Could not find a version that satisfies the requirement numpy>=1.20.0 (from imageio) 解决办法

人工智能31

记录一下搞了半天才搞成的imageio安装

我在anoconda的tensorflow环境下输入'pip install imageio'

出现这个错误

Could not find a version that satisfies the requirement numpy>=1.20.0 (from imageio) (from versions: 1.3.0, 1.4.1, 1.5.0, 1.5.1, 1.6.0, 1.6.1, 1.6.2, 1.7.0, 1.7.1, 1.7.2, 1.8.0, 1.8.1, 1.8.2, 1.9.0, 1.9.1, 1.9.2, 1.9.3, 1.10.0.post2, 1.10.1, 1.10.2, 1.10.4, 1.11.0, 1.11.1, 1.11.2, 1.11.3, 1.12.0, 1.12.1, 1.13.0rc1, 1.13.0rc2, 1.13.0, 1.13.1, 1.13.3, 1.14.0rc1, 1.14.0, 1.14.1, 1.14.2, 1.14.3, 1.14.4, 1.14.5, 1.14.6, 1.15.0rc1, 1.15.0rc2, 1.15.0, 1.15.1, 1.15.2, 1.15.3, 1.15.4, 1.16.0rc1, 1.16.0rc2, 1.16.0, 1.16.1, 1.16.2, 1.16.3, 1.16.4, 1.16.5, 1.16.6, 1.17.0rc1, 1.17.0rc2, 1.17.0, 1.17.1, 1.17.2, 1.17.3, 1.17.4, 1.17.5, 1.18.0rc1, 1.18.0, 1.18.1, 1.18.2, 1.18.3, 1.18.4, 1.18.5, 1.19.0rc1, 1.19.0rc2, 1.19.0, 1.19.1, 1.19.2, 1.19.3, 1.19.4, 1.19.5)
No matching distribution found for numpy>=1.20.0 (from imageio)

原因是Numpy版本不够安装所要求的iamgeio版本,要求Numpy版本>=1,20,0才行,然后我试图升级numpy但是因为numpy版本也得和pip版本适配这一系列的麻烦问题。

所以我没有升级成功numpy

发现其实只需要降低要安装的imageio版本即可,参考文末这篇博客后,我选择了安装和我的numpy版本适应的指定版本imageio。prompt输入命令pip install imageio==2.13.5 后安装成功

Original: https://blog.csdn.net/m0_59822830/article/details/125097129
Author: 琴酒1
Title: Could not find a version that satisfies the requirement numpy>=1.20.0 (from imageio) 解决办法

相关文章
python中的*和** 人工智能

python中的*和**

简介:Python中的与*操作符使用最多的就是两种用法。 1.用做运算符,即表示乘号,*表示次方。 用于指定函数传入参数的类型的。*用于参数前面,表示传入的多个参数将按照元组的形式存储,是一个元组; ...
兼容小程序和app安卓 录音功能uniapp 人工智能

兼容小程序和app安卓 录音功能uniapp

这是一个按钮录音弹窗:你也可你自己换成别的! 点击保存会返回 录音的 路径 通过 v-model 绑定的!(你也可以自己写个emit 返回方法,) 我代码中有 我项目录音转文字的接口,使用者注意吧这些...
【好数推荐】高质量的语音合成数据集 人工智能

【好数推荐】高质量的语音合成数据集

语音合成技术是将任意文本转换成语音的技术,是人与计算机语音交互必不可少的模块。如果说语音识别技术是让计算机学会"听"人的话,那么语音合成技术就是让计算机程序把文字"说"出来。 从地图导航、语音助手、新...
使用Yolov5训练自己的模型 人工智能

使用Yolov5训练自己的模型

本文主要介绍如何运用开源Yolov5模型,结合自己的数据,训练其他目标检测模型。 基础准备工作: anaconda 适用Yolov5的虚拟环境 git上下载Yolov5并调通测试代码https://g...
关于产品UE的胡思乱想 人工智能

关于产品UE的胡思乱想

1、产品的目标是 取悦用户 不能只盯着功能实现,而不考虑用户使用。 我们的目标不应该不过让用户使用我们的产品。而是让用户在使用我们产品过程中感到 "愉悦"。 2、用户是SB​ 3、关键是挖掘痛点 绝大...
标签平滑(label smoothing) 人工智能

标签平滑(label smoothing)

在常见的多分类问题中,先经过softmax处理后进行交叉熵计算,原理很简单可以将计算loss理解为,为了使得网络对测试集预测的概率分布和其真实分布接近,常用的做法是使用one-hot对真实标签进行编码...
Tensorflow2.0使用Sequential 搭建神经网络 人工智能

Tensorflow2.0使用Sequential 搭建神经网络

总论(这是我的总结可以不看直接看下面的安装) 1、 不用看那些版本对应表啊!!!! 记录那些年自己掉过的坑,自己也是看了其他人好多博客,总结下来一个核心问题是要求版本对应,发现大家都是这样教的,以这样...
注意力机制详解 人工智能

注意力机制详解

1.特性 即插即用 在特征提取效果显著 微调模型的小技巧 2.核心思想 本质上与人类视觉选择性注意力机制类似,从众多信息中选出对当前任务目标更为关键的信息。 通过手段获取每张特征图重要性的差异 抑制无...