本文介绍了在Tensorflow框架搭建过程中遇到的问题，包括安装tensorflow时未指定CUDA，导致在CPU环境下运行，以及使用conda安装tensorflow-gpu时得到的版本不兼容旧代码。解决方法包括使用tf.compat.v1.Session()替换tf.Session()，或者回退到1.14版本。同时，文章还提供了检查tensorflow版本的方法，以便于适配不同版本的API变化。
进入CMD 环境中，python -m pip install tensorflow（多次尝试）（pip3 install tensorflow）
安装成功！
此次安装没有安装CUDA,tensorflow的计算在单机CPU下进行。
或者用conda install tensorflow-gpu安装
使用conda install tensorflow-gpu安装tensorflow时未指定版本，导致安装了tensorflow2.1版本。而tf.Session是1.X版本tensorflow中的代码。
解决方法
- 使用tensorflow 2.x版本的接口进行调用
tf.Session() --> tf.compat.v1.Session()- 使用以前的版本。（sudo pip install tensorflow==1.14）
import tensorflow as tf
>>
最低0.47元/天 解锁文章
9838
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
