TensorFlow安装常见问题和解决办法
TensorFlow安装常见问题和解决办法
https://blog.csdn.net/qq_44725872/article/details/107558250
https://blog.csdn.net/MSJ_nb/article/details/117462928
刚好最近在看一些关于深度学习的书，然后就想着安装tensorflow跑跑代码加深一下印象，然后就遇见了很多问题，想着不能就这么算了就查找csdn的一些大佬们的博客，幸好都有解决方法，经历了几个小时终于是弄好了，下面是我遇到的一些问题和解决方法。
问题一
安装python库首选用pip，但总会出现下载超时的问题，这里我用了豆瓣镜像来下载，会快很多，命令行运行代码。
pip install -i http://pypi.douban.com/simple --trusted-host pypi.douban.com tensorflow
问题二
下载安装时会有一些问题，例如：
这个解决，我参考了“飘洋过海95”的博客，截图也来自于他的博客。
博客链接安装Tensorflow问题，ERROR: Cannot uninstall ‘wrapt’. It is a distutils installed project and thus…
问题1解决办法：
pip install -U --ignore-installed wrapt enum34 simplejson netaddr
问题2解决办法：
pip install --upgrade setuptools
完成上面两步后，需要重新下载tensorflow，参考问题一
但是我遇到的要更复杂一些。输入方案一的
pip install -U --ignore-installed wrapt enum34 simplejson netaddr
后仍然报错：
根据 Building wheel for wrapt (setup.py) ... error 报错，查找到的解决方法：
https://blog.csdn.net/weixin_43838785/article/details/103441963（此为方案二）
下载离线安装包 ：wrapt-1.12.1-cp37-cp37m-win_amd64.whl
再执行命令
H:\tmp>pip install wrapt-1.12.1-cp37-cp37m-win_amd64.whl
又返回报错：
这样就陷入了两个方案的死循环
方案1：
使用--ignore-installed，
解决了方案2的
--install ，报错“error cannot uninstall 'wrapt' ” 的问题
但报错：Building wheel for wrapt (setup.py) ... error——
方案2：使用离线安装包，
解决了方案1的
“Building wheel for wrapt (setup.py) ... error”的问题
但报错：error cannot uninstall 'wrapt' ，
所以改进为
(base) H:\tmp>pip install -U --ignore-installed wrapt-1.12.1-cp37-cp37m-win_amd64.whl
即可！！再安装
tensorflow-gpu
，成功
pip install --upgrade tensorflow-gpu
问题B2：module ‘keras.utils‘ has no attribute ‘to_categorical‘ 解决办法
https://blog.csdn.net/MSJ_nb/article/details/117462928
改为
from keras.utils import np_utils
y_train = np_utils.to_categorical(y_train, num_classes)版本：keras 2.4.3 tensorflow 2.5.0
问题B3：【TensorFlow2.0】This is probably because cuDNN failed to initialize.错误修正和cuDNN版本更新
https://blog.csdn.net/licui8068/article/details/104008618
今天在环境Ubuntu16.04+TensorFlow2.0+CUDA10.1+cuDNN7.5.0中训练模型，本来是使用CPU计算的，但是后来数据量扩大后CPU已经不能满足需求了，于是便安装了TensorFlow2.0-gpu进行训练。
错误
本来已经挺简单的，因为之前在TensorFlow-gpu1.14+CUDA10.1+cuDNN7.5.0的环境下进行过训练，但是没想到会出现错误
Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above.
看错误提示和查询，发现这个错误有可能是我代码的问题，也有可能是因为我的cuDNN版本不适配。一开始我以为是第一点，看了其他人的博客在代码前面加上一些配置但不管用，于是只能采用第二个方法。
更新cuDNN过程
首先先使用命令 nvcc -V (注意V是大写)确定自己的CUDA版本，然后进入cuDNN下载页面。
没有账号的话应注册NVIDIA账号，登录后会看到以下页面
根据自己的CUDA版本下载对应的cuDNN，有两种安装方式
上面橙色框线相当于下载一个装载所有文件的压缩包，具体需要你自己拷贝，而红色框线则是可以直接安装的Deb文件，对于ubuntu来说非常方便，推荐下面一种。
更新cuDNN分两步，首先需要先卸载之前的版本通过dpkg卸载之前的libcudnn，卸载顺序随意
sudo dpkg -r libcudnn7-dev
sudo dpkg -r libcudnn7
第二步，安装
sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.1_amd64.deb
sudo dpkg -i libcudnn7-dev_7.6.5.32-1+cuda10.1_amd64.deb
注意上面两步的安装顺序不能更改，因为libcudnn7-dev_7.6.5.32-1+cuda10.1_amd64.deb的安装依赖于libcudnn7_7.6.5.32-1+cuda10.1_amd64.deb
第三步，完成
接下来就可以开始愉快地训练了~
————————————————
版权声明：本文为CSDN博主「きりり」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/licui8068/article/details/104008618
