mac 系统下安装tensorflow过程中踩得一些坑,以及自己的解决办法

2024-02-03 04:32

本文主要是介绍mac 系统下安装tensorflow过程中踩得一些坑,以及自己的解决办法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

mac 系统下pip install tensorflow

1. 速度慢

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

2. 速度上来了,但由于网速不稳定超时了

ERROR: Exception:
Traceback (most recent call last):
File “/Users/mac/anaconda3/envs/tensorflow/lib/python3.5/site-packages/pip/_vendor/urllib3/response.py”, line 360, in _error_catcher

pip --default-timeout=100 install -U tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 前面重复使用了太多次命令了

ERROR: THESE PACKAGES DO NOT MATCH THE HASHES FROM THE REQUIREMENTS FILE. If you have updated the package versions, please update the hashes. Otherwise, examine the package contents carefully; someone may have tampered with them.

pip --default-timeout=100 install -U --upgrade tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple

4. 安装好后还没高兴太久就又有新的问题出现了

# 导入数据集的时候总是报错
from tensorflow.examples.tutorials.mnist import input_data

Cannot find reference ‘tutorials’ in ‘init.py’
然后去找这方面的解答方案,整了半天后来才发现,原来是自己的tensorflow安装的有问题,连版本都不能输出

import tensorflow as tf#输出版本都一大堆报错,具体就是tensorflow的版本问题
print(tf.__version__)

/opt/anaconda3/envs/py38/bin/python3.8
/Applications/PyCharm.app/Contents/plugins/python/helpers/pydev/pydevconsole.py
–mode=client --port=51645 import sys; print(‘Python %s on %s’ % (sys.version, sys.platform))
sys.path.extend([’/Users/leohao/Documents/ML/ml-python-master’])
Python 3.8.5 (default, Sep 4 2020, 02:22:02) Type ‘copyright’,
‘credits’ or ‘license’ for more information IPython 7.18.1 – An
enhanced Interactive Python. Type ‘?’ for help. PyDev console: using
IPython 7.18.1 Python 3.8.5 (default, Sep 4 2020, 02:22:02) [Clang
10.0.0 ] on darwin runfile(’/Users/leohao/Documents/ML/ml-python-master/ANN/test.py’,
wdir=’/Users/leohao/Documents/ML/ml-python-master/ANN’) Traceback
(most recent call last): File
“/opt/anaconda3/envs/py38/lib/python3.8/site-packages/numpy/core/init.py”,
line 22, in
from . import multiarray File “/Applications/PyCharm.app/Contents/plugins/python/helpers/pydev/_pydev_bundle/pydev_import_hook.py”,
line 21, in do_import
module = self._system_import(name, *args, **kwargs) File “/opt/anaconda3/envs/py38/lib/python3.8/site-packages/numpy/core/multiarray.py”,
line 12, in
from . import overrides File “/Applications/PyCharm.app/Contents/plugins/python/helpers/pydev/_pydev_bundle/pydev_import_hook.py”,
line 21, in do_import
module = self._system_import(name, *args, **kwargs) File “/opt/anaconda3/envs/py38/lib/python3.8/site-packages/numpy/core/overrides.py”,
line 7, in
from numpy.core._multiarray_umath import ( File “/Applications/PyCharm.app/Contents/plugins/python/helpers/pydev/_pydev_bundle/pydev_import_hook.py”,
line 21, in do_import
module = self._system_import(name, *args, **kwargs) ImportError: dlopen(/opt/anaconda3/envs/py38/lib/python3.8/site-packages/numpy/core/_multiarray_umath.cpython-38-darwin.so,
2): Library not loaded: @rpath/libopenblas.dylib Referenced from:
/opt/anaconda3/envs/py38/lib/python3.8/site-packages/numpy/core/_multiarray_umath.cpython-38-darwin.so
Reason: image not found During handling of the above exception,

https://numpy.org/devdocs/user/troubleshooting-importerror.html Please note and check the == following: * The Python version is: ==
Python3.8 from “/opt/anaconda3/envs/py38/bin/python3.8” * The NumPy
version is: “1.19.2” and make sure that they are the versions you
expect. Please carefully study the documentation linked above for
further help. Original error was:
dlopen(/opt/anaconda3/envs/py38/lib/python3.8/site-packages/numpy/core/_multiarray_umath.cpython-38-darwin.so,
2): Library not loaded: @rpath/libopenblas.dylib Referenced from:
/opt/anaconda3/envs/py38/lib/python3.8/site-packages/numpy/core/_multiarray_umath.cpython-38-darwin.so
Reason: image not found

我的问题,没注意tensorflow的版本兼容性问题:

  1. tensorflow 版本自动下载最新的2.3.1

  2. numpy 版本也自动下载了最新的1.9

  3. python 用的是anaconda创建的3.8

解决方案降低版本:

  1. 我使用了anaconda创建了新的环境 python 3.5
    如果没有使用anaconda的话,那就建议去安一个,不然不好管理python包和版本;
    像我这样python3.8安tensorflow出问题,直接再建一个3.5非常方便。
  2. 安装tensorflow 1.14,安完后提示我更新pip,额我顺便更新了一下,其实到这里就已经可以导入成功了,毕竟我的tensorflow版本也成功输出来了
pip --default-timeout=100 install -U --upgrade tensorflow==1.1.4 -i https://pypi.tuna.tsinghua.edu.cn/simplepip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple
  1. 但是还是有些错误,关于这方面的错误是numpy版本问题

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)])

要解决的话就先删除numpy 再安装numpy 1.14

pip uninstall numpy
pip install numpy==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

可喜可贺终于成功导入,可以开始机器学习了!

设置全局的源,就不用敲-i https:…

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

这篇关于mac 系统下安装tensorflow过程中踩得一些坑,以及自己的解决办法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/672980

相关文章

浅析Spring Security认证过程

类图 为了方便理解Spring Security认证流程,特意画了如下的类图,包含相关的核心认证类 概述 核心验证器 AuthenticationManager 该对象提供了认证方法的入口,接收一个Authentiaton对象作为参数; public interface AuthenticationManager {Authentication authenticate(Authenti

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

Zookeeper安装和配置说明

一、Zookeeper的搭建方式 Zookeeper安装方式有三种,单机模式和集群模式以及伪集群模式。 ■ 单机模式:Zookeeper只运行在一台服务器上,适合测试环境; ■ 伪集群模式:就是在一台物理机上运行多个Zookeeper 实例; ■ 集群模式:Zookeeper运行于一个集群上,适合生产环境,这个计算机集群被称为一个“集合体”(ensemble) Zookeeper通过复制来实现

CentOS7安装配置mysql5.7 tar免安装版

一、CentOS7.4系统自带mariadb # 查看系统自带的Mariadb[root@localhost~]# rpm -qa|grep mariadbmariadb-libs-5.5.44-2.el7.centos.x86_64# 卸载系统自带的Mariadb[root@localhost ~]# rpm -e --nodeps mariadb-libs-5.5.44-2.el7

Centos7安装Mongodb4

1、下载源码包 curl -O https://fastdl.mongodb.org/linux/mongodb-linux-x86_64-rhel70-4.2.1.tgz 2、解压 放到 /usr/local/ 目录下 tar -zxvf mongodb-linux-x86_64-rhel70-4.2.1.tgzmv mongodb-linux-x86_64-rhel70-4.2.1/

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

作业提交过程之HDFSMapReduce

作业提交全过程详解 (1)作业提交 第1步:Client调用job.waitForCompletion方法,向整个集群提交MapReduce作业。 第2步:Client向RM申请一个作业id。 第3步:RM给Client返回该job资源的提交路径和作业id。 第4步:Client提交jar包、切片信息和配置文件到指定的资源提交路径。 第5步:Client提交完资源后,向RM申请运行MrAp

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来,一站式有声阅读平台听书系统 🌟 开篇:遇见未来,从“智听”开始 在这个快节奏的时代,你是否渴望在忙碌的间隙,找到一片属于自己的宁静角落?是否梦想着能随时随地,沉浸在知识的海洋,或是故事的奇幻世界里?今天,就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统,它正悄悄改变着我们的阅读方式,让未来触手可及! 📚 第一站:海量资源,应有尽有 走进“智听