无法使用 pip 在 Ubuntu 20.04 LTS 上安装 Tensorflow 1.x答案

【问题标题】：Unavailable to install Tensorflow 1.x on Ubuntu 20.04 LTS using pip无法使用 pip 在 Ubuntu 20.04 LTS 上安装 Tensorflow 1.x
【发布时间】：2020-09-01 19:41:34
【问题描述】：

我有理由应该使用 Tensorflow 1.x 版本，但它返回错误消息：

ERROR: Could not find a version that satisfies the requirement tensorflow==1.15.2 (from versions: 2.2.0.rc1 ~~~~~
ERROR: No matching disribution found for tensorflow==1.15.2

我也尝试过 .whl 安装，但最新的 Tensorflow 1.15.2 支持 cp37，我不能再使用它了。

pip 或 pypi 是否不再支持 tensorflow 1.x？还是我应该降级 python(3.8 > 3.7) 并使用 .whl 文件安装 Tensorflow？

[系统环境] Ubuntu 20.04 LTS Python版本：3.8.2 点子版本：20.0.2

谢谢。

【问题讨论】：

2.2 之前的 Tensorflow 版本不支持 Python 3.8。如果你想使用 Tensorflow 1.15，你需要降级。

标签： python tensorflow pip

【解决方案1】：

根据 tensorflow 安装指南，tensorflow 在 Python 3.5–3.7 上可用，您使用的是更新版本的 Python。

上面的答案已经过时了

Tensorflow 现在支持 Python 3.8，但需要 Python 3.8 支持

TensorFlow 2.2 或更高版本
pip 19.0 或更高版本
Ubuntu 16.04 或更高版本
macOS 10.12.6 (Sierra) 或更高版本
Windows 7 或更高版本
Raspbian 9.0 或更高版本

另外，GPU 支持需要支持 CUDA 的卡（Ubuntu 和 Windows）

您可以使用以下命令检查您的 Python 和 pip 版本：

python --version | python3 --version
Out: Python 3.8.2

pip --version | pip3 --version
Out: pip 20.1.1

您可以通过以下方式升级您的点子：

pip install --upgrade pip

更多信息可以在这个链接上找到：Install TensorFlow with pip

【讨论】：

感谢您的回答。只是降级python版本，对吧？
是的，只是降级它，您的系统满足其他要求，例如“pip 19.0 或更高版本”和“Ubuntu 16.04 或更高版本（64 位）”
感谢您的友好回答：D 祝您有美好的一天！

【解决方案2】：

似乎越来越多的我们不得不改用容器（Docker，可能还有云虚拟机），因为一切都与一切都不兼容。是的，你可以在任何版本的 Linux 上启动一个运行 Python 3.7 和 Tensorflow 1.x 的 Docker 容器，但是你想从那个容器加载文件，你必须传递黑魔法命令行选项来挂载卷。尝试使用 Tensorflow 2，一切都失败了。没有更多的 tf.Session()，没有更多的 tf.global_variables_initializer() 等。所以在 Ubuntu 中没有工作的 TensorFlow，你必须使用 Docker。

【讨论】：

不需要 Docker “黑魔法”！使用 Conda 查看我上面的答案。
如果向 docker 命令添加几个参数是“黑魔法”，Conda 本身及其底层引擎，Vodoo 圣经是什么？运行一个非常适合的容器总是比在引擎盖下安装一千个“正常工作”的东西更可取，而且你有额外的好处来学习一些东西并知道你到底在做什么
使用 docker 可以很好地解决这个问题！感谢和抱歉迟到的回复。祝你有美好的一天！

【解决方案3】：

我建议您避免使用 pip 在系统范围内安装第三方 Python 库，这将依赖于您的系统 Python。您也确实不想避免手动升级/降级您的系统 Python。

我更喜欢使用Conda 来安装TensorFlow。 Instructions 在 Linux 上安装 Conda 非常简单。

安装 Conda 后，您可以使用单个命令安装 TensorFlow 1.15。

conda create --name tensorflow-15 \
    tensorflow-gpu=1.15 \
    cudatoolkit=10.1 \
    cudnn=7.6 \
    nccl=2.4 \ # only relevant if you have more than one GPU
    python=3.6 \
    pip=20.0

我喜欢 Conda 的众多优点之一是它提供了一个工具来管理特定环境中的环境和包。与 Docker 等其他隔离软件环境的工具相比，它的学习曲线也更平缓。

如果您有兴趣了解有关 Conda 的更多信息，可以查看我正在开发的这些教材。

https://carpentries-incubator.github.io/introduction-to-conda-for-data-scientists/

【讨论】：

尝试 tensorflow-gpu=1.15 而不是 tensorflow_gpu=1.15;包名的行进规则非常严格。

【解决方案4】：

尝试使用 Docker 或 conda 环境隔离您的依赖关系，我使用过：

conda create -n new_env  python=3.6 tensorflow-gpu=1.2.1 anaconda

并且工作正常:)

【讨论】：