成功解决PackagesNotFoundError: The following packages are not available from current channels: tensorflo

简介: 成功解决PackagesNotFoundError: The following packages are not available from current channels: tensorflo

解决问题


conda install ‐‐channel https://conda.anaconda.org/anaconda tensorflow‐gpu=1.9.0

Collecting package metadata (current_repodata.json): done

Solving environment: failed with current_repodata.json, will retry with next repodata source.

Collecting package metadata (repodata.json): done

Solving environment: failed

PackagesNotFoundError: The following packages are not available from current channels:


 - tensorflow‐gpu=1.9.0

 - ‐‐channel

 - //conda.anaconda.org/anaconda


Current channels:

 - https://repo.anaconda.com/pkgs/main/linux-64

 - https://repo.anaconda.com/pkgs/main/noarch

 - https://repo.anaconda.com/pkgs/r/linux-64

 - https://repo.anaconda.com/pkgs/r/noarch


To search for alternate channels that may provide the conda package you're looking for, navigate to   https://anaconda.org  and use the search bar at the top of the page.





解决思路


解决环境:当前的repodata.json失败,将使用下一个repodata源重试。

收集包元数据(repodata.json):完成

求解环境:失败

包未找到错误 :以下包不能从当前频道使用:

 - tensorflow‐gpu=1.9.0

 - ‐‐channel

 - //conda.anaconda.org/anaconda

当前频道:

-https://repo.anaconda.com/pkgs/main/linux-64

-https://repo.anaconda.com/pkgs/main/noarch

-https://repo.anaconda.com/pkgs/r/linux-64

-https://repo.anaconda.com/pkgs/r/noarch

要搜索可能提供您要查找的Conda软件包的备用频道,请导航到https://anaconda.org,并使用页面顶部的搜索栏。





解决方法


下载的地址错误,原先方法不好用,更改下载命令即可!


pip install tensorflow-gpu==1.9.0

大功告成!


image.png




 


相关实践学习
在云上部署ChatGLM2-6B大模型(GPU版)
ChatGLM2-6B是由智谱AI及清华KEG实验室于2023年6月发布的中英双语对话开源大模型。通过本实验,可以学习如何配置AIGC开发环境,如何部署ChatGLM2-6B大模型。
相关文章
|
安全 Linux iOS开发
Anaconda下载及安装保姆级教程(详细图文)
Anaconda下载及安装保姆级教程(详细图文)
37630 1
Anaconda下载及安装保姆级教程(详细图文)
|
并行计算 PyTorch Linux
大概率(5重方法)解决RuntimeError: CUDA out of memory. Tried to allocate ... MiB
大概率(5重方法)解决RuntimeError: CUDA out of memory. Tried to allocate ... MiB
13552 0
|
12月前
|
存储 运维 监控
确定Ceph集群中OSD组件与具体物理磁盘的关联。
总结来说,确定Ceph集群中OSD与具体物理磁盘的关联需要搜集和对比Ceph集群的配置信息、OSD元数据、物理磁盘的详细信息,以及运行时的系统日志。这对于Ceph存储集群的维护和问题诊断至关重要,也有助于进行正常的运维活动,如扩容、升级或替换硬件。通过上述步骤,管理员可以直观且高效地管理和定位Ceph集群中的存储资源。
604 15
|
机器学习/深度学习 自然语言处理 PyTorch
深入剖析Transformer架构中的多头注意力机制
多头注意力机制(Multi-Head Attention)是Transformer模型中的核心组件,通过并行运行多个独立的注意力机制,捕捉输入序列中不同子空间的语义关联。每个“头”独立处理Query、Key和Value矩阵,经过缩放点积注意力运算后,所有头的输出被拼接并通过线性层融合,最终生成更全面的表示。多头注意力不仅增强了模型对复杂依赖关系的理解,还在自然语言处理任务如机器翻译和阅读理解中表现出色。通过多头自注意力机制,模型在同一序列内部进行多角度的注意力计算,进一步提升了表达能力和泛化性能。
11086 48
|
机器学习/深度学习 存储 并行计算
Pytorch自动混合精度(AMP)介绍与使用 - autocast和Gradscaler
Pytorch自动混合精度(AMP)介绍与使用 - autocast和Gradscaler
Pytorch自动混合精度(AMP)介绍与使用 - autocast和Gradscaler
|
机器学习/深度学习 数据可视化 TensorFlow
使用Python实现深度学习模型的分布式训练
使用Python实现深度学习模型的分布式训练
624 73
|
存储 人工智能 PyTorch
【AI系统】模型转换流程
本文详细介绍了AI模型在不同框架间的转换方法,包括直接转换和规范式转换两种方式。直接转换涉及从源框架直接生成目标框架的模型文件,而规范式转换则通过一个中间标准格式(如ONNX)作为桥梁,实现模型的跨框架迁移。文中还提供了具体的转换流程和技术细节,以及模型转换工具的概览,帮助用户解决训练环境与部署环境不匹配的问题。
792 5
【AI系统】模型转换流程
|
Shell Linux 开发工具
Anaconda安装后报错 -bash: conda: command not found 如何处理
【6月更文挑战第26天】Anaconda安装后报错 -bash: conda: command not found 如何处理
5940 4
|
数据可视化 Ubuntu Linux
PyCharm连接远程服务器配置的全过程
相信很多人都遇见过这种情况:实验室成员使用同一台服务器,每个人拥有自己的独立账号,我们可以使用服务器更好的配置完成实验,毕竟自己哪有money拥有自己的3090呢。 通常服务器系统采用Linux,而我们平常使用频繁的是Windows系统,二者在操作方面存在很大的区别,比如我们实验室的服务器采用Ubuntu系统,创建远程交互任务时可以使用Terminal终端或者VNC桌面化操作,我觉得VNC很麻烦,所以采用Terminal进行实验,但是Terminal操作给我最不好的体验就是无法可视化中间实验结果,而且实验前后的数据上传和下载工作也让我头疼不已。

热门文章

最新文章