Question

This is how I setted up my python3 envirnoment on Ubuntu 16.04.

我安装了TirtorFlow 0.8并安装了Virtualenv。

As I wanted to start TensorFlow tutorial MNIST For ML Beginners the The MNIST Data part.

这就是我这样做的方式

$ cd environments
~/environments$ pyvenv my_env
~/environments$ ls my_env
bin  include  lib  lib64  pyvenv.cfg  share
~/environments$ source my_env/bin/activate
(my_env) :~/environments$ nano input_data.py
(my_env) :~/environments$ python input_data.py
Traceback (most recent call last):
  File "input_data.py", line 10, in <module>
    import numpy
ImportError: No module named 'numpy'

input_data.py来自Github tensorflow / tensorflow / examples / tutorials / mnist / input_data.py。

所以我用

安装了numpy

$ sudo apt-get install python3-numpy

但我仍然得到相同的输出。

我的安装可能有问题，或者我用错误的方式使用Python。

我已经坚持了好几天，需要你的帮助。

我已将TensorFlow升级到0.11版本。

我稍后会再试一次。

Answer 1

对于非常晚的更新感到抱歉，我已将tensorflow更新到最新版本。

我认为那时候我犯了一些错误。

由于我通过Virtualenv安装安装了tensorflow，所以我应该在Virtualenv环境中加载tensorflow和其他软件包。

source ~/tensorflow/bin/activate

然后按

运行现有的python代码

python3 filename.py

或直接输入

python3

甚至

ipython3

编写自己的代码，并使用

进行测试

import tensorflow as tf

它不应该有任何错误消息，除非您使用GPU支持版本，按类型添加路径

sudo nano ~/.bash_profile

打开bash个人资料并添加

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64
export CUDA_HOME=/usr/local/cuda
export PATH=/usr/local/cuda-8.0/bin:$PATH

在文件中，知道这是你的cuda的默认路径，然后是最后一步。

source /.bash_profile

ubuntu 16.04有时真的很烦人。

感谢您的回应。

Answer 2

尝试使用

安装PIP

# Message Receiver
import os
from socket import *
host = ""
port = 13000
buf = 1024
addr = (host, port)
UDPSock = socket(AF_INET, SOCK_DGRAM)
UDPSock.bind(addr)
print ("Waiting to receive messages...")
while True:
    (data, addr) = UDPSock.recvfrom(buf)
    print ("Received message: " + data.decode("ascii"))
    if data == "exit":
        break
UDPSock.close()
os._exit(0)

或者在你的情况下使用pip3而不是pip for python 3 like

sudo apt-get install python-pip
sudo pip install numpy==1.11.1

这将有助于

Answer 3

我建议首先安装Anaconda（或miniconda）并使用conda进行安装。然后你将自动处理所有python依赖项！与Anaconda一起安装的缺点是还没有GPU支持。但是，如果您在CPU上运行良好，那么我认为Anaconda是迄今为止安装TensorFlow的最简单方法。

在TensorFlow教程中，在安装numpy之后仍然无法导入

3 个答案: