文章 专题 AI工具 学习 下载 问答 源码 最近更新
PHP
会员中心 讲师中心 微信公众号
首页 > 后端开发 > Python教程 > 正文

关于python3在anaconda下安装caffe失败的解决办法分享

黄舟
发布： 2017-06-18 11:30:45
原创
2426人浏览过

下面小编就为大家带来一篇解决python3在anaconda下安装caffe失败的问题。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧

Python 跟 Python3 完全就是两种语言

1、 import caffe FAILED　

环境为 Ubuntu 16 cuda 8.0 NVIDIA 361.77 Anaconda2。昨天莫名其妙Caffe不能用了：


>>> import caffe
Traceback (most recent call last):
 File "<stdin>", line 1, in <module>
 File "/home/duchengyao/project/caffe/python/caffe/init.py", line 1, in <module>
  from .pycaffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, RMSPropSolver, AdaDeltaSolver, AdamSolver
 File "/home/duchengyao/project/caffe/python/caffe/pycaffe.py", line 13, in <module>
  from ._caffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, \
ImportError: /home/duchengyao/project/caffe/python/caffe/../../build/lib/libcaffe.so.1.0.0-rc3: undefined symbol: _ZN2cv8imencodeERKNSt7cxx1112basic_stringIcSt11char_traitsIcESaIcEEERKNS_11_InputArrayERSt6vectorIhSaIhEERKSB_IiSaIiEE
登录后复制

各种折腾都无效，重装Anaconda以后错误消失，import caffe 成功。

立即学习“Python免费学习笔记（深入）”；

2、 import FAILED again after “$conda install opencv”

用 conda install opencv 安装完Opencv后，又出现了同样的错误提示，卸载后错误消失。

Conda 安装后的Opencv 版本为2.4.10，而系统apt安装的版本为2.4.9.1。我尝试从conda 安装2.4.9版，可是需要处理很多conflict。

最后实在走投无路了准备换成Anaconda3，环境搭建完成后运行程序的时候简直尴尬了，各种库不兼容。终于知道为啥老鸟们调侃Python 跟Python3完全是两种语言了

3、 解决方案

暂时的解决方案为放弃anaconda，全部用apt安装软件包，使用系统默认的Opencv，运行成功。

以上就是关于python3在anaconda下安装caffe失败的解决办法分享的详细内容，更多请关注php中文网其它相关文章！

python速学教程(入门到精通)
python速学教程(入门到精通)

python怎么学习？python怎么入门？python在哪学？python怎么学才快？不用担心，这里为大家提供了python速学教程(入门到精通)，有需要的小伙伴保存下载就能学习啦！

下载
来源：php中文网
收藏 点赞
上一篇：Python中关于Sequence切片的下标问题的示例详解 下一篇：让你可以深入了解python装饰器的示例代码分享
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系admin@php.cn
作者最新文章
最新问题
Python中re模块功能解析 正则表达式re模块在Python中的常用方法 Python中的re模块提供核心正则表达式处理功能，常用方法包括：1.re.match()从字符串开头匹配；2.re.search()扫描整个字符串找到第一个匹配；3.re.findall()返回所有匹配结果组成的列表；4.re.sub()替换匹配内容并支持分组引用；5.re.split()根据匹配分割字符串。其中match只在开头匹配失败则返回None，search则在整个字符串查找首个匹配，findall能提取多个匹配项，sub支持高级替换技巧如日期格式转换，这些函数结合正则语法能高效解决字
2025-06-10 18:39:03
395
Python中yield关键字解析 生成器函数yield在Python中的使用场景 生成器函数是使用yield关键字的函数，能暂停执行并逐步产出值。它与普通函数不同，调用时返回生成器对象而非立即执行，适合处理大数据、惰性求值等场景。1.yield产出值并保留状态，等待下次调用继续执行；2.生成器节省内存，适合处理大文件或无限序列；3.yield可用于简化流程控制；4.yield只能在函数体内使用，且生成器不可重置；5.虽节省内存但频繁调用可能影响性能。掌握yield可有效应对流式数据和惰性计算需求。
2025-06-10 18:30:04
771
Python中如何使用Django ORM？ DjangoORM通过将数据库表映射为Python类，简化了数据库操作。1)定义模型，如Article和Comment。2)进行数据库迁移和同步。3)使用ORM进行创建、查询、更新和删除操作。4)支持复杂查询，如聚合和关联查询。5)注意查询优化、N+1查询问题和事务管理。6)性能优化建议包括使用索引、缓存和保持代码可读性。
2025-06-10 18:15:01
378
Python里unicodedata作用 Unicode字符数据库模块的实用功能 unicodedata模块在Python中用于访问Unicode字符数据库，提供字符属性和行为处理功能。1.可通过unicodedata.name()和unicodedata.category()获取字符名称和类别，用于判断字符类型；2.使用unicodedata.normalize()实现字符规范化，解决不同编码形式导致的字符串比较问题，推荐使用NFC格式；3.提供更精细的字符类型判断方法，如判断是否为数字字符可使用category(char)=='Nd'；4.可通过分解字符并过滤掉变音符号（
2025-06-10 18:03:03
727
Python神经网络 Python TensorFlow模型训练指南 使用TensorFlow训练神经网络的步骤包括：1.准备数据，利用内置数据集或自定义数据并进行归一化、打乱和批量划分；2.构建模型结构，推荐使用KerasAPI，根据任务选择合适层类型；3.编译模型时正确设置损失函数、优化器和评估指标；4.训练模型并结合回调函数提升效果，如EarlyStopping和Dropout；5.保存训练完成的模型以便后续使用。
2025-06-10 17:42:01
877
Python中heapq模块 堆队列算法heapq的优先级队列实现 在Python中，使用heapq模块可以很方便地实现优先级队列。堆（heap）是一种特殊的树结构，常用于快速获取最小值或最大值的场景。heapq默认实现的是最小堆，也就是说堆顶元素始终是整个堆中最小的那个。什么是优先级队列？优先级队列是一种数据结构，每个元素都带有一个“优先级”。当访问或删除元素时，优先级更高的元素会优先被处理。比如任务调度、医院挂号系统等场景都会用到这种结构。常见的做法是将每个元素和它的优先级打包成一个元组，然后插入堆中。Python的heapq会根据元组的第一个元素进行排序，
2025-06-10 16:57:03
623
Python中f-string格式化 Python3.6+新特性f-string字符串格式化 f-string是Python3.6及以上版本中推荐的字符串格式化方式，其语法简洁且执行效率高。1.使用方法是在字符串前加f或F，并用大括号嵌入变量或表达式；2.支持类似.format()的格式规范迷你语言，可控制对齐、精度和进制转换；3.可使用三引号实现多行字符串拼接，便于构造结构化文本；4.注意事项包括仅适用于Python3.6+、避免复杂表达式影响可读性以及需谨慎处理语法错误。掌握f-string能显著提升Python代码的优雅度与效率。
2025-06-10 16:39:03
532
Python里闭包原理 嵌套函数中闭包变量的绑定机制解析 闭包是Python中内部函数捕获外部函数作用域变量并持续访问的机制。具体来说，闭包是一个函数加上其引用环境，即使外部函数执行完毕，内部函数仍能记住并访问外部变量。例如，在outer函数中定义的inner函数可以访问outer的变量x，即使outer已执行完成。闭包变量是后期绑定（latebinding），即调用时才查找变量当前值，这可能导致多个闭包引用同一个变量而得到相同最终值的问题，如make_multipliers例子中所有lambda都返回8。解决方法是通过默认参数立即绑定值。闭包变量属于
2025-06-10 16:15:03
597
Python游戏AI Python智能NPC行为树实现 行为树能让游戏NPC更聪明且行为自然，其是结构清晰、扩展性强的设计模式。它由节点构成，包括装饰节点修改执行方式，控制节点决定执行顺序如选择器与序列器，行为节点执行具体操作如移动或攻击。实现时可用Python定义基类与子类，如Selector按序执行子节点并返回成功或失败，Sequence则在任一失败时返回失败。实际应用需注意性能优化、优先级设计、调试支持及动态切换行为树，例如通过选择器组织NPC的逃跑、追击与巡逻逻辑，确保行为合理有序。
2025-06-10 16:12:01
942
Python里with语句的优势 上下文管理器with在Python中的工作原理 在Python中，with语句的出现是为了简化资源管理，尤其是像文件操作、网络连接这类需要“打开-使用-关闭”的场景。它最大的优势在于自动处理资源释放，不仅让代码更简洁，还能有效避免因为忘记关闭资源而导致的问题。with语句的核心优势相比传统的try...finally结构，with语句把清理资源的操作交给上下文管理器来处理，使主逻辑更清晰，也更容易维护。比如：#传统方式file=open('example.txt','r')try:data=file.read()finall
2025-06-10 15:57:03
129
相关专题
更多>
热门推荐
开源免费商场系统广告
热门教程
更多>
相关推荐
热门推荐
最新课程
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 意见反馈 讲师合作 广告合作 最新更新
php中文网：公益在线php培训，帮助PHP学习者快速成长！
关注服务号 技术交流群
app下载
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习
PHP中文网抖音号
发现有趣的

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号

  • PHP学习

  • 技术支持

  • 返回顶部