Tensorflow-GPU和sklearn的安装

肝了四天，为了同时满足tensorflow-gpu和svm的运行，尝试了各种版本的两个库，终于找到一个兼容的了。

首先创建一个虚拟环境，可以参考我的上一篇博客

在Anaconda Prompt中输入以下代码

conda create -n tf2.6py3.8-gpu python=3.8  # 创建虚拟环境，python选择3.8版本
activate tf2.6py3.8-gpu  # 激活虚拟环境

首先，我用的服务器的cuda=11.2，cudnn=8.1，所以我选择tensorflow-gpu=2.6.0

按照matplotlib、numpy、sckit-learn、tensorflow、protobuf和keras的顺序安装。

pip install matplotlib==3.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install numpy==1.19.5 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install scikit-learn==0.24.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install tensorflow-gpu==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install protobuf==3.20.0 -i https://pypi.tuna.tsinghua.edu.cn/simple  # protobuf需要满足版本大于3.19.6且不超过3.20.x
pip install keras==2.6 -i https://pypi.tuna.tsinghua.edu.cn/simple

matlplotlib放在第一个安装时自动安装numpy包，但版本不是我们需要的，第二句可以把numpy包重新安装。

numpy的版本不能高于1.20，不然会报错。

protobuf需要满足版本大于3.19.6且不超过3.20.x。

改变protobuf和keras版本为了是解决导入tensorflow时引发的错误，以下是最终pip中的库。

Package                 Version
----------------------- ---------
absl-py                 0.15.0
astunparse              1.6.3
cachetools              5.3.0
certifi                 2022.12.7
charset-normalizer      3.1.0
clang                   5.0
flatbuffers             1.12
gast                    0.4.0
google-auth             2.17.3
google-auth-oauthlib    1.0.0
google-pasta            0.2.0
grpcio                  1.54.0
h5py                    3.1.0
idna                    3.4
importlib-metadata      6.6.0
joblib                  1.2.0
keras                   2.6.0
Keras-Preprocessing     1.1.2
Markdown                3.4.3
MarkupSafe              2.1.2
numpy                   1.19.5
oauthlib                3.2.2
opt-einsum              3.3.0
pip                     23.1.2
protobuf                3.20.0
pyasn1                  0.5.0
pyasn1-modules          0.3.0
requests                2.30.0
requests-oauthlib       1.3.1
rsa                     4.9
scikit-learn            0.24.1
scipy                   1.10.1
setuptools              67.7.2
six                     1.15.0
tensorboard             2.13.0
tensorboard-data-server 0.7.0
tensorflow-estimator    2.12.0
tensorflow-gpu          2.6.0
termcolor               1.1.0
threadpoolctl           3.1.0
typing-extensions       3.7.4.3
urllib3                 2.0.2
Werkzeug                2.3.3
wheel                   0.40.0
wrapt                   1.12.1
zipp                    3.15.0

最后在pycharm中导入环境就行。

两个包导入成功。