エラー：要件テンソルフローを満たすバージョンが見つかりませんでした（バージョンから：なし）

tensorflowのバージョンが指定されていないため、tensorflowをインストールするとこのエラーが報告されました。

解決：

pip install tensorflow==1.9

ダウンロードを高速化するために、国内ミラーへのリンクを追加し、上記のコマンドの後に追加することができます。

-i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

最終的に正常にインストールされました

次のコードのケラがエラーを見つけられないという問題を解決します。

from tensorflow import keras

注：テンソルフローのバージョンが異なるため、1.9のように、この文を書く方法はたくさんあります。

from tensorflow.keras.layers import Dense

1.3：

from tensorflow.contrib import keras  # This works on tensorflow 1.3

要するに、それらをたくさん見つけるのは無意味です。それでもバージョンを変更する必要があります。pycharmで低すぎるバージョンを使用しないでください。オンラインチュートリアルに従ってAnacondaをインストールしましたが、機能しませんでした。

Anacondaも使用している場合、ターミナルに直接pip installするのが、デフォルトで私のようなものにダウンロードされる最後のパスですが、仮想環境を再度使用する場合は少し厄介です。だから注意も払ってください。

これが私が正常に実行したコードの一部です:(データセットのダウンロードには時間がかかる場合があります）

import tensorflow as tf
from tensorflow import keras
import numpy as np

from matplotlib import pyplot as plt

# print(tf.__version__)
#class name
class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
               'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']
#get data
fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
#First processing
#show src pic
# plt.figure()
# # plt.imshow(train_images[0])
# # plt.colorbar()
# # plt.grid(False)
# # plt.show()
#processing
train_images = train_images / 255.0
test_images = test_images / 255.0


#training 25 pic
plt.figure(figsize=(10,10))
for i in range(25):
    plt.subplot(5,5,i+1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(train_images[i], cmap=plt.cm.binary)
    plt.xlabel(class_names[train_labels[i]])
#neural model
model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation=tf.nn.relu),
    keras.layers.Dense(10, activation=tf.nn.softmax)
])

model.compile(optimizer=tf.train.AdamOptimizer(),
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
#model fit
model.fit(train_images, train_labels, epochs=5)


#test accuracy
# test_loss, test_acc = model.evaluate(test_images, test_labels)
# print('Test accuracy:', test_acc)

#predict model
predictions = model.predict(test_images)
def plot_image(i, predictions_array, true_label, img):
  predictions_array, true_label, img = predictions_array[i], true_label[i], img[i]
  plt.grid(False)
  plt.xticks([])
  plt.yticks([])

  plt.imshow(img, cmap=plt.cm.binary)

  predicted_label = np.argmax(predictions_array)
  if predicted_label == true_label:
    color = 'blue'
  else:
    color = 'red'

  plt.xlabel("{} {:2.0f}% ({})".format(class_names[predicted_label],
                                100*np.max(predictions_array),
                                class_names[true_label]),
                                color=color)

def plot_value_array(i, predictions_array, true_label):
  predictions_array, true_label = predictions_array[i], true_label[i]
  plt.grid(False)
  plt.xticks([])
  plt.yticks([])
  thisplot = plt.bar(range(10), predictions_array, color="#777777")
  plt.ylim([0, 1])
  predicted_label = np.argmax(predictions_array)

  thisplot[predicted_label].set_color('red')
  thisplot[true_label].set_color('blue')

#predict data
i = 0
plt.figure(figsize=(6,3))
plt.subplot(1,2,1)
plot_image(i, predictions, test_labels, test_images)
plt.subplot(1,2,2)
plot_value_array(i, predictions,  test_labels)
plt.show()

i = 12
plt.figure(figsize=(6,3))
plt.subplot(1,2,1)
plot_image(i, predictions, test_labels, test_images)
plt.subplot(1,2,2)
plot_value_array(i, predictions,  test_labels)
plt.show()

エラー：要件テンソルフローを満たすバージョンが見つかりませんでした（バージョンから：なし）

おすすめ