深度学习 Day 3——解决深度学习中Numpy版本不兼容问题

一、前言

这是我的学习专栏：Python深度学习专栏

经过前面的学习，我们在学习中也难免会遇见问题，这一期我们就专门来讲一下我在其中遇见的问题，可能你们也会遇见，我的解决方法也仅供参考，具体情况具体解决方法，你们如果有什么疑问欢迎来找我留言。

好啦，我们开始今天的学习之旅！！！

二、我的环境

• 电脑系统：Windows 11
• 语言环境：Python 3.8
• 编译器：PyCharm
• 深度学习环境：TensorFlow 2.3.0
• 我的电脑显卡：NVIDIA GeForce RTX 3070

三、问题：numpy版本不兼容

在运行代码的过程中如果你遇见了如下的报错：

NotImplementedError: Cannot convert a symbolic Tensor (sequential/simple_rnn/strided_slice:0) to a numpy array. This error may indicate that you're trying to pass a Tensor to a NumPy call, which is not supported

这个问题是因为你的tensorflow版本和numpy版本不兼容导致的，还有可能是和Python版本不兼容导致的，我的问题是前者。

四、解决问题

首先需要查看你安装的tensorflow版本是多少，我们通过Python代码来查看我们环境中安装的版本是多少：

import tensorflow as tf
print(tf.__version__)

我运行出来的结果是：

2.3.0

现在可以知道我们安装的tensorflow版本了，现在我们需要去查看我们numpy版本。

如果你使用的是PyCharm，你可以直接在设置中点击项目，然后点击Python解释器，就可以在安装的库列表中找到你安装的numpy：

这里的numpy是我经过降低版本之后的版本，如果你的numpy在1.20版本以上就会出现不兼容的问题

你也可以通过在Anaconda Prompt里面输入指令来查看numpy版本

解决报错的方法就是需要降低numpy版本到1.20版本以下，我的Python版本是3.8所以最好降低到1.19版本左右最好。

如果你是使用PyCharm的话，解决办法非常简单，具体操作如下：

选择适合自己的版本然后重启一下PyCharm就可以啦。

我们还可以直接使用anaconda环境利用命令来降低numpy版本，这种方法没有第一种方便快捷。

首先需要在cmd中卸载安装的numpy：

pip uninstall numpy

然后在conda里面安装你需要的numpy版本：

例如：

conda install numpy==1.19.2

这里的安装非常耗时间，可以使用清华镜像加快下载速度。

在这里我提供一下我在网上查到的tensorflow版本兼容numpy版本的对应表：

以上方法以及对应表仅供参考，如果解决不了还需读者朋友们自行上网翻阅。

五、最后我想说

在这里我给大家提供两个推荐网址，可以去看看，可能能帮助大家解决问题，毕竟不同的问题肯定是不同的解决方法，在这里我目前还没有遇见其他的问题，如果大家遇见其他的问题，欢迎和我讨论。

网址：

• https://github.com/tensorflow/models/issues/9706#issuecomment-875123676
• https://stackoverflow.com/questions/66207609/notimplementederror-cannot-convert-a-symbolic-tensor-lstm-2-strided-slice0-t

tensorflow各版本和Python的有些库会出现不兼容，所以安装的时候需要大家花点时间，比较麻烦。

本期的内容也就到此为止啦，下一期的博客我会来进行一些本周学习的知识点总结，谢谢大家能耐心看完，也希望大家期待我接下来的创作。

最后，祝大家都能解决问题，学到东西，获得成就感，一步一步的进步，我们一起加油！你们的鼓励将是我创作的最大的动力！谢谢大家，期待大家的点赞收藏转发三连。

周学习的知识点总结，谢谢大家能耐心看完，也希望大家期待我接下来的创作。

最后，祝大家都能解决问题，学到东西，获得成就感，一步一步的进步，我们一起加油！你们的鼓励将是我创作的最大的动力！谢谢大家，期待大家的点赞收藏转发三连。