TensorFlow tf.estimator package not installed

在使用 pip install tensorflow 命令安装TensorFlow，在成功安装后，在 import tensorflow是出现 "tf.estimator package not installed" 解决方法如下：
1、确保 pandas, numpy, matplotlib 这些依赖包已经被正确安装
2、使用 pip install -U xxx --no-cache-dir (不使用缓存文件，重新网上下载安装)
3、如果更新相关依赖包后还没解决话的，就需要将 pandas, numpy, matplotlib这三个依赖包一个一个import，查看是否报错(PS：我觉得肯定是哪个包出现了问题，才会导致 “tf.estimator package not installed”)

以下是我在 import pandas 出现的错误，导致"tf.estimator package not installed"：


经过Google后，使用命令"conda remove bottleneck","conda install bottleneck",解决错误后就正常 import tensorflow 了。也可以参考 Github上的issues

原文地址：http://blog.51cto.com/6874309/2319447

时间： 2024-09-29 08:12:51

TensorFlow tf.estimator package not installed的相关文章

import tensorflow 报错： tf.estimator package not installed.

import tensorflow 报错: tf.estimator package not installed. 解决方案1: 安装 pip install tensorflow-estimator==1.10.12 解决方案2: downgrade pandas from 0.23.4 to 0.23.0 upgrade matplotlib to 3.0.0 原文地址:https://www.cnblogs.com/sddai/p/10538807.html

tf.estimator.Estimator类的用法

官网链接:https://www.tensorflow.org/api_docs/python/tf/estimator/Estimator class Estimator(builtins.object)一 介绍Estimator 类,用来训练和验证 TensorFlow 模型.Estimator 对象包含了一个模型 model_fn,这个模型给定输入和参数,会返回训练.验证或者预测等所需要的操作节点.所有的输出(检查点.事件文件等)会写入到 model_dir,或者其子文件夹中.如果 mod

tf.estimator.Estimator

1.定义 tf.estimator.Estimator(model_fn=model_fn) #model_fn是一个方法 2.定义model_fn: def model_fn_builder(self, bert_config, num_labels, init_checkpoint): """ :param bert_config: :param num_labels: :param init_checkpoint: :param learning_rate: :para

TensorFlow 从入门到精通（八）：TensorFlow tf.nn.conv2d 一路追查

读者可能还记得本系列博客(二)和(六)中 tf.nn 模块,其中最关心的是 conv2d 这个函数. 首先将博客(二) MNIST 例程中 convolutional.py 关键源码列出: def model(data, train=False): """The Model definition.""" # 2D convolution, with 'SAME' padding (i.e. the output feature map has #

TensorFlow tf.gradients的用法详细解析以及具体例子

tf.gradients 官方定义: tf.gradients( ys, xs, grad_ys=None, name='gradients', stop_gradients=None, ) Constructs symbolic derivatives of sum of ys w.r.t. x in xs. ys and xs are each a Tensor or a list of tensors. grad_ys is a list of Tensor, holding the gr

Tensorflow - tf.split使用

XDeepFM的CIN中第一层实现需要使两个二维矩阵相乘得到一个三维张量,于是来复习下split函数(需要用到): 首先看下函数原理: tf.split( value, num_or_size_splits, axis=0, num=None, name='split' ) 这个函数是用来切割张量的:输入切割的张量和参数,返回切割的结果. value传入的就是需要切割的张量,axis的数值代表切割哪个维度.这个函数有两种切割的方式: 以三个维度的张量为例,比如说一个20 * 30 * 40的张量

Tensorflow tf.app.flags 的使用

在执行main函数之前首先进行flags的解析,也就是说TensorFlow通过设置flags来传递tf.app.run()所需要的参数,我们可以直接在程序运行前初始化flags,也可以在运行程序的时候设置命令行参数来达到传参的目的. 下面是一个小demo import tensorflow as tf flags = tf.app.flags FLAGS = flags.FLAGS flags.DEFINE_string("name", "x1aolata", &

TensorFlow Saver 保存最佳模型 tf.train.Saver Save Best Model

TensorFlow Saver 保存最佳模型 tf.train.Saver Save Best Model Checkmate is designed to be a simple drop-in solution for a very common Tensorflow use-case: keeping track of the best model checkpoints during training. The BestCheckpointSaver is a wrapper arou

TensorFlow 实战（二）—— tf train（优化算法）

Training | TensorFlow tf 下以大写字母开头的含义为名词的一般表示一个类(class) 1. 优化器(optimizer) 优化器的基类(Optimizer base class)主要实现了两个接口,一是计算损失函数的梯度,二是将梯度作用于变量.tf.train 主要提供了如下的优化函数: tf.train.Optimizer tf.train.GradientDescentOptimizer tf.train.AdadeltaOpzimizer Ada delta tf.