解决使用pycharm安装keras-tuner后tensorflow-gpu 2.5.0无法使用的问题

解决使用pycharm安装keras-tuner后tensorflow-gpu 2.5.0无法使用的问题,第1张

解决方法

以下是我的解决方法,亲测可行,不过有点麻烦。


创建新的环境,再次安装tensorflow-gpu 2.5.0,但在之前先安装keras-tuner
conda create -n new_tensorflow python=3.8
进入该环境
conda activate new_tensorflow
下载安装cudatoolkit和cudnn
conda install cudatoolkit=11.2
conda install cudnn=8.1
安装keras-tuner最新版

这里注意一定要使用命令行pip安装,不要在pycharm里安装!!!!!

pip install keras-tuner

安装tensorflow-gpu 2.5.0

pip install tensorflow-gpu==2.5.0

等待后,验证是否安装成功,输入python,进入python对话框

python
import tensorflow as tf
tf.test.is_gpu_available()

成功后的打印结果。




至此,问题已解决

-------------------------------------------------- 踩坑过程

最近想使用keras-tuner优化网络的超参数,但是我在pycharm安装完keras-tuner后,按照keras-tuner官网(https://keras.io/keras_tuner/)给出的事例代码写好程序,满怀期待想要看到结果,运行后却发现报错:
ImportError: cannot import name ‘tf2’ from ‘tensorflow.python’ (unknown location)
苦恼不已,一开始我以为是keras_tuner安装失败,后来搜索报错提示后发现是因为Keras版本和Tensorflow版本不对,我的初步想法是Keras_tuner版本和我当前的tensorflow-gpu2.5.0版本不对应,我找遍了全网也没找到这两者的对应关系,无奈只好删除之前辛辛苦苦创建好的tensorflow-gpu2.5.0的环境,再次利用Anaconda Navigator创建了一个新的环境,查看cudatoolkit、cudnn和tensorflow-gpu 2.5.0的对应关系。



查看版本驱动

nvida-smi

结果图

cudatoolkit、cudnn和tensorflow-gpu 2.5.0的对应关系

安装好了tensorflow-gpu2.5.0后,我再次在pycharm中安装低版本keras-tuner 1.0.3,安装完毕,再次运行程序,依旧报错。



ImportError: cannot import name ‘tf2’ from ‘tensorflow.python’ (unknown location)

问题原因

输入conda list

conda list

发现我的环境里居然有两个版本的tensorflow,一个是tensoeflow-gpu2.5.0 还有一个是tensorflow 2.3.0。



问题就在这里
其实在pycharm里安装keras-tuner是,查看详情会发现,它会自动帮你安装tensorflow 2.3.0
于是,我再次创建新的环境,以防万一,在安装tensorflow之前,安装keras-tuner。


备注

安装cudatoolkit、cudnn之前,一定要查看对应关系,本人安装的是tensorflow-gpu 2.5.0版本的。


其他的解决方案(本人没用到)

在github上查到的。


我目前的修复:

安装keras-tuner's依赖项:

terminaltables==3.1.0
tabulate==0.8.6
tqdm==4.41.1
colorama==0.4.3

然后安装 keras-tuner:

pip install -U --no-deps keras-tuner

--------------------------------------

创作不易,如对您有用,给个赞再走。


欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/langs/568615.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-04-09
下一篇 2022-04-09

发表评论

登录后才能评论

评论列表(0条)

保存