Python 3.9.18 、 Tensorflow 2.6.0、numpy等兼容安装问题

这篇具有很好参考价值的文章主要介绍了Python 3.9.18 、 Tensorflow 2.6.0、numpy等兼容安装问题。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

引言:

python与tensorflow的版本如果不对应,会报错,numpy等包的版本不对应也会报错。经实测,摸索出一套对应关系,CPU和GPU版本都适用:

python  3.9.18
tensorflow 2.6.0
numpy 1.19.5
matplotlib 3.5.2
pillow 10.1.0
scikit-learn 1.3.2
scipy 1.10.0rc1
pandas 1.3.1

一、在anaconda.navigator环境管理中创建Tensorflow2.6的Python环境

选择“Enviroments”,点击"Create",

tensorflow什么版本与python3.9兼容,python,tensorflow,numpy

新建一个环境,随便命名,python版本选择3.9.18,点击create

tensorflow什么版本与python3.9兼容,python,tensorflow,numpy

二、按顺序安装包:

2.1 安装numpy

pip install numpy==1.19.5

Successfully installed numpy-1.19.5

2.2 安装matplotlib

pip install matplotlib==3.5.2 

Successfully installed cycler-0.12.1 fonttools-4.44.0 kiwisolver-1.4.5 matplotlib-3.5.2 packaging-23.2 pillow-10.1.0 pyparsing-3.1.1 python-dateutil-2.8.2 six-1.16.0

2.3 安装scikit-learn

pip install scikit-learn==1.3.2

Successfully uninstalled numpy-1.19.5
Successfully installed joblib-1.3.2 numpy-1.26.1 scikit-learn-1.3.2 scipy-1.11.3 threadpoolctl-3.2.0

pip uninstall scipy
pip install scipy==1.10.0rc1

Successfully installed scipy-1.10.0rc1

2.4 安装pandas

pip install pandas==1.3.4

Successfully installed pandas-1.3.4 pytz-2023.3.post1

第三步,安装tensorflow

pip install tensorflow==2.6.0

Successfully installed MarkupSafe-2.1.3 absl-py-0.15.0 astunparse-1.6.3 cachetools-5.3.2 certifi-2023.7.22 charset-normalizer-3.3.2 clang-5.0 flatbuffers-1.12 gast-0.4.0 google-auth-2.23.4 google-auth-oauthlib-1.1.0 google-pasta-0.2.0 grpcio-1.59.2 h5py-3.1.0 idna-3.4 importlib-metadata-6.8.0 keras-2.15.0 keras-preprocessing-1.1.2 markdown-3.5.1 numpy-1.19.5 oauthlib-3.2.2 opt-einsum-3.3.0 protobuf-4.23.4 pyasn1-0.5.0 pyasn1-modules-0.3.0 requests-2.31.0 requests-oauthlib-1.3.1 rsa-4.9 six-1.15.0 tensorboard-2.15.1 tensorboard-data-server-0.7.2 tensorflow-2.6.0 tensorflow-estimator-2.15.0 termcolor-1.1.0 typing-extensions-3.7.4.3 urllib3-2.0.7 werkzeug-3.0.1 wrapt-1.12.1 zipp-3.17.0文章来源地址https://www.toymoban.com/news/detail-801822.html

到了这里,关于Python 3.9.18 、 Tensorflow 2.6.0、numpy等兼容安装问题的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Python&aconda系列:(W&L)Conda使用faiss-gpu报错及解决办法、安装numpy的坑、cmd执行Python脚本找不到第三方库、安装tensorflow-gpu时遇到的from

    (1)打开Anaconda3文件夹下的Anaconda Prompt: 2)新建Anaconda的虚拟环境: 为了便于使用,你的虚拟环境名可以用你的虚拟环境对应的python版本的简称: 比如python=3.6.8,那么虚拟环境名就可以命名为py368 (3)激活你创建的虚拟环境 (4)先安装对应python版本的tensorflow-gpu 【注意】

    2024年03月18日
    浏览(58)
  • tensorflow-gpu安装100%成功(tensorflow-gpu版和tensorflow-cpu版的区别、为什么要创建虚拟环境、如何同时使用两个gpu库、tensorflow-gpu版安装)

    1.tensorflow-gpu版和tensorflow-cpu版的区别 tensorflow-gpu版需要同时配置安装CUDA、cuDNN,而tensorflow-cpu版不需要配置,直接 pip/conda install tensorflow 即可安装tensorflow-cpu版本 2.为什么要创建虚拟环境 在安装gpu版本的库时通常会创建单独的虚拟环境,例如安装tensorflow-gpu,则需要利用 cond

    2024年02月08日
    浏览(57)
  • tensorflow框架难点之:python3.7安装tensorflow出错大全

    Python是一门非常流行的编程语言,因为其简单易学、灵活以及丰富的生态系统等优点,被广泛应用于各种不同的领域。而TensorFlow是一种基于数据流图的机器学习框架,可用于各种不同的任务,如图像识别、自然语言处理、推荐系统等。然而,有时在安装TensorFlow时会遇到各种

    2024年02月03日
    浏览(37)
  • 安装 tensorflow==1.15.2 遇见的问题

    命令 :pip install tensorflow==1.15.2 命令 :pip install -i http://mirrors.aliyun.com/pypi/simple tensorflow==1.15.2 命令 :pip install http://pypi.douban.com/simple tensorflow==1.15.2 错误:   命令 :pip install http://pypi.mirrors.ustc.edu.cn/simple/ tensorflow==1.15.2  解决:使用如下命令即可解决 成功解决:

    2024年02月08日
    浏览(34)
  • Tensorflow(libtensorflow)报指令集与处理器不兼容

    最近连续在多个项目上接收到Tensorflow与环境不兼容问题的报告。 在一个新部署或者升级的环境上,服务尝试启动; 正常执行过程中,服务加载模型,标准错误中输出一行错误信息后服务停止。 错误信息: tensorflow/core/platform/cpu_feature_guard.cc:36] The TensorFlow library was compiled to

    2024年02月04日
    浏览(37)
  • 【深度学习所有损失函数】在 NumPy、TensorFlow 和 PyTorch 中实现(2/2)

    在本文中,讨论了深度学习中使用的所有常见损失函数,并在NumPy,PyTorch和TensorFlow中实现了它们。         稀疏分类交叉熵损失类似于分类交叉熵损失,但在真实标签作为整数而不是独热编码提供时使用。它通常用作多类分类问题中的损失函数。 稀疏分类交叉熵损失的公

    2024年02月13日
    浏览(37)
  • 【深度学习所有损失函数】在 NumPy、TensorFlow 和 PyTorch 中实现(1/2)

    在本文中,讨论了深度学习中使用的所有常见损失函数,并在NumPy,PyTorch和TensorFlow中实现了它们。 我们本文所谈的代价函数如下所列:

    2024年02月13日
    浏览(46)
  • python: 开始使用tensorflow 出现的一些问题即解决办法

    python 用了快一年了, 想试用一下tensorflow, 了解一下深度学习(deep learning), 但是与其他的模块不同, tensorflow用起来并不容易, 或许是刚开始吧。 1. 版本问题,版本不同, 用法差别很大 所以,有必要首先了解自己用的是版本1.x, 或者是2.x. 可以用以下办法查版本: a) pip list

    2023年04月08日
    浏览(40)
  • Python安装tensorflow过程中出现“No matching distribution found for tensorflow”的解决办法

    在Pycharm中使用 pip install tensorflow 安装tensorflow时报错: 搜了好多帖子有的说可能是网络的问题,需要换国内的镜像源来下载,于是改用清华源: 依旧没用,折腾了好久,才发现我目前的Python版本是Python3.8(32位)的,可能是tensorflow对python3.8还不支持,所以得 降低python版本 (好

    2024年02月03日
    浏览(45)
  • ResNet18详细原理(含tensorflow版源码)

            ResNet18是一个经典的深度卷积神经网络模型,由微软亚洲研究院提出,用于参加2015年的ImageNet图像分类比赛。ResNet18的名称来源于网络中包含的18个卷积层。 ResNet18的基本结构如下: 输入层:接收大小为224x224的RGB图像。 卷积层:共4个卷积层,每个卷积层使用3x3的卷积

    2024年02月04日
    浏览(32)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包