TensorFlow 2.0 与 Python 3.11 兼容性

TensorFlow 2.0 与 Python 3.11 兼容性

TensorFlow 2.0 官方版本对 Python 3.11 的支持有限，可能出现兼容性问题。建议使用 TensorFlow 2.10 或更高版本，这些版本已适配 Python 3.11。若需强制运行，可通过以下方式解决依赖冲突：

pip install --upgrade tensorflow

或指定版本：

pip install tensorflow==2.10.0

基础示例：线性回归模型

以下代码展示了一个简单的线性回归模型：

import tensorflow as tf
import numpy as np

# 生成模拟数据
X = np.linspace(0, 1, 100)
y = 2 * X + 1 + np.random.normal(scale=0.1, size=100)

# 构建模型
model = tf.keras.Sequential([
    tf.keras.layers.Dense(units=1, input_shape=[1])
])

# 编译与训练
model.compile(optimizer='sgd', loss='mean_squared_error')
model.fit(X, y, epochs=100, verbose=0)

# 预测
print(model.predict([0.5]))  # 预期输出接近 2.0

图像分类示例（MNIST数据集）

from tensorflow.keras import layers, datasets

# 加载数据
(train_images, train_labels), _ = datasets.mnist.load_data()
train_images = train_images / 255.0

# 构建CNN模型
model = tf.keras.Sequential([
    layers.Reshape((28, 28, 1)),
    layers.Conv2D(32, (3, 3), activation='relu'),
    layers.MaxPooling2D((2, 2)),
    layers.Flatten(),
    layers.Dense(10, activation='softmax')
])

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

常见问题解决

错误1：DLL加载失败
在Windows系统中，安装Microsoft Visual C++ Redistributable最新版本。

错误2：NumPy兼容性
尝试降级NumPy版本：

pip install numpy==1.23.5

错误3：CUDA驱动问题
确认已安装匹配的CUDA Toolkit和cuDNN版本，参考TensorFlow官方文档的GPU支持列表。