无法使用pip在Ubuntu 20.04 LTS上安装Tensorflow 1.x

Question

我有一个理由应该使用Tensorflow 1.x版本，但是它返回一条错误消息：

ERROR: Could not find a version that satisfies the requirement tensorflow==1.15.2 (from versions: 2.2.0.rc1 ~~~~~
ERROR: No matching disribution found for tensorflow==1.15.2

我也尝试安装.whl，但是最新的Tensorflow 1.15.2支持cp37，我不再使用它。

pip或pypi不再支持tensorflow 1.x吗？还是应该降级python（3.8> 3.7）并使用.whl文件安装Tensorflow？

[系统环境] Ubuntu 20.04 LTS python版本：3.8.2 点版本：20.0.2

谢谢。

Answer 1

---

根据tensorflow安装指南，tensorflow在Python 3.5–3.7上可用，您正在使用较新版本的Python。

---

以上答案已过时

Tensorflow现在支持 Python 3.8 ，但是需要 Python 3.8 支持

• TensorFlow 2.2 或更高版本
• 点19.0 或更高版本
• Ubuntu 16.04 或更高版本
• macOS 10.12.6（Sierra）或更高版本
• Windows 7 或更高版本
• Raspbian 9.0 或更高版本

GPU 的支持还需要具有 CUDA功能的卡（Ubuntu和Windows）

您可以使用以下命令检查Python和pip版本：

mutate

您可以通过以下方式升级点子：

library(tidyverse)


df <- tibble(t = rep(1:2, each = 10),
             y = runif(20),
             x = runif(20)) %>%
    mutate(z = ifelse(t == 1, NA, runif(20)))
    # mutate(z = runif(20))


results <- df %>%
    nest(dat = -t) %>%
    mutate(
        model_1 = map(dat, ~ lm(y ~ x, data = .x %>% drop_na(y, x))),
        model_2 = map(dat, ~ lm(y ~ x + z, data = .x %>% drop_na(x, z))),
        coef_1 = map(model_1, tidy),
        coef_2 = map(model_2, tidy)
    ) %>%
    select(t, starts_with('coef')) %>% 
    pivot_longer(
        cols = starts_with('coef')
    ) %>% 
    unnest(value)
#> Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...): 0 (non-NA) cases

可以在此链接上找到更多信息：Install TensorFlow with pip

Answer 2

似乎越来越多，我们必须切换到使用容器（Docker，也许还有云VM），因为一切都与一切不兼容。是的，您可以在任何版本的Linux上启动运行Python 3.7和Tensorflow 1.x的Docker容器，但是随后要从该容器加载文件，则必须传递black-magic命令行选项来安装卷。使用Tensorflow 2进行了尝试，一切都失败了。不再有tf.Session（），不再有tf.global_variables_initializer（）等。因此，在Ubuntu中无法正常工作的Tensorflow，您必须使用Docker。

Answer 3

我建议您避免使用pip在系统范围内安装第三方Python库，该库将依赖于系统Python。您也确实不想避免手动升级/降级系统Python。

我更喜欢使用Conda安装TensorFlow。 Instructions在Linux上安装Conda非常简单。

一旦安装了Conda，就可以使用一个命令安装TensorFlow 1.15。

conda create --name tensorflow-15 \
    tensorflow-gpu=1.15 \
    cudatoolkit=10.1 \
    cudnn=7.6 \
    nccl=2.4 \ # only relevant if you have more than one GPU
    python=3.6 \
    pip=20.0 

我喜欢Conda的许多事情之一是，它提供了一个工具来管理特定环境中的环境和程序包。与隔离Docker等软件环境的其他工具相比，它的学习曲线也更为柔和。

如果您有兴趣了解有关Conda的更多信息，则可以查看我正在开发的这些教材。

https://carpentries-incubator.github.io/introduction-to-conda-for-data-scientists/

Answer 4

尝试使用 Docker 或 conda 环境隔离您的依赖项，我使用过：

conda create -n new_env  python=3.6 tensorflow-gpu=1.2.1 anaconda

并且工作正常:)