最近电脑出现问题,tensorflow也总是bug连连,记录下出现的问题及解决方案。
问题:

AttributeError: module 'tensorflow' has no attribute 'version'

总之,就是tensorflow的各种属性不能使用。
单独创建了tensorflow的虚拟环境

conda create -n tensorflow1 python=3.6
source activate tensorflow1 #开启虚拟环境
source deactivate #关闭虚拟环境

在虚拟环境中安装tensorflow的CPU和GPU版本,在原环境中均能正确使用,但在虚拟环境中总是报错
尝试方法并成功的操作如下:

pip install tensorflow==1.9.0
pip install tensorlflow-gpu==1.9.0
pip3 install tensorflow==1.9.0
pip3 install tensorflow-gpu==1.9.0

实践证明,cuda9.0、cudnn7.0与tensorflow=1.9.0更配哦,默认的最新版的1.12.0,可能会出现以下报错信息,究其原因是版本过高。

  • tensorflow-gpu pip install 之后还不需要 install tensorflow

ImportError: libcusolver.so.8.0: cannot open shared object file: No such file or directory
Failed to load the native TensorFlow runtime.
[https://blog.csdn.net/u010801994/article/details/84848615]

写给再次遇到这个问题的自己

当tensorflow-gpu环境初问题,怎么改都解决不了的时候不要慌,在已有cuda环境的基础上重装tensorflow-gpu环境是很快的。

  • 1.Anaconda没有问题的时候,新建一个python环境,要求python3.6,因为本机为cuda9.2,支持cuda9.2的已有的tensorflow-gpu版本(win10)为1.9,而tensorflow-gpu1.9.0仅支持python3.6,切记。
  • 2.新建tf-gpu(py3.6)环境之后安装相应的包,下载tensorflow-1.9.0-cp36-cp36m-win_amd64.whl,保存在F:/rar中,仓库为https://github.com/fo40225/tensorflow-windows-wheel,若为其他版本的cuda,先查看该仓库的readme表,找到适合的tensorflow-gpu版本,进入相应文件夹下载whl文件.
  • 3.pip install your/tensorflow-gpu/path.whl,之后不需要再安装tensorflow,由于我使用keras跑的代码,所有还需要安装keraspip install keras即可。
  • 4.深度学习还需要些其他的环境,可以根据提示或requirement.txt安装,如果不是一个项目一个conda环境,切不可一股脑pip install requirement.txt,因为可能会跟其他的项目的包冲突。
  • 5.Anaconda更新之后原有的环境可能会受影响