mac下安装TensorFlow

本文介绍在Mac上安装TensorFlow过程中遇到的numpy版本不匹配及six模块问题,并提供了解决方案,包括更改numpy路径、删除或重命名系统自带的numpy等。
部署运行你感兴趣的模型镜像

安装步骤:

https://www.tensorflow.org/install/install_mac

参考文章:

http://blog.youkuaiyun.com/a595130080/article/details/55506237


碰到的问题:

1:numpy问题,运行tensorFlow hello程序报错:module compiled against API version 0xa but this version of numpy is 0x9

  numpy版本问题,这是由于mac内置的numpy是1.8.0,tensorflow需要numpy1.11.0版本

  numpy是python用来进行矩阵运算的计算包,Mac系统自带的Python是2.7版本,包含了0.8版本的numpy,导致引入Tensorflow的时候报错。


  使用pip命令安装的numpy是存放在sie-package下边,而自带的numpy在extra目录下面。系统自带的Python会调用extra目录下的numpy。


有以下几种方案来解决

a、更改参数路径,让Python调用sie-package下边的numpy



b、删掉或者更改系统自带的numpy(验证有效)

sudo mv /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python/numpy /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python/numpy_old

    如果不能执行命令的话,请在mac上关闭sip.

关闭sip特性

1)重启 MAC ,在重启的过程中按住 Command+R,进入安全模式

2)在顶部的菜单栏中打开终端 ,输入csrutil disable 命令关闭 SIP 安全特性(想要在开启sip的话就用csrutil enable命令即可)

3)重启MAC就OK了


c、升级系统自带的numpy


2.TensorFlow1.0 运行报错 AttributeError: type object 'NewBase' has no attribute 'is_abstract'


   这个问题是由six模块导致的,原因和numpy一样。


   可用同样的办法解决:


sudo mv /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python/numpy /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python/numpy_old

sudo mv /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python/numpy_old/ /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python/numpy


   



您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

基于实时迭代的数值鲁棒NMPC双模稳定预测模型(Matlab代码实现)内容概要:本文介绍了基于实时迭代的数值鲁棒非线性模型预测控制(NMPC)双模稳定预测模型的研究与Matlab代码实现,重点在于通过数值方法提升NMPC在动态系统中的鲁棒性与稳定性。文中结合实时迭代机制,构建了能够应对系统不确定性与外部扰动的双模预测控制框架,并利用Matlab进行仿真验证,展示了该模型在复杂非线性系统控制中的有效性与实用性。同时,文档列举了大量相关的科研方向与技术应用案例,涵盖优化调度、路径规划、电力系统管理、信号处理等多个领域,体现了该方法的广泛适用性。; 适合人群:具备一定控制理论基础和Matlab编程能力,从事自动化、电气工程、智能制造等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于解决非线性动态系统的实时控制问题,如机器人控制、无人机路径跟踪、微电网能量管理等;②帮助科研人员复现论文算法,开展NMPC相关创新研究;③为复杂系统提供高精度、强鲁棒性的预测控制解决方案。; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,重点关注NMPC的实时迭代机制与双模稳定设计原理,并参考文档中列出的相关案例拓展应用场景,同时可借助网盘资源获取完整代码与数据支持。
UWB-IMU、UWB定位对比研究(Matlab代码实现)内容概要:本文介绍了名为《UWB-IMU、UWB定位对比研究(Matlab代码实现)》的技术文档,重点围绕超宽带(UWB)与惯性测量单元(IMU)融合定位技术展开,通过Matlab代码实现对两种定位方式的性能进行对比分析。文中详细阐述了UWB单独定位与UWB-IMU融合定位的原理、算法设计及仿真实现过程,利用多传感器数据融合策略提升定位精度与稳定性,尤其在复杂环境中减少信号遮挡和漂移误差的影响。研究内容包括系统建模、数据预处理、滤波算法(如扩展卡尔曼滤波EKF)的应用以及定位结果的可视化与误差分析。; 适合人群:具备一定信号处理、导航定位或传感器融合基础知识的研究生、科研人员及从事物联网、无人驾驶、机器人等领域的工程技术人员。; 使用场景及目标:①用于高精度室内定位系统的设计与优化,如智能仓储、无人机导航、工业巡检等;②帮助理解多源传感器融合的基本原理与实现方法,掌握UWB与IMU互补优势的技术路径;③为相关科研项目或毕业设计提供可复现的Matlab代码参考与实验验证平台。; 阅读建议:建议读者结合Matlab代码逐段理解算法实现细节,重点关注数据融合策略与滤波算法部分,同时可通过修改参数或引入实际采集数据进行扩展实验,以加深对定位系统性能影响因素的理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值