【二】tensorflow调试报错、TF深度学习强化学习教学 解决使用 plt.savefig 保存图片时一片空白

相关文章：

​​【一】tensorflow安装、常用python镜像源、tensorflow 深度学习强化学习教学​​        

​​【二】tensorflow调试报错、tensorflow 深度学习强化学习教学​​

​​【三】tensorboard安装、使用教学以及遇到的问题​​

​​【四】超级快速pytorch安装​​

​​trick1---实现tensorflow和pytorch迁移环境教学​​

 1. tensorflow 深度学习

      书本链接：​​javascript:void(0)">​javascript:void(0)​​

对应码源以及学习资料链接：​​https://gitee.com/dingding962285595/tensorflow_-rl​​    ​欢迎关注一键三连哦！​

2. 常见遇到问题

2.1 版本兼容性问题导致代码运行出错

• ​在2.x版本运行1.x版本程序

​      这句命令使tf2.1版本可以在1.1程序下运行​

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
tf.compat.v1.disable_eager_execution()#这句话可有可无

2.2 tensorboard显示问题

1.首先进入tf2的环境下（这里才安装了）----conda的命令行

2.打开对应路径：比如进入D盘  d：就可以不用cd

3.进入d盘路径后，再cd D:\work_place

4.复制地址到  http://localhost:6006/

• • 
    
• 编译执行，会生成log文件
• 找到log文件（在F:\Python_Project\tensorflow_2\logs文件夹下）
•  tensorboard --logdir=logs    ->其中logs为保存log文件的文件夹
  • 
    

2.3 程序调试遇到问题

• TensorFlow二进制文件没有被编译，你的CPU支持AVX扩展，但是你安装的TensorFlow版本无法编译使用
  

​​那为什么会出现这种警告呢？​​

    由于tensorflow默认分布是在没有CPU扩展的情况下构建的，例如SSE4.1，SSE4.2，AVX，AVX2，FMA等。默认版本（来自pip install tensorflow的版本）旨在与尽可能多的CPU兼容。另一个观点是，即使使用这些扩展名，CPU的速度也要比GPU慢很多，并且期望在GPU上执行中型和大型机器学习培训。

tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2

在这种情况下，您可以简单地忽略此警告：

import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

​tf报错整合​---别人博客【转载-----有遇到问题可以去这个博主那里看看】

​javascript:void(0)">​javascript:void(0)​​

2.4 语法问题

• • 
    
•  解决使用 plt.savefig 保存图片时一片空白
  
• 当使用如下代码保存使用 ​​plt.savefig​​ 保存生成的图片时，结果打开生成的图片却是一片空白
  • 
    

import matplotlib.pyplot as plt """ 一些画图代码 """ plt.show() plt.savefig("filename.png")

原因：在 ​​plt.show()​​​ 后调用了 ​​plt.savefig()​​​ ，在 ​​plt.show()​​​ 后实际上已经创建了一个新的空白的图片（坐标轴），这时候你再 ​​plt.savefig()​​ 就会保存这个新生成的空白图片。

​解决：​在 ​​plt.show()​​​ 之前调用 ​​plt.savefig()​​；

import matplotlib.pyplot as plt """ 一些画图代码 """ plt.savefig("filename.png") plt.show()

画图的时候获取当前图像

# gcf: Get Current Figure fig = plt.gcf() plt.show() fig1.savefig('xxx.png', dpi=50)

•  module 'tensorflow' has no attribute 'random_normal'
  

解决办法：tf2.0里改名字了，用tf.random.uniform代替

• module 'tensorflow._api.v2.train' has no attribute 'AdamOptimizer'
  

model.compile(optimizer = tf.train.AdamOptimizer(), loss = 'sparse_categorical_crossentropy', metrics=['accuracy'])

会出错修改为下面：

model.compile(optimizer = tf.optimizers.Adam(), loss = 'sparse_categorical_crossentropy', metrics=['accuracy'])

或者：

model.compile(optimizer = 'adam', loss = 'sparse_categorical_crossentropy', metrics=['accuracy'])

• ​​TypeError: minimize() missing 1 required positional argument: 'var_list'​​

错误程序：

# Note, minimize() knows to modify W and b because Variable objects are trainable=True by default #optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost) optimizer = tf.optimizers.SGD(name='SGD').minimize(cost) #optimizer = tf.SGD(learning_rate).minimize(cost) # Initialize the variables (i.e. assign their default value) init = tf.global_variables_initializer()

修改：需要给定权重系数w，b

optimizer = tf.optimizers.SGD(name='SGD').minimize(cost,var_list=[W,b])

• SyntaxError: (unicode error) 'unicodeescape' codec can't decode bytes in position 2-3: tr
  

解决：

demo：

sys.path.append('c:\Users\mshacxiang\VScode_project\web_ddt')

​原因分析：​在windows系统当中读取文件路径可以使用\,但是在python字符串中\有转义的含义，如\t可代表TAB，\n代表换行，所以我们需要采取一些方式使得\不被解读为转义字符。目前有3个​解决方案​

• ​在路径前面加r，即保持字符原始值的意思。​

sys.path.append(r'c:\Users\mshacxiang\VScode_project\web_ddt')

• ​2、替换为双反斜杠​

sys.path.append('c:\\Users\\mshacxiang\\VScode_project\\web_ddt')

• ​替换为正斜杠​

sys.path.append('c:/Users/mshacxiang/VScode_project/web_ddt')

• AttributeError: module 'tensorflow' has no attribute 'merge_all_summaries'
  

原因：由于不同的TensorFlow版本之间某些函数的用法引起的错误，属性错误：模块“tensorflow”没有“merge_all_summaries”属性

解决：将 tf.merge_all_summaries()改为 ​tf.summary.merge_all()​

•  “ImportError DLL load failed 找不到指定的程序”
  

原因：ImportError DLL load failed的报错，编写代码时不报错（比如ModuleNotFoundError: No module named 'XXX'下，在pycharm中写import XXX会标红），运行的时候才报错。

这说明你这个包，是在默认的搜索路径下的。由于你这个包有问题，才导致写的时候不报错，运行的时候才报错。

​主要原因是：函数库调用其依赖库时出现了问题​

import sklearn import seaborn

​​sklearn​​​和​​seaborn​​​这两个库都有依赖库。比如​​sklearn​​​的依赖库有​​numpy​​​, ​​scipy​​​和​​joblib​​。

​问题：​

• • 
    
• 函数库本身有问题，导致调用异常。
• 依赖包版本不符，导致调用异常。
  • 
    

解决方法：

• • 
    
• 重新安装该函数库。
• 检查依赖包的版本（​过高或过低​）。
  • 
    

常见的是python3完全不兼容python2，另一个表现是，第三方库都有dependencies，要求某些库的版本>=某个版本。但是居然还会有向上不兼容的问题，即依赖包版本过高，会导致依赖这个包的第三方库无法正常使用。

​查看依赖库信息​

有两种方式

• 通过命令行查看：​​conda search package_name --info​​比如查看​​seaborn​​的信息，在命令行输入​​conda search seaborn --info​​，可以查看​​seaborn​​各版本的信息（包括依赖包的信息）：
  

seaborn 0.11.1 pyhd3eb1b0_0 --------------------------- file name : seaborn-0.11.1-pyhd3eb1b0_0.conda name : seaborn version : 0.11.1 build : pyhd3eb1b0_0 build number: 0 size : 212 KB license : BSD 3-Clause subdir : noarch url : https://repo.anaconda.com/pkgs/main/noarch/seaborn-0.11.1-pyhd3eb1b0_0.conda md5 : ffbd2d692d2acdc84f2cdbd2c66d1098 timestamp : 2020-12-21 19:23:03 UTC dependencies: - matplotlib >=2.1.2 - numpy >=1.13.3 - pandas >=0.22.0 - python >=3.6 - scipy >=1.0.1

转自：​javascript:void(0)">​javascript:void(0)​​

可见pycharm会使用Anaconda路径下的函数库（‘E:\Anaconda\lib’），命令行运行的时候会使用Python37路径下的函数库（‘E:\Python37\lib’）。

也就是说，如果我用Python37路径下的相关函数库，去替代Anaconda路径下的相关函数库，那么在pycharm中就可以正常运行了。

这之后我用Python37路径下sklearn的文件夹，替换了Anaconda路径下sklearn的文件夹，发现还是一样的报错信息。

然后我就怀疑是不是依赖包的的版本问题，导致了ImportError 的出现。之后我通过_version_()函数打印了两个路径下，sklearn的依赖包的版本

#python37 sklearn: 0.21.3 numpy: 1.15.3 scipy: 1.3.0 joblib: 0.13.2 #acaconda import sklearn sklearn.__version__ Out[4]: '0.21.3' numpy: 1.16.2 scipy: 1.2.1 joblib: 0.13.2

然后，我就把Anaconda下的numpy库从1.16.2降级到1.15.3。

即在命令行里输入conda install numpy=1.15.3 （pip的命令是pip install numpy==1.15.3，但是路径不是 Anaconda的路径了，还得改路径）。

然后发现成功了！！！sklearn和seaborn都解决了！！！居然是numpy这个第三方库向上不兼容的问题（活久见系列）。

最后Anaconda路径下，依赖包的版本：

sklearn: 0.21.3 numpy: 1.15.3 scipy: 1.1.0 joblib: 0.13.2

源代码：

import sys,os # curPath = os.path.abspath(os.path.dirname(__file__)) # print(sys.path) # # print(os.path.dirname(__file__)) # # print(curPath) # # rootPath = os.path.split(curPath)[0] # # print(os.path.split(curPath)) # # print(rootPath) # # sys.path.append(rootPath) sys.path.append('E:\\Anaconda\\lib\\site-packages\\') # # sys.path = ['C:\\Users\\73416\\PycharmProjects\\HSIproject', 'E:\\Python37\\python37.zip', 'E:\\Python37\\DLLs', 'E:\\Python37\\lib', 'E:\\Python37', 'E:\\Python37\\lib\\site-packages', 'E:\\Python37\\lib\\site-packages\\win32', 'E:\\Python37\\lib\\site-packages\\win32\\lib', 'E:\\Python37\\lib\\site-packages\\Pythonwin', 'E:\\Anaconda\\lib\\site-packages\\'] print(sys.path) # from utils import open_file import sklearn import numpy import scipy import joblib import seaborn print('sklearn:',sklearn.__version__) print('numpy:',numpy.__version__) print('scipy:',scipy.__version__) print('joblib:',joblib.__version__) print('done!')