【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）

人工智能44

文章目录

创建conda环境

对于Anaconda的安装，参见这篇文章：Anaconda介绍、安装及使用教程
安装好Anaconda后，创建一个新的环境：

conda create -n tf-grasr python=3.6

然后启动刚刚创建的conda环境：

conda activate tf-grasr

安装tensorflow1.15

用如下指令安装tensorflow1.15，用的是阿里云的镜像：1

pip --default-timeout=100 install --upgrade -i https://mirrors.aliyun.com/pypi/simple tensorflow==1.15.0

一通读条之后，就装好了。

(tf-grasr) octopus@ubuntu:~$ pip --default-timeout=100 install --upgrade -i https://mirrors.aliyun.com/pypi/simple tensorflow==1.15.0
Looking in indexes: https://mirrors.aliyun.com/pypi/simple
Collecting tensorflow==1.15.0
  Downloading https://mirrors.aliyun.com/pypi/packages/3f/98/5a99af92fb911d7a88a0005ad55005f35b4c1ba8d75fba02df726cd936e6/tensorflow-1.15.0-cp36-cp36m-manylinux2010_x86_64.whl (412.3 MB)
     |████████████████████████████████| 412.3 MB 9.1 kB/s
Collecting numpy<2.0,>=1.16.0
  Downloading https://mirrors.aliyun.com/pypi/packages/14/32/d3fa649ad7ec0b82737b92fefd3c4dd376b0bb23730715124569f38f3a08/numpy-1.19.5-cp36-cp36m-manylinux2010_x86_64.whl (14.8 MB)
     |████████████████████████████████| 14.8 MB 12.9 MB/s
Collecting protobuf>=3.6.1
  Downloading https://mirrors.aliyun.com/pypi/packages/0f/1c/6b3b5b8c07e92b84cb7d4fb946a8bc72b98d93d8b7c8e8a8e45023745810/protobuf-3.19.4-cp36-cp36m-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (1.1 MB)
     |████████████████████████████████| 1.1 MB 9.2 MB/s
Collecting tensorboard<1.16.0,>=1.15.0
  Downloading https://mirrors.aliyun.com/pypi/packages/1e/e9/d3d747a97f7188f48aa5eda486907f3b345cd409f0a0850468ba867db246/tensorboard-1.15.0-py3-none-any.whl (3.8 MB)
     |████████████████████████████████| 3.8 MB 26.9 MB/s
Collecting wrapt>=1.11.1
  Downloading https://mirrors.aliyun.com/pypi/packages/e2/0f/89c9c2d8ba06709a3d471507a78be443e2c2d9f1321d3e1154c76f44150c/wrapt-1.13.3-cp36-cp36m-manylinux_2_5_x86_64.manylinux1_x86_64.manylinux_2_12_x86_64.manylinux2010_x86_64.whl (78 kB)
     |████████████████████████████████| 78 kB 7.4 MB/s
Collecting absl-py>=0.7.0
  Downloading https://mirrors.aliyun.com/pypi/packages/2c/03/e3e19d3faf430ede32e41221b294e37952e06acc96781c417ac25d4a0324/absl_py-1.0.0-py3-none-any.whl (126 kB)
     |████████████████████████████████| 126 kB 20.8 MB/s
Collecting keras-applications>=1.0.8
  Downloading https://mirrors.aliyun.com/pypi/packages/71/e3/19762fdfc62877ae9102edf6342d71b28fbfd9dea3d2f96a882ce099b03f/Keras_Applications-1.0.8-py3-none-any.whl (50 kB)
     |████████████████████████████████| 50 kB 9.0 MB/s
Collecting opt-einsum>=2.3.2
  Downloading https://mirrors.aliyun.com/pypi/packages/bc/19/404708a7e54ad2798907210462fd950c3442ea51acc8790f3da48d2bee8b/opt_einsum-3.3.0-py3-none-any.whl (65 kB)
     |████████████████████████████████| 65 kB 8.1 MB/s
Collecting six>=1.10.0
  Downloading https://mirrors.aliyun.com/pypi/packages/d9/5a/e7c31adbe875f2abbb91bd84cf2dc52d792b5a01506781dbcf25c91daf11/six-1.16.0-py2.py3-none-any.whl (11 kB)
Collecting tensorflow-estimator==1.15.1
  Downloading https://mirrors.aliyun.com/pypi/packages/de/62/2ee9cd74c9fa2fa450877847ba560b260f5d0fb70ee0595203082dafcc9d/tensorflow_estimator-1.15.1-py2.py3-none-any.whl (503 kB)
     |████████████████████████████████| 503 kB 19.0 MB/s
Collecting keras-preprocessing>=1.0.5
  Downloading https://mirrors.aliyun.com/pypi/packages/79/4c/7c3275a01e12ef9368a892926ab932b33bb13d55794881e3573482b378a7/Keras_Preprocessing-1.1.2-py2.py3-none-any.whl (42 kB)
     |████████████████████████████████| 42 kB 2.6 MB/s
Collecting astor>=0.6.0
  Downloading https://mirrors.aliyun.com/pypi/packages/c3/88/97eef84f48fa04fbd6750e62dcceafba6c63c81b7ac1420856c8dcc0a3f9/astor-0.8.1-py2.py3-none-any.whl (27 kB)
Collecting termcolor>=1.1.0
  Downloading https://mirrors.aliyun.com/pypi/packages/8a/48/a76be51647d0eb9f10e2a4511bf3ffb8cc1e6b14e9e4fab46173aa79f981/termcolor-1.1.0.tar.gz (3.9 kB)
Collecting grpcio>=1.8.6
  Downloading https://mirrors.aliyun.com/pypi/packages/a6/33/152e05445decf5b1ce50e04e17bff9dade4bcd88f54b85d8bb37360ae29e/grpcio-1.44.0-cp36-cp36m-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (4.3 MB)
     |████████████████████████████████| 4.3 MB 11.8 MB/s
Collecting gast==0.2.2
  Downloading https://mirrors.aliyun.com/pypi/packages/4e/35/11749bf99b2d4e3cceb4d55ca22590b0d7c2c62b9de38ac4a4a7f4687421/gast-0.2.2.tar.gz (10 kB)
Requirement already satisfied: wheel>=0.26 in ./anaconda3/envs/tf-grasr/lib/python3.6/site-packages (from tensorflow==1.15.0) (0.37.1)
Collecting google-pasta>=0.1.6
  Downloading https://mirrors.aliyun.com/pypi/packages/a3/de/c648ef6835192e6e2cc03f40b19eeda4382c49b5bafb43d88b931c4c74ac/google_pasta-0.2.0-py3-none-any.whl (57 kB)
     |████████████████████████████████| 57 kB 11.2 MB/s
Collecting h5py
  Downloading https://mirrors.aliyun.com/pypi/packages/70/7a/e53e500335afb6b1aade11227cdf107fca54106a1dca5c9d13242a043f3b/h5py-3.1.0-cp36-cp36m-manylinux1_x86_64.whl (4.0 MB)
     |████████████████████████████████| 4.0 MB 14.6 MB/s
Collecting markdown>=2.6.8
  Downloading https://mirrors.aliyun.com/pypi/packages/9f/d4/2c7f83915d437736996b2674300c6c4b578a6f897f34e40f5c04db146719/Markdown-3.3.6-py3-none-any.whl (97 kB)
     |████████████████████████████████| 97 kB 13.4 MB/s
Collecting werkzeug>=0.11.15
  Downloading https://mirrors.aliyun.com/pypi/packages/f4/f3/22afbdb20cc4654b10c98043414a14057cd27fdba9d4ae61cea596000ba2/Werkzeug-2.0.3-py3-none-any.whl (289 kB)
     |████████████████████████████████| 289 kB 10.4 MB/s
Requirement already satisfied: setuptools>=41.0.0 in ./anaconda3/envs/tf-grasr/lib/python3.6/site-packages (from tensorboard<1.16.0,>=1.15.0->tensorflow==1.15.0) (58.0.4)
Collecting importlib-metadata>=4.4
  Downloading https://mirrors.aliyun.com/pypi/packages/a0/a1/b153a0a4caf7a7e3f15c2cd56c7702e2cf3d89b1b359d1f1c5e59d68f4ce/importlib_metadata-4.8.3-py3-none-any.whl (17 kB)
Collecting typing-extensions>=3.6.4
  Downloading https://mirrors.aliyun.com/pypi/packages/45/6b/44f7f8f1e110027cf88956b59f2fad776cca7e1704396d043f89effd3a0e/typing_extensions-4.1.1-py3-none-any.whl (26 kB)
Collecting zipp>=0.5
  Downloading https://mirrors.aliyun.com/pypi/packages/bd/df/d4a4974a3e3957fd1c1fa3082366d7fff6e428ddb55f074bf64876f8e8ad/zipp-3.6.0-py3-none-any.whl (5.3 kB)
Collecting dataclasses
  Downloading https://mirrors.aliyun.com/pypi/packages/fe/ca/75fac5856ab5cfa51bbbcefa250182e50441074fdc3f803f6e76451fab43/dataclasses-0.8-py3-none-any.whl (19 kB)
Collecting cached-property
  Downloading https://mirrors.aliyun.com/pypi/packages/48/19/f2090f7dad41e225c7f2326e4cfe6fff49e57dedb5b53636c9551f86b069/cached_property-1.5.2-py2.py3-none-any.whl (7.6 kB)
Building wheels for collected packages: gast, termcolor
  Building wheel for gast (setup.py) ... done
  Created wheel for gast: filename=gast-0.2.2-py3-none-any.whl size=7554 sha256=02d0d8029b49f951a7c16c574e6db6e9ba227aace314a48c2947abdcf3ff37b3
  Stored in directory: /home/octopus/.cache/pip/wheels/03/9c/3b/f49834321f4df7842d61424af7595757054699bcc4e8dc55f1
  Building wheel for termcolor (setup.py) ... done
  Created wheel for termcolor: filename=termcolor-1.1.0-py3-none-any.whl size=4848 sha256=d8baa7eed749dd82e815dc725fc83ba9eab559ca04589b5a1e87b60e2abad307
  Stored in directory: /home/octopus/.cache/pip/wheels/9f/03/82/3f6f270c949e40cb4da585d10190b7ab28f40f7a6b43089938
Successfully built gast termcolor
Installing collected packages: zipp, typing-extensions, six, numpy, importlib-metadata, dataclasses, cached-property, werkzeug, protobuf, markdown, h5py, grpcio, absl-py, wrapt, termcolor, tensorflow-estimator, tensorboard, opt-einsum, keras-preprocessing, keras-applications, google-pasta, gast, astor, tensorflow
Successfully installed absl-py-1.0.0 astor-0.8.1 cached-property-1.5.2 dataclasses-0.8 gast-0.2.2 google-pasta-0.2.0 grpcio-1.44.0 h5py-3.1.0 importlib-metadata-4.8.3 keras-applications-1.0.8 keras-preprocessing-1.1.2 markdown-3.3.6 numpy-1.19.5 opt-einsum-3.3.0 protobuf-3.19.4 six-1.16.0 tensorboard-1.15.0 tensorflow-1.15.0 tensorflow-estimator-1.15.1 termcolor-1.1.0 typing-extensions-4.1.1 werkzeug-2.0.3 wrapt-1.13.3 zipp-3.6.0

测试是否安装成功

terminal中测试

在terminal中输入 python进入python的实时环境：

python

运行如下两行代码，即导入tensorflow，并查看版本：

import tensorflow as tf
tf.__version__

运行结果如下，可以看到，导入的时候没有报错，也输出的正确的版本号。最后用 exit()可以退出python实时环境。
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）

jupyter notebook测试

用如下命令启动jupyter notebook：

jupyter notebook

新建一个notebook，并且用上述的方法测试tensorflow。按理来说我们已经安装完成了，但是却出现了找不到模块的报错：
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）

这就很奇怪了，上网查了一下，说是因为此时的jupyter是基于整个Anaconda的python，而不是对应的tensorflow虚拟环境，因此进入此虚拟环境后需要重新安装jupyter notebook。2

运行如下代码进行安装：

conda install ipython
conda install jupyter

再启动jupyter notebook，就可以正常运行了~
完整测试代码：

import tensorflow as tf
tf.__version__
tf.test.is_built_with_cuda()
tf.test.is_gpu_available(cuda_only=False,min_cuda_compute_capability=None)

测试情况：
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）

Original: https://blog.csdn.net/m0_60765523/article/details/123170295
Author: Octopus--
Title: 【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）

相关阅读

Original: https://blog.csdn.net/m0_60765523/article/details/123170295
Author: Octopus--
Title: 【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）

Title: Win10 下安装 CUDA Toolkit

目录

CUDA是什么

可以利用CUDA和GPU的并行处理能力来加速深度学习和其他计算密集型应用程序。CUDA是Nvidia开发的一种并行计算平台和编程模型，用于在其自己的GPU（图形处理单元）上进行常规计算。 CUDA使开发人员能够利用GPU的能力来实现计算的可并行化部分，从而加快计算密集型应用程序的速度。

1.确认适合自己的版本

安装 CUDA Toolkit （工具包）之前，注意不是按照的CUDA的版本越高越好，需要考虑安装的开发工具是否和自己的CUDA驱动版本兼容，如果基于 Python 开发，则需根据所采用的深度学习框架（如 Pytorch、TensorFlow）支持的 CUDA 版本，选择可支持的最新版本安装。

1. 首先查看自己本机的CUDA驱动版本：
点开桌面，右键，选择里边的 "NVIDIA 控制面板"。打开后，单击 左下角的 "系统信息" 。如下图所示：
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）

然后查看文档 NVIDIA CUDA Toolkit Release Notes
根据文档的版本，确定否与当前最新的 CUDA Toolkit 版本兼容
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）
例如，本台电脑511.79，因为是之前更新过的，再这之前我是418.96那个，然后根据上边的表格，选择的应该是 CUDA Toolkit 10.1 这个
点击下载：
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）

; 2. 安装 CUDA Toolkit 10.1

下载好后，双击运行，可更改路径，点击ok，就开始安装了：
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）
进度条完成后：
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）
等待系统兼容性检测：
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）
同意协议后，选择自定义
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）
单击 "下一步(N)" 进行安装。
如下图所示，我们只需选择CUDA下面这4项就够了（默认是全选的。。。），visual studio integration这一项没有勾选是因为我并没有使用VS环境。这一步之后，会询问这些组件的安装路径，可以直接使用C盘的默认位置，当然我自定义了一下（请记住这些安装路径，后面配置环境变量需要用到）。

默认安装目录为 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0，示例程序安装目录为 C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0。安装完成后，在命令行窗口（cmd）中，输入 nvcc -V 命令进行测试
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）

3.下载并安装与 CUDA 10.1 版本兼容的 cuDNN

cuDNN 的全称为 NVIDIA CUDA® Deep Neural Network library，是 NVIDIA 专门针对深度神经网络（Deep Neural Networks）中的基础操作而设计的基于 GPU 的加速库。下载 cuDNN 需要注册，官网下载地址为] https://developer.nvidia.com/cudnn 。本人下载的 cuDNN 版本为

【PS：好像记得这个下载 前要注册、填问卷、加入开发者计划什么的】

【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）
同意，选择查看之前的版本，
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）
选择正常的版本的进行下载：
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）
下载好后，解压文件：如下：
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）
然后，将所有内容复制到 cuda 10.1 安装目录，即可完成 cuDNN 的安装，如下图所示
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）

; 4. pip 安装 pytorch


pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

PyTorch先前版本部分截图如下：
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）

cmd 输入命令：
【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）

; 5. 测试能否可用

import torch
print(torch.cuda.is_available())

【Tensorflow】Tensorflow1.15安装（Ubuntu20.04+Anaconda3）

Original: https://blog.csdn.net/weixin_43798572/article/details/123122477
Author: 九重！
Title: Win10 下安装 CUDA Toolkit

相关阅读

Title: tensorflow与高版本numpy不兼容的问题

下载tensorflow:

pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/

import tensorflow as tf

会提示

~/python3.6/site-packages/tensorflow/python/framework/dtypes.py:516:
FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated;
in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.

  _np_qint8 = np.dtype([("qint8", np.int8, 1)])

检查版本

print(tf.__version__)
print(numpy.__version__)

结果：

tensorflow版本 1.14.0
numpy版本1.19.5

发现原因：numpy版本太高

解决方式有两种：降低numpy版本、修改tensorflow对应行代码

两种方式都试过了，都是可行的。

numpy降到1.16.0就能正常运行

先卸载

pip uninstall numpy

再下载低版本

pip install numpy==1.16.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/

因为先尝试了第一种方法，numpy已经被降到了1.16.0，现需要将numpy升级回1.19.5

pip install -U numpy -i https://pypi.tuna.tsinghua.edu.cn/simple/

编辑提示中的文件，修改报错的行。

如先修改文件 ~/site-packages/tensorflow/python/framework/dtypes.py 的516行：

_np_qint8 = np.dtype([("qint8", np.int8,1)])

修改为

_np_qint8 = np.dtype([("qint8", np.int8,(1,))])
  • 修改内容：添加括号和逗号 _np_qint8 = np.dtype([("qint8", np.int8,(1 ,))])

我的提示中有两个文件：

~/site-packages/tensorflow/python/framework/dtypes.py

~/site-packages/tensorboard/compat/tensorflow_stub/dtypes.py

两个都修改完之后就可以愉快的使用了～

Original: https://blog.csdn.net/Tang_Zhe/article/details/121859590
Author: gogottt
Title: tensorflow与高版本numpy不兼容的问题

相关文章
tensorflow识别水果 人工智能

tensorflow识别水果

问题 有一组水果的训练集，我们对模型进行训练，思路跟之前我们识别猫与狗一样。 设计解决这个问题的思路 1、下载与放置训练图片 2、现在对应的依赖，tensorflow、numpy等等 3、构建训练集合...
42人工智能
知识图谱嵌入学习 人工智能

知识图谱嵌入学习

初始化：通过embedding将三元组信息提取为特征向量。 划分数据集：通过GBA(guity-by-association)原则创造负样本（加判断器确保生成的负样本正确）。 打分函数TransE：一...
32人工智能