注意:你不能安装任意版本的tensorflow,它们必须与你的python安装相对应,这里的大多数答案都没有传达这一点。对于current wheels like here也是如此(来自上面的this answer)。对于这个例子,url中的cp35-cp35m提示它是Python 3.5.x 在here on github中可以找到大量不同的wheels/兼容性列表,通过使用它,你可以降级到几乎所有可用的版本,并结合相应的for python。例如:
pip install tensorflow==2.0.0
(note在安装Python 3.7.8和3.8.3之前,你会得到这个:
ERROR: Could not find a version that satisfies the requirement tensorflow==2.0.0 (from versions: 2.2.0rc1, 2.2.0rc2, 2.2.0rc3, 2.2.0rc4, 2.2.0, 2.3.0rc0, 2.3.0rc1)
ERROR: No matching distribution found for tensorflow==2.0.0
9条答案
按热度按时间hjqgdpho1#
Pip允许指定版本
pip install tensorflow==1.1
368yc8dk2#
我发现了水蟒的乐趣:https://www.continuum.io/downloads。它允许多个虚拟环境托管不同版本的phyton和tensorflow。例如,下面使用pyton3.5和tensorflow1.1创建虚拟环境
瞧,一个虚拟环境就创建好了。
cmssoen23#
在同一个操作系统上可以有多个版本的tensorflow吗?
是的,您可以使用python虚拟环境来实现这一点。
虚拟环境是一种工具,通过为不同的项目创建虚拟Python环境,将它们所需的依赖关系保持在不同的位置。它解决了“项目X依赖于1.x版本,但项目Y需要4.x”的困境,并保持全局站点包目录干净和可管理。
安装virtualenv之后(请参阅docs),您可以为教程创建一个虚拟环境,并在其中安装所需的tensorflow版本:
PATH_TO_PYTHON
应该指向python在系统中的安装位置。当您想使用其他版本的tensorflow时,请执行:现在,您可以再次使用系统上已安装的tensorflow版本。
e1xvtsh34#
如果您在Windows上使用python3,那么您也可以这样做
pip3 install tensorflow==1.4
您可以从“中选择任何版本(从版本:1.2.0rc2、1.2.0、1.2.1、1.3.0rc0、1.3.0rc1、1.3.0rc2、1.3.0、1.4.0rc0、1.4.0rc1、1.4.0、1.5.0rc0、1.5.0rc1、1.5.0、1.5.1、1.6.0rc0、1.6.0、1.7.0rc0、1.7.0rc1、(第1.7.0节)”
当我想从1.7降级到1.4时,我执行了此操作
zazmityj5#
注意:你不能安装任意版本的tensorflow,它们必须与你的python安装相对应,这里的大多数答案都没有传达这一点。对于current wheels like here也是如此(来自上面的this answer)。对于这个例子,url中的
cp35-cp35m
提示它是Python 3.5.x在here on github中可以找到大量不同的wheels/兼容性列表,通过使用它,你可以降级到几乎所有可用的版本,并结合相应的for python。例如:
(note在安装Python 3.7.8和3.8.3之前,你会得到这个:
对于其它不兼容的组合也是如此)。
这对于不支持AVX的传统CPU或计算能力太低的GPU也很有用。
如果你只需要最新的版本(听起来不像你的问题),当前wheel包的url列表可以在tensorflow页面上找到,这是SO-answer的内容。
3bygqnnd6#
您可以尝试将
--no-cache-dir
的选项与-I
一起使用,以覆盖以前版本该高速缓存并安装新版本。例如:然后使用以下命令检查tensorflow的版本:
它应该显示安装了正确的版本。
velaa5lx7#
如果你有anaconda,你可以只安装所需的版本,conda会自动为你降级当前的软件包。
例如:
5lwkijsr8#
点击已安装的tensorflow上的绿色复选框,并选择所需版本
6ioyuze29#
您可以通过运行以下命令将TensorFlow版本降级为更低版本:
1.检查当前安装的TensorFlow版本:
2.然后,通过运行以下命令将TensorFlow降级到较低版本:
将版本号设置为低于当前安装的版本号。选择时,请确保版本号与Python版本兼容。
如果您使用的是笔记本电脑环境,请运行以下命令并在安装完成后重新启动内核:
虽然最佳实践是使用最新版本的Python和TensorFlow,因为旧版本存在漏洞问题,所以在降级时要谨慎。