在遇到numpy版本冲突问题后，作者决定通过conda创建新环境来安装tensorflow-gpu 2.4和opencv 3.3。由于conda提供的tensorflow版本不包括2.4，且opencv版本对python和tensorflow有特定要求，作者详细描述了如何在python3.6环境中，通过手动配置cuda、cudnn，然后使用pip安装tensorflow-gpu 2.4和opencv 3.3，以解决版本兼容问题。过程中强调了环境的纯净性以及conda和pip结合使用的重要性。
背景需求
原先的环境下，由于numpy1.20版本和部分代码存在冲突，需要降级使用numpy库。而因为原环境numpy库是随着tensorflow2.5依赖安装的，降级显然不现实，因此想使用conda创建一个新环境。
由于需求cuda11以上的版本，查阅资料后可选择的只有tensorflow2.4。然而，conda提供的版本并不包含2.4版本。
此外，为了找到python版本和numpy与tensorflow不冲突的opencv库，尝试了多次的安装解析，最终找到不冲突的环境为python3.6，安装numpy依赖同样为1.19的opencv3.3版本。
P.S. conda的tensorflow和opencv版本数量少感觉挺坑的，较少的版本数限制了依赖库版本的选择范围。而opencv版本对python版本有较强限制，且在同一python版本中底层库还可能和tensorflow有冲突，尤其是出现cuda和cudnn的冲突，想要找一个多方都不冲突的需要多查资料，多试几次环境配置。
安装过程
由于上述分析，满足需求的最佳选择是：python3.6 + tensorflow2.4+numpy1.19+opencv3.3 。而conda并没有提供tensorflow相关包安装与依赖解析，因此需要按照一般的cuda+cudnn+tensorflow的方式配置。
需要注意的是，既然选择了虚拟环境，就
最低0.47元/天 解锁文章
1228
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
