pycharm中，在已装有numpy2.0.0和pytorch 2.3.1(cpu版)之后运行深度学习神经网络代码报错的解决方法(版本冲突)

已于 2024-07-17 12:55:04 修改
阅读量302 收藏 2
点赞数 3
文章标签： 深度学习 pycharm pytorch
于 2024-07-17 12:46:19 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/longjuanfeng686/article/details/140491719
版权

导包，查看当前环境版本信息如上图。which python查看版本为python3.12.3。

执行命令，会报如下错误：

【解决方法】：

第一步：执行pip uninstall numpy，卸载当前numpy2.0.0高版本。

第二步：执行pip install numpy==1.26.4，重新安装一个较低版本的numpy，这个1.26.4版本的numpy可以和torch 2.3.1+cpu搭配使用而不报错。

第三步，右键当前项目名，选择关闭kernel内核，再重新启动当前项目，执行导包和命令即可正常运行。

【效果如下图】：

解决啦！

ljf686868
关注
  • 3
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
吴恩达卷积神经网络，第一周作业PyTorch版本代码(gpu-cpu通用）
03-24
吴恩达卷积神经网络，第一周作业PyTorch版本代码(gpu-cpu通用） 1.PyCharm上运行的PyTorch项目 2.基础的卷积神经网络搭建 3.加入了gpu加速所需的代码 4.含数据集+cnn_utils.py【对原版本做了简化】 5.含训练、...
pycharm安装pytorch报错 提示系列问题 torch 包找不到因为pip版本低，结果升级了pip从19.3到20.2 4又提示高版不支持torch安装
studyvcmfc的专栏
10-29 8245
有同学遇到类似的问题 https://blog.csdn.net/weixin_41010198/article/details/103107083 ERROR: Could not find a version that satisfies the requirement torch==1.6.0 (from versions: 0.1.2, 0.1.2.post1, 0.1.2.post2) Looking in indexes: https://pypi....
[最全解答]import torch出现No module named 'numpy.core._multiarray_umath'错误
热门推荐
sparkleyn的博客
05-15 2万+
import torch出现No module named 'numpy.core._multiarray_umath’错误 网上常见解答： 1.更新numpy到最新版本 pip install -U numpy 2.更新pip到最新版本，再使用pip将numpy更新到最新版本 python -m pip install --upgrade pip pip install -U numpy 3...
win10环境下pycharm成功安装torch，解决报错:from torch._C import * ImportError: DLL load failed: 找不到指定的模块
watermelon12138的博客
07-29 3984
一、问题原因 1、numpy版本问题 2、python版本问题 二、解决办法 1、python版本升级 python3.6.0安装torch会报错，所以升级python3.6.0到python3.6.5。python官网 https://www.python.org/downloads/release/python-365/ 下载python3.6.5，点击exe安装的时候选择第一项undate安...
从零开始安装pytorch（CPU版本安装）
qiaoxinyu1989的博客
01-31 8217
Pytorch是。
深度学习——numpy和torch的对比
Elon15的博客
02-03 1190
深度学习——numpy和torch的对比
深度学习Pytorch全连接神经网络 垃圾邮件的分类.完整代码+数据 毕业设计 可直接运行
03-14
使用Pytorch深度学习库建立MLP全连接神经网络模型和optimzier优化器进行有标签的监督学习分类。并使用PytorchViz库将神经网络可视化，使用Canvas库将损失函数值和识别精度对数变化过程可视化。 软件架构 Pycharm ...
基于pytorch的深度学习花朵种类识别项目完整教程（内涵完整文件和代码）
03-24
​基于 pytorch 搭建神经网络分类模型识别花的种类，输入一张花的照片，输出显示最有可能的前八种花的名称和该种花的照片。 2、分三大步骤操作： 数据集预处理操作： 读取数据集数据 构建神经网络的数据集 1）数据...
李沐动手学深度学习(pytorch版本)”d2lzh_pytorch”包的缺少安装问题
12-21
在学习深度学习的过程中，李沐的《动手学深度学习》PyTorch版本是一个非常受欢迎的教程资源。该书提供了丰富的实践代码，帮助读者深入理解深度学习的原理与应用。然而，在按照书中指导进行实践时，可能会遇到一些...
基于jupyter代码无法在pycharm中运行的解决方法
12-20
总之，解决Jupyter Notebook代码在PyCharm中无法运行的问题，关键在于确保环境配置正确，内核状态良好，并及时排查代码错误。通过理解和掌握这些要点，可以更顺畅地在两个工具间切换，提高开发效率。
PyTorch和Numpy之间的联系和差异的详细阐述(万文多图)
herosunly的博客
03-30 1万+
0. PyTorch介绍 1. Pytorch数据 1.1 如何获取数据的基本属性 1.2 特殊的零维数据 1.3 注意点 1.4 构建数据 1.4.1 等差数列 1.4.2 随机初始化 1.4.2.1 [0, 1)初始化 1.4.2.2 标准正态分布初始化 1.4.2.3 正态分布初始化 1.4.3 打乱元素顺序 1.4.4 full张量 1.4.5 ones/zeros张量 1.4.6 eye张量(单位向量) 2. PyTorch张量操作 2.1 Fancy Indexing 2.2 select by
【深度学习】决策树的引入与应用
qq_73301283的博客
07-25 968
在线性模型中，对于一个拥有i个属性的数据集我们通过构造yWXWwb∗Xx1​;x2​;...;xi​根据均方方差最小化或者对数几率最大化来进行线性回归或者对数几率回归来确定W，得到模型从而模拟得到输出y与数据集X的线性关系，其中对数几率回归由于输出的是概率因此被用作分类任务的一部分。而线性判别分析通过类间散度矩阵Sb​和类内散度矩阵Sw​拟合一个目标函数使得Sb​和Sw​的广义瑞利商最大，最后求得W。
智能火灾预警系统：基于深度学习的火焰与烟雾检测平台
a871923942的博客
07-24 802
智能火灾预警系统：基于深度学习的火焰与烟雾检测平台
基于深度学习的化学分子属性预测
weixin_42605076的博客
07-25 1002
基于深度学习的化学分子属性预测是利用深度学习技术来预测化学分子的物理、化学和生物学属性。这些属性可以包括分子的溶解度、毒性、生物活性、稳定性等。该领域在药物发现、材料科学、环境科学等方面有广泛应用。
昇思25天学习打卡营第20天|RNN for sentiment analysis
2301_78538042的博客
07-24 194
【代码】昇思25天学习打卡营第20天|RNN for sentiment analysis。
多种类动物智能识别系统：基于深度学习的UI界面与YOLO模型实现
a871923942的博客
07-24 1150
多种类动物智能识别系统：基于深度学习的UI界面与YOLO模型实现
深度学习全景进阶：最新Python深度学习进阶与前沿应用
zkzhzy的博客
07-25 1225
注意力机制、Transformer模型（BERT、GPT-1/2/3/3.5/4、DETR、ViT、Swin Transformer等）、生成式模型（变分自编码器VAE、生成式对抗网络GAN、扩散模型Diffusion Model等）、目标检测算法（R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SDD等）、图神经网络（GCN、GAT、GIN等）、强化学习（Q-Learning、DQN等）、深度学习模型可解释性与可视化方法（CAM、Grad-CAM、LIME、t-SNE等）的基本原理及
05 循环神经网络
weixin_43490087的博客
07-25 1057
介绍了循环神经网络RNN的概念，以及简单循环神经网络SRN、长程依赖问题、RNN的架构及参数学习，还介绍了基于门控的循环神经网络和深层循环神经网络。
每天五分钟深度学习:向量化方式完成逻辑回归m个样本的前向传播
最新发布
huanfeng_AI的博客
07-25 200
我们已经知道了向量化可以明显的加速程序的运行速度，本节课程将使用向量化来完成逻辑回归的前向传播，不使用一个for循环。
在pycharm中安装支持cuda11.3的pytorch版本及方法
06-09
你可以按照以下步骤在 PyCharm 中安装支持 CUDA 11.3 的 PyTorch 版本： 1. 确保已经在系统中安装了 CUDA 11.3，以及对应的 cuDNN 库。可以从 NVIDIA 的官网上下载并安装。 2. 打开 PyCharm，创建一个新的 Python 项目。 3. 在 PyCharm 中打开终端，使用 conda 命令创建一个新的虚拟环境。例如，可以执行以下命令： ``` conda create -n myenv python=3.8 ``` 这将创建一个名为 myenv 的新虚拟环境，并安装 Python 3.8。 4. 激活新的虚拟环境。例如，可以执行以下命令： ``` conda activate myenv ``` 这将激活名为 myenv 的虚拟环境。 5. 安装 PyTorch。可以从 PyTorch 的官网上找到适合 CUDA 11.3 的版本，并执行以下命令进行安装： ``` conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch -c conda-forge ``` 这将安装支持 CUDA 11.3 的 PyTorch 和相关依赖库。 6. 确认 PyTorch 是否正确安装。可以在 PyCharm 的 Python Console 中执行以下代码进行测试： ``` import torch print(torch.__version__) print(torch.cuda.is_available()) ``` 如果输出结果中包含 PyTorch 的版本号，并且 cuda.is_available() 的结果为 True，则说明 PyTorch 成功安装并支持 CUDA 11.3。 注意：上述步骤中使用的命令是基于 conda 包管理器的。如果你使用其他的包管理器，可以根据具体情况进行相应修改。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值