使用Anaconda安装Tensorflow在导入模块时会出现ImportError: DLL load failed: 找不到指定的模块的问题

相信很多人在运行pip install --upgrade tensorflow后会测试TensorFlow是否真正安装成功

但是,在导入模块时会出现ImportError: DLL load failed: 找不到指定的模块。这个错误。
这个错误,博主也踩了不少坑。。。

首先,博主是按照如下链接进行安装的 :
https://blog.youkuaiyun.com/dy_guox/article/details/79081499

当到了如下图所示的步骤时:
在这里插入图片描述
但再输入第一行 import tensorflow as tf 时出现如下错误:
在这里插入图片描述
然后博主不断找解决办法,重新安装anaconda、重新安装visual studio2015、重新安装Microsoft visual C++2015等等等等。然后都没什么卵用。

最终解决办法是:打开Anaconda Prompt,输入如下命令行:

先删除:
pip uninstall tensorflow

后下载新版本:
pip install tensorflow==1.4

注:GPU版本的与之相同,先删除后下载。

运行结果如下图:
在这里插入图片描述

成功把最新版本TensorFlow1.12卸载并安装为TensorFlow1.4版本,最后,博主得出这么一个结论:由于版本的不断更替,导致网上的教程仅仅适用于当时的TensorFlow版本,所以依照教程安装时,尽量用教程中的TensorFlow版本!

最后附上,import成功图片~
成功导入

作者:VirgilG72
来源:优快云
原文:https://blog.youkuaiyun.com/weixin_43325818/article/details/86480384
版权声明:本文为博主原创文章,转载请附上博文链接!

Anaconda安装`sklearn`(即scikit-learn)之后,如果运行代码时遇到报错 `ImportError: DLL load failed: 不到指定模块.` ,这通常是由于依赖项未正确安装或环境配置存在问题导致的。 以下是几个可能的原因及解决方案: ### 可能原因及解决办法 #### 1. **Python版本兼容问题** - 确保你的Python版本与scikit-learn支持的版本匹配。例如,较新的scikit-learn通常需要Python 3.7及以上版本。 - 检查当前环境中Python版本是否合适: ```bash python --version ``` - 如果版本过旧,则创建一个新的Conda环境,并升级到合适的Python版本: ```bash conda create -n myenv python=3.9 conda activate myenv ``` #### 2. **依赖库缺失** - scikit-learn依赖于NumPy、SciPy等其他科学计算包。如果这些库没有正确安装,可能会导致DLL加载失败的问题。 - 尝试通过以下命令重新安装所有必要的依赖: ```bash conda install numpy scipy mkl-service conda install scikit-learn ``` - 使用`conda`而非`pip`安装可以避免许多潜在的依赖冲突。 #### 3. **路径配置错误** - Anaconda中的某些动态链接库文件可能无法被系统到。尝试检查并修复环境变量PATH设置: ```bash where python # 查看python.exe所在的目录 echo %PATH% # Windows下查看当前PATH值 ``` - 如果发现Anaconda相关的bin目录不在PATH中,手动将其添加进去即可。 #### 4. **损坏的软件包** - 若上述步骤无效,可能是安装过程中某个环节出现问题,造成部分关键组件丢失。 - 清理已有的sklearn及其关联包后再重装一次试试: ```bash pip uninstall scikit-learn conda remove scikit-learn conda clean --all conda install scikit-learn ``` --- 完成以上操作后再次测试导入功能,应该能够正常工作了!
评论 4
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