2、tensorflow

1、已经安装了scipy，但是无法调用

'Image transformations require SciPy. '、'Install SciPy.'
name 'scipy' is not defined

解决方法：

pip3 -V
python3 -m scipy
python3 -m pip install numpy scipy matplotlib ipython jupyter pandas sympy nose           # 这几个库都需要
python3 -m scipy

　　　　

 2、和1一样的问题

文章链接：(8条消息) RuntimeError: Numpy is not available（关联Torch或Tensorflow）_My name is JeMing的博客-CSDN博客

pip install --ignore-installed --upgrade tensorflow-gpu

　　

 

 3、numpy版本太高

pip uninstall numpy
pip install numpy==1.16.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
# 升级到最新版本
pip install -U numpy -i https://pypi.tuna.tsinghua.edu.cn/simple/

 

4、卷积报错

错误信息：

Graph execution error:
 'model/block1_conv1/Conv2D'
DNN library is not found.

 

5、物理设备初始化后不允许修改

错误信息如下：

Physical devices cannot be modified after being initialized

tensorflow进行GPU分配时出现此错误。
原因：在分配GPU前就实例化了模型。
解决办法：在实例化模型前分配GPU。如果是在导包完后，出现此错误，基本上是导入得包内实例化了模型

在第一段写这样的代码：

from tensorflow.config.experimental import list_physical_devices, set_memory_growth
physical_devices = list_physical_devices('GPU')
set_memory_growth(physical_devices[0], True)

 tips:4、5配合使用

 

6、tensorflow和cudnn不匹配的问题

错误信息如下：

Loaded runtime CuDNN library: 8.0.5 but source was compiled with: 8.1.0. 

解决方案：

6.1、首先查看tensorflow的版本

import tensorflow as tf
tf.__version__                  #  2.9.2
keras.__version__            # 2.9.0

6.2、查看cudn、cudnn版本

import tensorflow as tf
build = tf.sysconfig.get_build_info()
print(build['cuda_version'])        # 11.2
print(build['cudnn_version'])       # 8

6.3、查看对应版本

链接：在 Windows 环境中从源代码构建  |  TensorFlow (google.cn)

　　　

 

 6.4、解决

可以看到我们应该是第一种，所以应该把tensorflow改成2.6.0版本

pip unstall tensorflow
pip install tensorflow==2.6.0

 

6.5、最终

tensorflow==2.4.0

tensorflow_gpu == 2.4.0

autodl里面cuda=11.0，cudnn=8.0，因此你需要按照2.4.0的tensorflow

 

7、无法使用gpu

错误信息：

Could not load dynamic library 'libcusolver.so.10'

 

8、查看gpu是否可用

import tensorflow as tf
print(tf.test.is_gpu_available())      # 如果结果是True，表示GPU可用

 

9、查看cuda版本

nvidia-smi