anconda下载+添加清华+tensorflow 安装+No module named ‘tensorflow‘+KernelRestarter: restart failed,内核重启失败

简介: anconda下载+添加清华+tensorflow 安装+No module named ‘tensorflow‘+KernelRestarter: restart failed,内核重启失败

又换电脑了,重新下载配置

一、aconda下载

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

conda channel的镜像设置(参考https://blog.csdn.net/weixin_39278265/article/details/84782550

显示所有channel

conda config --show channels

二、添加可用的清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

conda config --set show_channel_urls yes的意思是从channel中安装包时显示channel的url,这样就可以知道包的安装来源了。

(3)输入conda config --show channels查看一下是否添加成功。

根据自己添加的镜像源显示,你添加了哪个,就显示哪个。

三、tensorflow 的安装

(1)win+r输入cmd,检查anaconda安装:在cmd输入 conda --version

(2)检测已经安装的环境:conda info --envs

这里如果没有新建其他环境的话,就只有一个默认的anaconda中的root环境。

(3)新建一个python3.5的环境,tensorflow:conda create --name tensorflow python=3.6

系统会自动选择分配一个python3.6.x的版本

(4)检查是否创建成功:conda info --envs

(5)激活新建的环境:activate tensorflow

注意一定要进入到tensorflow中,否则你会安装到其他环境中,导致无法使用。

(6)查询tensorflow的版本号

conda search tensorflow

(7)选择自己想安装的版本号。conda install tensorflaw=版本号

(如:conda install tensorflaw=2.0.0)然后回车,等待即可。

如果安装完之后出现了以下错误

Fatal Python error: Py_Initialize: can’t initialize sys standard streams LookupError: unknown encoding: 65001

可以在命令窗口输入即可 set PYTHONIOENCODING=UTF-8

4.检测tensorflow是否安装成功

(1)打开cmd,激活新建的环境(切换到tensorflow环境):activate tensorflow

(2)进入python

(3)然后输入一个tensorflow版本1.5的测试代码:如果输出结果3,说明已经成功安装tensorflow。

import tensorflow as tf 
sess = tf.Session() 
a = tf.constant(1) 
b = tf.constant(2) 
print(sess.run(a+b))

tensorflow版本2.0的测试代码:

import tensorflow as tf
#查看tensorflow版本
print(tf.__version__)
print('GPU', tf.test.is_gpu_available())
a = tf.constant(2.0)
b = tf.constant(4.0)
print(a + b)

四、问题与解决

1、报错:No module named ‘tensorflow’

参考:https://blog.csdn.net/qq_40305998/article/details/105677341

windows终端可以import tensorflow,jupyter不可以的解决办法

若不相同,则说明有问题。

在终端中输入:

jupyter kernelspec list

显示已经已添加的kernel

然后输入:

conda install pip
conda install ipykernel
python -m ipykernel install --user --name tensorflow --display-name tensor

其中:

python -m ipykernel install --user --name “环境名称” --display-name “想要命名的Python名称”

再输入:

jupyter kernelspec list

可以看到多出一个kernel。

打开jupyter notebook,可以看到多出一个名为tensor的kernel。

新建tensor的notebook文件,就可以解决问题

也可以使用:

jupyter kernelspec remove tensorflow

删除创建的kernel。

其中

jupyter kernelspec remove <kernel_name>

再输入:

jupyter kernelspec list

打开jupyter,创建的Python已被删除。

2、Kernel does not exist

参考https://blog.csdn.net/Julse/article/details/102555574

在pycharm的terminal终端中,首次启动jupyter notebook,成功。中断之后重启,运行cell的时候找不到kernels,系统报错如下

(topvenv)..../feature190919>jupyter notebook
[I 11:11:59.261 NotebookApp] Serving notebooks from local directory: ..../feature190919
[I 11:11:59.261 NotebookApp] The Jupyter Notebook is running at:
[I 11:11:59.261 NotebookApp] http://localhost:8888/?token=...
[I 11:11:59.262 NotebookApp] or http://127.0.0.1:8888/?token=...
[I 11:11:59.262 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
[W 11:15:08.362 NotebookApp] No session ID specified
[W 11:15:08.362 NotebookApp] 404 GET /api/kernels/96b59d42-d81e-471c-8ef9-63a61a963a16/channels (127.0.0.1): Kernel does not exist: 96b59d42-d81e-471c-8ef9-63a61a963a16
[W 11:15:08.369 NotebookApp] 404 GET /api/kernels/96b59d42-d81e-471c-8ef9-63a61a963a16/channels (127.0.0.1) 9.02ms referer=None
[I 11:21:39.267 NotebookApp] Interrupted...
[I 11:21:39.268 NotebookApp] Shutting down 0 kernels

解决方案(失败):

找到这个runtime目录,全部清空,重启jupyter就可以了(注意APPData为隐藏的文件夹)

下面是我对这个错误的分析和解决思路

我直接把token的参数填了密码导致了本次错误

观察该目录,一启动jupyter notebook就生成了这三个文件

用记事本打开nbserver-2280.json文件,会发现123456并没有进入到password字段中,而是被放入到了token字段。这个时候在pycharm中点击

这时候会重新提示输入密码

输入密码之后保存就对了。

在cmd窗口中通过pip install jupyter安装成功之后,运行jupyter notebook,运行代码,发现代码左侧In [ ]变成了In [*],发现在cmd窗口中报错如下:

3、KernelRestarter: restart failed,内核重启失败

在这个上面还有一大段报错,大概意思就是在不断尝试重启内核,看报错,主要是KernelRestarter: restart failed,内核重启失败

解决方案(成功):

pip install --upgrade ipykernel

将其升级即可正常运行,虽然它会提示你prompt-toolkit的版本应该在1.0到2.0之间,但是这并不影响jupyter notebook的运行,在升级过程中,主要更新的模块就是prompt_toolkit,看来是因为这个模块的版本过低导致

参考:https://blog.csdn.net/weixin_40820983/article/details/102798873

因为需要升级某些包的版本,用 pip install --upgrade ***命令更新,但出现无法卸载的情况:

ERROR: Cannot uninstall ‘scikit-learn’. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall.

有的回答说用

pip install --ignore-installed ipykernel

但是旧版本还在,会有其他问题出现。

其实只要找到你的python中的安装包,删除所有与它相关的文件即可。(所有名字里含有该模块的文件都要删完)

例如在文件夹 :anaconda\Lib\site-package

D:\Program\Anaconda\envs\tensorflow\Lib\site-packages

参考:https://blog.csdn.net/qq_45371443/article/details/119008541

conda install tensorflow-estimator==2.0.0

然后重新安装,成功!!!

pip install --ignore-installed ipykernel

成功了啊啊啊啊啊

目录
相关文章
|
5月前
|
并行计算 TensorFlow 算法框架/工具
tensorflow安装GPU版本
tensorflow安装GPU
81 0
tensorflow安装GPU版本
|
3月前
|
JSON TensorFlow 算法框架/工具
Windows下安装Anaconda5.3.1+Python3.8+TensorFlow2.13.0-CPU版本总结
Windows下安装Anaconda5.3.1+Python3.8+TensorFlow2.13.0-CPU版本总结
70 0
|
4月前
|
数据可视化 PyTorch TensorFlow
Keras和Tensorflow(CPU)安装、Pytorch(CPU和GPU)安装以及jupyter使用虚拟环境
Keras和Tensorflow(CPU)安装、Pytorch(CPU和GPU)安装以及jupyter使用虚拟环境
71 0
|
7月前
|
机器学习/深度学习 并行计算 Ubuntu
软件类配置(一)【Windows下使用conda在虚拟环境中安装CUDA、CUDNN及Tensorflow】
软件类配置(一)【Windows下使用conda在虚拟环境中安装CUDA、CUDNN及Tensorflow】
321 0
|
7月前
|
机器学习/深度学习 并行计算 Ubuntu
系统类配置(五)【ubuntu14.04下安装cuda8+nvidia-410.78+cudnn6.0 +tensorflow-gpu==1.4.0。】
系统类配置(五)【ubuntu14.04下安装cuda8+nvidia-410.78+cudnn6.0 +tensorflow-gpu==1.4.0。】
|
7月前
|
机器学习/深度学习 并行计算 Ubuntu
系统类配置(二)【深度学习装机详细教程-ubuntu16.04下安装cuda9.0+nvidia-384+cudnn7.1.4+tensorflow1.9。】(下)
系统类配置(二)【深度学习装机详细教程-ubuntu16.04下安装cuda9.0+nvidia-384+cudnn7.1.4+tensorflow1.9。】(下)
113 0
|
7月前
|
机器学习/深度学习 并行计算 Ubuntu
系统类配置(二)【深度学习装机详细教程-ubuntu16.04下安装cuda9.0+nvidia-384+cudnn7.1.4+tensorflow1.9。】(上)
系统类配置(二)【深度学习装机详细教程-ubuntu16.04下安装cuda9.0+nvidia-384+cudnn7.1.4+tensorflow1.9。】(上)
|
10月前
|
前端开发 TensorFlow 算法框架/工具
《智能前端技术与实践》——第1章 开发环境配置——1.2 安装 TensorFlow 2
《智能前端技术与实践》——第1章 开发环境配置——1.2 安装 TensorFlow 2
|
10月前
|
机器学习/深度学习 前端开发 JavaScript
《智能前端技术与实践》——第1章 开发环境配置——1.4 安装 TensorFlow.js 的相关包
《智能前端技术与实践》——第1章 开发环境配置——1.4 安装 TensorFlow.js 的相关包
141 0
|
11月前
|
TensorFlow 算法框架/工具 异构计算
tensorflow-gpu-2.3.1安装 tensorflow安装 GPU版本tensorflow安装 tensorflow搭建
tensorflow-gpu-2.3.1安装 tensorflow安装 GPU版本tensorflow安装 tensorflow搭建
299 0

相关产品