TensorFlow安裝常見問題和解決辦法
https://blog.csdn.net/qq_44725872/article/details/107558250
https://blog.csdn.net/MSJ_nb/article/details/117462928
剛好最近在看一些關於深度學習的書，然后就想着安裝tensorflow跑跑代碼加深一下印象，然后就遇見了很多問題，想着不能就這么算了就查找csdn的一些大佬們的博客，幸好都有解決方法，經歷了幾個小時終於是弄好了，下面是我遇到的一些問題和解決方法。
問題一
安裝python庫首選用pip，但總會出現下載超時的問題，這里我用了豆瓣鏡像來下載，會快很多，命令行運行代碼。
pip install -i http://pypi.douban.com/simple --trusted-host pypi.douban.com tensorflow
問題二
下載安裝時會有一些問題，例如：
這個解決，我參考了“飄洋過海95”的博客，截圖也來自於他的博客。
博客鏈接安裝Tensorflow問題，ERROR: Cannot uninstall ‘wrapt’. It is a distutils installed project and thus…
問題1解決辦法：
pip install -U --ignore-installed wrapt enum34 simplejson netaddr
問題2解決辦法：
pip install --upgrade setuptools
完成上面兩步后，需要重新下載tensorflow，參考問題一
但是我遇到的要更復雜一些。輸入方案一的
pip install -U --ignore-installed wrapt enum34 simplejson netaddr
后仍然報錯：
根據 Building wheel for wrapt (setup.py) ... error 報錯，查找到的解決方法：
https://blog.csdn.net/weixin_43838785/article/details/103441963（此為方案二）
下載離線安裝包 ：wrapt-1.12.1-cp37-cp37m-win_amd64.whl
再執行命令
H:\tmp>pip install wrapt-1.12.1-cp37-cp37m-win_amd64.whl
又返回報錯：
這樣就陷入了兩個方案的死循環
方案1：
使用--ignore-installed，
解決了方案2的
--install ，報錯“error cannot uninstall 'wrapt' ” 的問題
但報錯：Building wheel for wrapt (setup.py) ... error——
方案2：使用離線安裝包，
解決了方案1的
“Building wheel for wrapt (setup.py) ... error”的問題
但報錯：error cannot uninstall 'wrapt' ，
所以改進為
(base) H:\tmp>pip install -U --ignore-installed wrapt-1.12.1-cp37-cp37m-win_amd64.whl
即可！！再安裝
tensorflow-gpu
，成功
pip install --upgrade tensorflow-gpu
問題B2：module ‘keras.utils‘ has no attribute ‘to_categorical‘ 解決辦法
https://blog.csdn.net/MSJ_nb/article/details/117462928
改為
from keras.utils import np_utils
y_train = np_utils.to_categorical(y_train, num_classes)版本：keras 2.4.3 tensorflow 2.5.0
問題B3：【TensorFlow2.0】This is probably because cuDNN failed to initialize.錯誤修正和cuDNN版本更新
https://blog.csdn.net/licui8068/article/details/104008618
今天在環境Ubuntu16.04+TensorFlow2.0+CUDA10.1+cuDNN7.5.0中訓練模型，本來是使用CPU計算的，但是后來數據量擴大后CPU已經不能滿足需求了，於是便安裝了TensorFlow2.0-gpu進行訓練。
錯誤
本來已經挺簡單的，因為之前在TensorFlow-gpu1.14+CUDA10.1+cuDNN7.5.0的環境下進行過訓練，但是沒想到會出現錯誤
Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above.
看錯誤提示和查詢，發現這個錯誤有可能是我代碼的問題，也有可能是因為我的cuDNN版本不適配。一開始我以為是第一點，看了其他人的博客在代碼前面加上一些配置但不管用，於是只能采用第二個方法。
更新cuDNN過程
首先先使用命令 nvcc -V (注意V是大寫)確定自己的CUDA版本，然后進入cuDNN下載頁面。
沒有賬號的話應注冊NVIDIA賬號，登錄后會看到以下頁面
根據自己的CUDA版本下載對應的cuDNN，有兩種安裝方式
上面橙色框線相當於下載一個裝載所有文件的壓縮包，具體需要你自己拷貝，而紅色框線則是可以直接安裝的Deb文件，對於ubuntu來說非常方便，推薦下面一種。
更新cuDNN分兩步，首先需要先卸載之前的版本通過dpkg卸載之前的libcudnn，卸載順序隨意
sudo dpkg -r libcudnn7-dev
sudo dpkg -r libcudnn7
第二步，安裝
sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.1_amd64.deb
sudo dpkg -i libcudnn7-dev_7.6.5.32-1+cuda10.1_amd64.deb
注意上面兩步的安裝順序不能更改，因為libcudnn7-dev_7.6.5.32-1+cuda10.1_amd64.deb的安裝依賴於libcudnn7_7.6.5.32-1+cuda10.1_amd64.deb
第三步，完成
接下來就可以開始愉快地訓練了~
————————————————
版權聲明：本文為CSDN博主「きりり」的原創文章，遵循CC 4.0 BY-SA版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/licui8068/article/details/104008618