解决需要用到1.x版本的tensorflow环境的问题

实在不行，组个tensorflow的服务器吧，方便！

是tensorflow环境下运行的，因此需要配置tensorflow环境。

首先在linux服务器上安装anoconda，可以直接下载.sh安装包，然后上传到服务器，使用bash Anxxx.sh，执行安装命令

安装好之后创建一个新的虚拟环境，注意Python版本的选择，例如：
conda create --name envname python=3.9

查看虚拟环境，conda info --env

由于CUDA版本已经很高了，因此安装tensorflow2.x以上的即可，
pip/conda install tensorflow==2.6.0等

此外，nunmpy包可能附带安装最新的，需要降级一下，例如我安装的是numpy==1.23.3

然后在使用过程中，要从tf2到tf1，可以有以下操作

将import tensorflow as tf修改为

import tensorflow.compat.v1 as tf
tf.disable_eager_execution()

此外，配置DOMINANT的tensorflow version环境还需要安装scikit-learn, pandas

遇到报错：AttributeError: module 'tensorflow' has no attribute 'random_uniform'，这是因为tf.random_uniform在tf2.0改名字了，使用tf.random.uniform代替。

注意我的tensorflow版本是2.6.0的，因此对应的keras版本也要注意，可以下载keras==2.6.0的，然后为了在tf2.6的场景下使用tf1版本，下面的keras操作也有一些变化，
例如：from keras.backend.tensorflow_backend import set_session