导入tensorflow-gpu 1.13.1版本的错误——模块找不着

1、问题描述:

Traceback (most recent call last):
  File "D:\Anaconda3\envs\tensorflowModel\lib\site-packages\tensorflow\python\pywrap_tensorflow.py", line 58, in <module>
    from tensorflow.python.pywrap_tensorflow_internal import *
  File "D:\Anaconda3\envs\tensorflowModel\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py", line 28, in <module>
    _pywrap_tensorflow_internal = swig_import_helper()
  File "D:\Anaconda3\envs\tensorflowModel\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py", line 24, in swig_import_helper
    _mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
  File "D:\Anaconda3\envs\tensorflowModel\lib\imp.py", line 243, in load_module
    return load_dynamic(name, filename, file)
  File "D:\Anaconda3\envs\tensorflowModel\lib\imp.py", line 343, in load_dynamic
    return _load(spec)
ImportError: DLL load failed: 找不到指定的模块。

22512: ModuleNotFoundError: No module named   tensorflow.python._pywrap_tensorflow_internal'

2、我的环境是:

     2.1、python3.6+ Cuda10.0+Window10+Anconda x64  3.6

     2.2    GPU版本信息:NVIDIA GeForce MX150  (通过下图位置查看版本信息)

3、解决办法:

注意:安装GPU版本需要预先安装CUDA、CUDNN、visual studio 这里给出别人的教程

<我在这里就已经解决了我的问题了。是由于没有安装CUDNN,我以为安装了CUDA就不需要安装CUDNN然而并不是。>

https://blog.csdn.net/weixin_43907422/article/details/88896928

第一步:视情况而定!首先conda search --info tensorflow-gpu 查看你安装的tensorflow-gpu的版本适合的环境

在这里我就贴出几个常用的:

分别是tensorflow-gpu1.11.0,tensorflow-gpu1.12.0,tensorflow-gpu1.13.1

有以下几个可能错误原因:

1、将protobuf降级到3.6.0会给我带来这个错误,不知道谁应该支持这个修复,protobuf或tensorflow ...:
tensorflow-gpu 1.13.1有要求protobuf> = 3.6.1,但你有protobuf 3.6 .0这是不相容的。

2、硬件是否支持AVX。可能也会导致产生DLL错误!

下面提供个代码检查是否支持AVX。

from cpuid import *

def _is_set(id, reg_idx, bit):
    regs = cpuid(id)

    if (1 << bit) & regs[reg_idx]:
        return "Yes"
    else:
        return "--"

print("Vendor ID         : %s" % cpu_vendor())
print("CPU name          : %s" % cpu_name())
print("Microarchitecture : %s%s" % cpu_microarchitecture())
print("Vector instructions supported:")
print("SSE       : %s" % _is_set(1, 3, 25))
print("SSE2      : %s" % _is_set(1, 3, 26))
print("SSE3      : %s" % _is_set(1, 2, 0))
print("SSSE3     : %s" % _is_set(1, 2, 9))
print("SSE4.1    : %s" % _is_set(1, 2, 19))
print("SSE4.2    : %s" % _is_set(1, 2, 20))
print("SSE4a     : %s" % _is_set(0x80000001, 2, 6))
print("AVX       : %s" % _is_set(1, 2, 28))
print("AVX2      : %s" % _is_set(7, 1, 5))
print("BMI1      : %s" % _is_set(7, 1, 3))
print("BMI2      : %s" % _is_set(7, 1, 8))

这就是我得到的:

Vendor ID         : GenuineIntel
CPU name          : Intel(R) Core(TM) i7-8565U CPU @ 1.80GHz        
Microarchitecture : kabylake
Vector instructions supported:
SSE       : Yes
SSE2      : Yes
SSE3      : Yes
SSSE3     : Yes
SSE4.1    : Yes
SSE4.2    : Yes
SSE4a     : --
AVX       : Yes
AVX2      : Yes
BMI1      : Yes
BMI2      : Yes

从输出结果可以看出是支持AVX2、AVX的。

硬件不支持是无法解决!

3、产生了:Could not find 'msvcp140.dll'错误

ImportError: Could not find 'msvcp140.dll'. TensorFlow requires that this DLL be installed in a directory that is named in your %PATH% environment variable. You may install this DLL by downloading Visual C++ 2015 Redistributable Update 3 from this URL: https://www.microsoft.com/en-us/download/details.aspx?id=53587
  • 对于已在system32文件夹中具有此DLL的计算机,它很好,因为系统路径优先于用户路径。
  • 对于没有这个DLL的机器,而不是丢失了TF崩溃的TF,它崩溃了一些神秘的_pywrap_tensorflow_internal...错误,很可能是因为在scipy中找到的DLL与Microsoft Visual C ++ 2015 Redistributable Update 3 RC安装的最新版本不兼容。解决方法是简单地安装Microsoft Visual C ++ 2015 Redistributable 64位。这样,DLL安装在system32文件夹中,优先于scipy安装的文件夹。

4、我在环境变量中添加了“C:\ Program Files \ NVIDIA Corporation \ NvStreamSrv”到我的PATH。也有可能解决的DLL缺失的问题!

……

最后祝大家好运!解决问题安装成功!

下面提供几个网址:

网址1:https://github.com/tensorflow/tensorflow/issues/22512 关于 tensorflow-gpu安装没有pywrap_tensorflow_internal模块的问题解决,也许你能发现新的方法

网址2:https://www.tensorflow.org/install/errors  这是tf的官网安装,出错的解决办法都可在这里找找看看!

网址3:https://blog.csdn.net/weixin_43907422/article/details/88896928 关于tensorflow-gpu/cpu 1.13.1 的安装教程!

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 要安装tensorflow-gpu1.13.1,您需要安装CUDA和cuDNN。然后,您可以使用pip命令安装tensorflow-gpu1.13.1。安装命令如下: 1. 安装CUDA和cuDNN 请根据您的操作系统和CUDA版本下载并安装CUDA和cuDNN。安装完成后,请将CUDA和cuDNN的路径添加到环境变量中。 2. 安装tensorflow-gpu1.13.1 打开命令行窗口,输入以下命令: pip install tensorflow-gpu==1.13.1 等待安装完成后,您就可以使用tensorflow-gpu1.13.1了。 ### 回答2: TensorFlow是一种流行的机器学习框架,可以用于构建和训练各种深度学习模型。在使用TensorFlow时,通常可以选择使用CPU或GPU进行计算。通过使用GPU进行计算,可以大大提高训练模型的速度。 要安装TensorFlow-GPU 1.13.1,需要按照以下步骤进行操作: 1. 首先,确保你的计算机上已经安装了兼容的NVIDIA GPU驱动程序。你可以在NVIDIA官方网站上找到适合你的GPU的最新驱动程序,并按照说明进行安装。 2. 接下来,你需要安装CUDA Toolkit,这是NVIDIA提供的一种用于进行GPU计算的平台和工具集。请根据你的GPU型号下载并安装适配的CUDA Toolkit版本安装时,可以选择安装所需的组件和示例程序。 3. 然后,你需要安装cuDNN(CUDA Deep Neural Network Library),它是用于深度学习模型的GPU加速库。请前往NVIDIA开发者网站,下载与你的CUDA版本匹配的cuDNN版本,并按照安装说明进行安装。 4. 在上述步骤完成后,你可以通过pip安装TensorFlow-GPU 1.13.1。打开终端或命令提示符窗口,并运行以下命令: pip install tensorflow-gpu==1.13.1 这样就会自动下载和安装TensorFlow-GPU的指定版本及其依赖项。 5. 安装完成后,你可以尝试导入TensorFlow库以验证是否安装成功。在Python中,运行以下代码: import tensorflow as tf 如果没有出现错误提示,则说明TensorFlow-GPU 1.13.1已经成功安装并可以正常使用了。 总之,安装TensorFlow-GPU 1.13.1需要安装兼容的NVIDIA GPU驱动程序、CUDA Toolkit和cuDNN,然后通过pip安装TensorFlow-GPU。确保按照官方文档和安装说明进行操作,以确保安装过程顺利进行,并获得最佳性能和稳定性。 ### 回答3: 要安装TensorFlow-GPU 1.13.1,你需要以下几个步骤: 1. 首先,你需要确保你的计算机具备一个兼容的GPU设备,并且已经安装了合适的GPU驱动程序。你可以查找你的GPU型号,并从官方网站下载和安装对应的驱动程序。 2. 为了正确地安装TensorFlow-GPU 1.13.1,你需要一个支持CUDA Toolkit 10.0的版本。你可以从NVIDIA官方网站上下载并安装CUDA Toolkit。确保你选择与你的GPU和操作系统兼容的适当版本。 3. 在安装CUDA Toolkit之后,你需要安装cuDNN(CUDA® Deep Neural Network library)。你可以从NVIDIA官方网站上注册并下载适用于你的CUDA版本的cuDNN。 4. 确保你的Python环境已经安装好了,而且是兼容的。TensorFlow-GPU 1.13.1要求使用Python 3.5、3.6或3.7,并且需要32位或64位的Windows操作系统,或者是Linux操作系统。 5. 现在,你可以通过使用pip或Anaconda包管理器来安装TensorFlow-GPU 1.13.1。你可以运行以下命令来安装: pip install tensorflow-gpu==1.13.1 如果你使用Anaconda,你可以运行以下命令来创建一个新的虚拟环境,并安装TensorFlow-GPU 1.13.1: conda create -n <环境名称> python=3.6 conda activate <环境名称> conda install tensorflow-gpu==1.13.1 安装完成后,你可以通过导入TensorFlow来验证安装是否成功: import tensorflow as tf print(tf.__version__) 如果成功打印出了1.13.1,那么恭喜你,你已经成功安装TensorFlow-GPU 1.13.1!现在你可以开始使用它进行深度学习任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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