次阅读 2019-08-21 20:00:26
    Python3.7安装Tensorflow(CPU、Windows版) 环境:下载安装的 Anaconda3-5.3.1-Windows-x86_64,对应的 Python3.7 版本 系统:Windows10 安装步骤: 1. cmd窗口下: pip install tensorflow 报错: ERROR: ...

空空如也

1 2 3 4 5 ... 20
收藏数 196,245
精华内容 78,498
关键字:

tensorflow