神经网络搭建python，tensorflow-gpu，keras，numpy，h5py，CUDA，CUDANN依赖版本推荐

最新推荐文章于 2023-11-18 13:44:16 发布
最新推荐文章于 2023-11-18 13:44:16 发布
阅读量1.5k 收藏 9
点赞数 2
分类专栏： 神经网络 文章标签： 神经网络 tensorflow
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/weixin_43789456/article/details/118087924
版权

TF依赖版本推荐

记录现用python，tensorflow-gpu，keras，numpy，h5py，CUDA，CUDANN版本

提前替大家踩了坑，最终测试出的现用互相依赖版本，希望对大家有用

  • python 3.6.8
  • tensorflow 1.12.3
  • tensorflow-gpu 1.12.3
  • keras 2.2.4
  • numpy 1.16.4
  • h5py 2.10.0
  • CUDA v9.0
  • CUDANN 7.4.2.24

如果让我再向新手推荐python版本我会毫不犹豫的推荐python3.6。
作为小白，python3.8是最新版本，有很多兼容问题，所以最不推荐，python3.7的兼容已经做得差不多了，但是像神经网络这种复杂的环境搭建还是会出现各种各样的问题，所以作为新手，先走前辈走过的老路入门，等变成编程大牛后再自主钻研是再好不过的了，这样前期学习可以节约不少的功夫。

林木无可栖
关注
  • 2
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
ANACONDA +Cuda及cuDNN+Tensorflow-gpu版本+keras安装步骤的ppt
03-01
keras安装步骤的ppt 1、ANACONDA 安装 2、Cuda及cuDNN安装 3、Tensorflow-gpu版本安装 4、Keras安装 5、Anaconda的使用 6、Keras分类示例
h5py-2.10.0 和 tensorflow-2.4.0 Python3.7-none-linux 树莓派4B
01-22
tensorflow-2.4.0-cp37-none-linux_armv7l.whl 和 h5py-2.10.0-cp37-cp37m-linux_armv7l.whl，已经编译好的，在树莓派4B上验证通过，先更换阿里源，再安装h5py，最后安装TensorFlow
mumpy，h5py和tensorflow版本不匹配导致报错
baochunlei1的博客
07-02 4971
自己开发了一个股票智能分析软件，功能很强大，需要的点击下面的链接获取： https://www.cnblogs.com/bclshuai/p/11380657.html 1.问题描述 一开始用pycharm，tensorflow2.0，去编写卷积神经网络的代码，是可以正常运行的，过了几天去编译又报错了。 1.1numpy版本报错 D:\Anaconda3\envs\tensorflow\python.exe D:/Project/python/tensorflow/venv/src/CNN.py.
tensorflow遇到的一些问题和解决方案的整理【tensorflow1.14.0gpu+h5py2.8.0+numpy1.16.6】+软件和包的重装
阅读修身
04-08 3769
1问题描述 Traceback (most recent call last): File "D:\Program\Anaconda3\envs\cat\lib\site-packages\tensorflow\python\platform\self_check.py", line 75, in preload_check ctypes.WinDLL(build_info.cudart_dll_name) File "D:\Program\Anaconda3\envs\cat\li...
Ubuntu1804系统（xavier）安装tensorflow时报与h5py相关的错误的解决办法
ysten618的博客
11-11 1146
在xavier上安装tensorflow（1.12-gpu版本）过程中报错的解决方法： 安装步骤： 第一步：sudo apt-get install python-pip python-dev 第二步：sudo pip install --upgrade pip 第三步：sudo pip install tensorflow_gpu-1.12.0rc2+nv18.11-cp27-cp27mu-linux_aarch64.whl 安装时报错如下...
tensorflow1.15与numpy、keras以及Python兼容版本对照
m0_74181960的博客
11-06 2625
据我的经验，大家可以从中找到添加库找到你要安装的库，点击并在库的详细信息中找到官方文档，一般情况下，官方文档会指引你寻找到库的依赖项的相应版本。
Tensorflow/Keras/h5py报错处理
AsmallFROG的博客
03-20 6185
个人经历记录贴，若有侵请联系我谢谢。 目录Python/Tensorflow/Keras版本对应AttributeError: module 'h5py' has no attribute 'File'AttributeError: 'str' object has no attribute 'decode' Python/Tensorflow/Keras版本对应 按理说Tensorflow 2.x已经集成了Keras 如果有报错可能需要检查一下版本对应。 关于h5py，Tensorflow2.1 不支持
【Python】Tensorflow-cpu-1.15版本环境准备
WEL测试
08-11 1895
python环境准备 安装Anaconda并配置环境对应的python版本为：3.7.4： pip配置 在对应用户目录下，本机示例如下： 在pip目录下创建pip.ini内容如下： [global] index-url=https://pypi.douban.com/simple [install] trusted-host=pypi.douban.com 在环境变量PATH添加pip路径：%HOMEPATH%\pip tensorflow安装 pip install six numpy
tensorflow使用h5py持久化数据集
种一棵树最好的时间是十年前，其次是现在
03-11 890
import cv2 #正则匹配使用： import re import os #此库用于拷贝，删除，移动，复制以及解压缩 import shutil import numpy as np import h5py import tensorflow as tf from tensorflow.keras.preprocessing.image import ImageDataGenerator #用于将普通标签转为独热向量 from tensorflow.keras.utils import to_cate
关于导入TensorFlow，numpy版本不匹配、h5py的一些坑
热门推荐
Tasdily的博客
04-22 3万+
错误1：ModuleNotFoundError: No module named 'numpy' 首先检查是否安装了TensorFlow，输入命令： pip show tensorflow 如果已安装则会显示TensorFlow的版本，如果没有安装则输入命令： pip install tensorflow 等待安装成功即可，再：importtensorflow as tf试一下；...
图像标注、训练、识别（Keras2.3.1+TensorFlow-gpu2.1.0 + cuda10.0）.zip
05-10
图像标注、训练、识别（Keras2.3.1+TensorFlow-gpu2.1.0 + cuda10.0） 图像标注、训练、识别（Keras2.3.1+TensorFlow-gpu2.1.0 + cuda10.0） 图像标注、训练、识别（Keras2.3.1+TensorFlow-gpu...
深度学习环境搭配——cuda+cudnn+tensorflow-gpu+keras
01-20
深度学习环境搭配——cuda+cudnn+tensorflow-gpu+keras 一、手动安装： cuda下载：https://developer.nvidia.com/cuda-toolkit cudnn下载：https://developer.nvidia.com/cudnn tensorflow版本和cuda的对应关系： ...
Win10+GTX1050ti+cuda8.0+cuDNN5.1+Tensorflow-gpu1.2+Keras+Theano环境搭建-附件资源
03-05
Win10+GTX1050ti+cuda8.0+cuDNN5.1+Tensorflow-gpu1.2+Keras+Theano环境搭建-附件资源
手把手 Ubuntu16.04+cuda9.0+cudnn 7.1+Anaconda+tensorflow-gpu+keras-附件资源
03-05
手把手 Ubuntu16.04+cuda9.0+cudnn 7.1+Anaconda+tensorflow-gpu+keras-附件资源
关于安装tensorflow安装时gdal和numpy不兼容问题汇总
weixin_44492791的博客
06-08 1251
总之，要安装TensorFlow和gdal，需要首先检查它们依赖的共同包的版本兼容性，确定安装的兼容版本，并注意先安装gdal，然后安装TensorFlow。h5py在构建时使用一种版本的HDF5库（1.12.0），而在运行时，它发现您的系统上安装的HDF5库版本与它构建时使用的不同（1.12.1），这可能会导致问题。上述问题都是因为tensorflow与一些gdal或者其他包冲突导致的，他们有一些共同依赖的包，例如hdf5、numpy包，如果版本没有对应上在使用时候很容易报错。安装TensorFlow。
jetson nano使用tensorflow时h5py安装报错
最新发布
coco1234_1590的博客
11-18 287
在jetson nano使用tensorflow时，安装依赖库，当安装到h5py时，出现a long long的报错，根据网上的资料，发现：按照nvidia官网上的方法不能安装。，根据jetpack版本进入进行选择比如我是jetpack4.6.1，我进入v461选 择tensorflow进行。我的jetpack是4.6.1，cuda是10.2，python3.6.9。你正在使用的 JetPack 的主要和次要版本，例如。烧录sd卡、安装系统啥的，就不多说了。
AttributeError: type object ‘h5py.h5r.Reference‘ has no attribute ‘__reduce_cython__‘
weixin_50436068的博客
03-20 731
TensorFlow2.3版本h5py和hdf5 h5py = 2.10.0 hdf5 = 1.10.4 如果运行出现报错可能就要换成这两个版本 解决 首先激活你所使用的TensorFlow版本 然后 pip uninstall h5py 重新安装所对应的版本 pip install h5py==2.10.0 hdf5也是同样的方法 ...
python 与tensorflow及各版本包对应问题
qq_26896611的博客
01-14 2万+
1.tensorflow与keras 来源https://docs.floydhub.com/guides/environments/ 2.pytorch与python 3.其余 4.与tensorflow1.8相关配置 Python packages: absl-py==0.4.1 annoy==1.12.0 args==0.1.0 astor==0.7.1 atari-py==0...
pip安装python库h5py报错的解决方法
机智的博客
07-26 8481
h5py库安装失败的解决方法
和keras2.10.0、cudaV12.0、python3.9兼容的tensorflow-gpu、pandas、numpy、cudnn、cudatoolkit版本
06-06
注意到你提到的是 Keras 2.10.0 版本，实际上 Keras 已经被整合进了 TensorFlow 中，因此你可以直接使用 TensorFlow 2.4.0 或更高版本来代替 Keras 2.10.0。 下面是 CUDA 12.0、Python 3.9 和 TensorFlow 2.4.0 的要求： - TensorFlow-GPU: 2.4.0 或更高版本 - Pandas: 1.2.0 或更高版本 - NumPy: 1.19.4 或更高版本 - cuDNN: 8.0.4 或更高版本（需要匹配你的 CUDA 版本） - CUDA Toolkit: 11.0 或更高版本 请注意，这些版本仅供参考，你需要根据你的操作系统和硬件配置选择适合你的版本。如果你的硬件配置不同，你需要查找适合你的版本。另外，请确保你的操作系统和硬件符合 TensorFlow-GPU、cuDNN 和 CUDA Toolkit 的最低要求。

“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

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