为什么tf-serving不能部署tensorrt优化的pb？
TensorFlow Serving（tf-serving）是一个用于部署机器学习模型的开源系统，它提供了一个高性能、可扩展的服务端框架。然而，tf-serving目前不支持直接部署经过TensorRT优化的TensorFlow模型（pb文件），原因如下：
- TensorRT是NVIDIA推出的用于深度学习推理的高性能优化库，它可以通过优化网络结构、减少计算精度、融合操作等技术来提高推理性能。然而，TensorRT优化的模型与原始的TensorFlow模型存在一些不兼容的地方，例如TensorRT不支持某些TensorFlow操作或特性，或者在优化过程中引入了一些限制。
- TensorFlow Serving是基于TensorFlow框架构建的，它的设计目标是提供一个通用的、可扩展的模型服务端框架，能够支持多种模型格式和推理需求。然而，由于TensorRT优化的模型与原始的TensorFlow模型存在不兼容性，tf-serving并没有直接集成TensorRT的支持。
尽管tf-serving不能直接部署TensorRT优化的pb文件，但可以通过其他方式实现TensorRT与tf-serving的集成。一种常见的做法是将TensorRT优化的模型转换为TensorFlow SavedModel格式，然后使用tf-serving部署该SavedModel。这样可以充分利用TensorRT的推理优化能力，并且能够与tf-serving的其他功能无缝集成。
总结起来，tf-serving不能直接部署TensorRT优化的pb文件是因为两者之间存在不兼容性，但可以通过将TensorRT优化的模型转换为TensorFlow SavedModel格式来实现集成。
相关·内容
我正在使用tensorrt来加速Tacotron2模型的推理速度。我用过
tensorrt 5.0.2.6版本和tensorflow 1.13.0.rc0版本。
我使用下面的tensorrt api将savedmodel转换为tftrt savedmodel：
trt.create_inference_graph(
input_graph_def=None,
outputs=None,
max_batch_size=32,
input_saved_model_dir=os.path.join(args.export_dir, args.version),
output_saved_model_
浏览 25提问于2019-10-30得票数 2
3回答
将Deeplab Tensorflow模型转换为TensorRT模型会显著增加推理时间，我在代码中做错了什么？
这里我正在做从Tensorflow图到TensorRT图的转换，并保存这个新的TRT模型：
OUTPUT_NAME = ["SemanticPredictions"]
# read Tensorflow frozen graph
with gfile.FastGFile('/frozen_inference_graph.pb', 'rb') as tf_model:
tf_graphf = tensorflow.GraphDef
浏览 4提问于2019-01-30得票数 0
我正在尝试转换，然后用Tensorflow模型运行推理。
我用tf.keras生成了一个Tensorflow模型：
model = Sequential()
model.add(Conv2D(64, kernel_size=3, activation='relu', input_shape=(224,224,3), name='image'))
model.add(Conv2D(32, kernel_size=3, activation='relu'))
model.add(Flatten())
model.add(Dense(num_class
浏览 1提问于2019-05-02得票数 1
我正在使用珊瑚吞吐板和Nvidia Jetson TX2。这就是我如何了解TensorFlow-Lite，TensorFlow-TRT和TensorRT的.我有一些关于他们的问题：
在TensorFlow-TRT和TensorRT之间:当使用与TensorRT完全优化/兼容的图时，哪一个更快，为什么？
在Google中使用TFlite的管道(当使用TensorFlow 1.x.)is:
使用TensorFlow动物园提供的模型
b.将模型转换为冻结(.pb)
c.使用原型对图形进行序列化。
d.改为Tflite
e.应用量化(INT8)
f.汇编
当使用TensorFlow-TRT和Tenso
浏览 6提问于2020-09-07得票数 1
我正在尝试使用YoloV3优化tensorRT
我来这篇文章叫
文章中使用了Docker。
使用安装nvidia-docker2
从docker pull aminehy/tensorrt-opencv-python3:version-1.3中提取了最新版本的docker映像
这是照片
$ sudo docker images
REPOSITORY TAG IMAGE ID CREATED SIZE
nvcr.io/nvidia/cuda
浏览 7提问于2019-12-23得票数 0
回答已采纳
2回答
我在导入Logger()和Builder()时出错
我在Jetson AGX Xavier上
我也尝试过python shell。
import tensorflow.contrib.tensorrt as trt
TRT_LOGGER = trt.Logger(trt.Logger.INFO)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: module 'tensorflow.contrib.tensorrt'
浏览 3提问于2019-07-03得票数 1
我将keras model.h5转换为frozen_graph.pb，以便优化并在jetson上运行。但是优化frozen_graph.pb镜头的错误。
raise (‘graph_def必须是一个GraphDef proto。’)TypeError: graph_def一定是GraphDef的原型。
代码：
import tensorflow.contrib.tensorrt as trt
frozen_graph = './model/frozen_model.pb'
output_names = ['conv2d_59','conv2d_67
浏览 0提问于2020-03-19得票数 4
回答已采纳
我使用以下运行时信息运行停靠程序映像：
Tensorflow 2.0.0 (tf.__version__)
Python3.6 (!python --version)
TensorRT 6.0.1 (!dpkg -l | grep nvinfer)
cuda 10.2
我在TensorFlow 2.0中构建了一个模型，并将其转换为converted+saved：
1/
├── assets/
| └── trt-serialized-engine.TRTEngineOp_0
├── variables/
| ├── variables.data-00000-of
浏览 9提问于2020-01-27得票数 1
1回答
为了快速推断冻结的Tensorflow图(.pb)，我目前使用的是Tensorflow的CPU。推理速度已经相当不错了，但是(与英特尔的OpenVINO这样的CPU专用工具相比)到目前为止，我还没有可能在运行之前以某种方式优化图形。我对任何一种合适的优化都感兴趣：-特定于设备的优化-特定于CPU的优化-特定于图的优化(融合操作，丢弃节点，...) - ...以及其他一切降低推理所需的时间。
因此，我正在寻找一种在训练后和执行之前优化图形的方法。如前所述，像英特尔的OpenVINO (用于CPU)和NVIDIA的TensorRT (用于GPU)这样的工具就可以做到这一点。我也在使用OpenVIN
浏览 4提问于2019-05-23得票数 1
我使用以下脚本将我的frozen_inference_graph转换为TensorRT优化的a：
import tensorflow as tf
from tensorflow.python.compiler.tensorrt import trt_convert as trt
with tf.Session() as sess:
# First deserialize your frozen graph:
with tf.gfile.GFile('frozen_inference_graph.pb', 'rb') as f:
浏览 18提问于2019-08-02得票数 1
我很少遇到将yolo.weight模型转换为tensorRT的问题。那么，是否有可能在Jetson中运行yolo模型，并将其优化为TensorRT？会有同样的检测速度吗？(无论如何，训练都不会在杰特森进行)。
或者还有其他替代TensorRT的建议吗？
浏览 5提问于2020-03-23得票数 0
回答已采纳
我有一个用于目标检测的自定义的更快的R-CNN网络，其中我定义了一些自定义的运算符：nms和roi_pooling，它们被编译成.so文件。包装了.so文件，它可以被tensorflow框架调用。
在我将tensorflow冻结的图形转换为.pb文件后，我使用以下代码：
trt_graph = trt.create_inference_graph(graph_def, OUTPUT_NAMES,
max_batch_size=cfg.test_batch_per_gpu,
浏览 1提问于2018-04-25得票数 2
我正在尝试将我的PB模型转换为tenrorrt模型，以使其在tx2上工作。
我使用了来自Nvidia论坛的示例代码，并尝试执行它。我知道这是一些与python包相关的问题，但我无法解决它。
我在下面的代码中得到以下错误
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import tensorrt as trt
from tensorrt.parsers import uffparser
import pycuda.driver a
浏览 0提问于2018-04-12得票数 1
1回答
有了经过训练的“.h5”Keras模型文件，我正在尝试优化推理时间：
探讨了两个备选方案：
基于TensorRT的加速推理
“int8”量化。
此时，我可以将模型文件转换为TensorFlow protobuf '.pb‘格式，但作为一个侧面，它还包含几个层的自定义对象。
看到了一些关于TensorRT转换和TFLite转换的文章，但我似乎找不到一个可读的健壮实现。有人能解释一下如何做到这一点(TFLite/Keras量化或TensorRT)来使用相同的模型来进行更快的推理吗？
(打开以提高TensorFlow和Keras支持的推理速度的其他建议)
浏览 1提问于2019-07-06得票数 3
在Nvidia的博客中，他们介绍了他们的TensorRT如下：
NVIDIA TensorRT™是一种用于生产部署深度学习应用的高性能神经网络推理机。TensorRT可用于快速优化、验证和部署经过训练的神经网络，用于向超级计算机数据中心、嵌入式或汽车产品平台进行推理。
所以我想知道，如果我有一个预先训练过的Tensorflow模型，我能在Jetson TX1中的TensorRT中使用它进行推理吗？
浏览 4提问于2017-02-24得票数 0
我的最终目标是使用TensorRT来优化我的模型以进行部署。我正在tensorflow中做实验。但是TensorRT需要caffemodel格式的输入模型。
浏览 3提问于2017-06-14得票数 0
1回答
没有名为“uff”的模块
、、、
目标:将tensorflow .pb模型转换为张拉
系统规范: Ubundu 18.04 CODA10.0 TensorRT 5.1
均匀安装的sudo apt-get install uff-converter-tf
试图导入uff时获得的错误：
ModuleNotFoundError:没有名为“uff”的模块
浏览 4提问于2020-03-12得票数 2
回答已采纳
我们当前的流程：tf2->onnx->TensorRT对话(所有16、32和8 bits选项)
是否有像 (或任何其他方式)这样的现有工具来查看TensorRT的输出模型
谢谢!
浏览 7提问于2021-01-14得票数 4
1回答
我想出口TensorRT型号。Yolov5s.engine公司( Jetson )。但是当我尝试下面的页面时，我得到了一些错误消息。
[TensorRT] WARNING: Skipping tactic 3 due to oom error on requested size of 2182 detected for tactic 4.
[TensorRT] ERROR: Tactic Device request: 2182MB Available: 1536MB. Device memory is insufficient to use tactic.
我怎么才能修好它？或者我可以忽略
浏览 42提问于2022-03-30得票数 0
我试图加快yolov3 TF2和TensorRT的推理速度。我在tensorflow 2中使用TrtGraphConverter函数。
我的代码本质上是：
from tensorflow.python.compiler.tensorrt import trt_convert as trt
tf.keras.backend.set_learning_phase(0)
converter = trt.TrtGraphConverter(
input_saved_model_dir="./tmp/yolosaved/",
precision_mode="
浏览 3提问于2019-07-19得票数 3
回答已采纳
1回答
我训练了一个用于目标检测的tensorflow模型，输入作为占位符，维度为1，None，None,3，因为我的训练图像具有不同的大小。然后我将冻结的图(.pb文件)转换为tensorRT图，以便更快地推断，但tensorRT给了我一个警告，即输入张量具有未知的非批处理维度，因此节点将回落到TF。错误消息为： 2019-05-22 08:59:56.628216: W tensorflow/contrib/tensorrt/convert/convert_nodes.cc:3710] Validation failed for TensorRTInputPH_0 and input slot
浏览 23提问于2019-05-23得票数 2
我的项目使用多个Keras模型。这些模型可以有不同批次大小的输入，从1到24不等。我决定使用TRT优化这些模型。
我尝试了两种转换方法：
from tensorflow.python.compiler.tensorrt import trt_convert as trt
第一种方法转换模型，但不为模型创建TensorRT引擎：
conversion_params = trt.DEFAULT_TRT_CONVERSION_PARAMS._replace(
precision_mode=trt.TrtPrecisionMode.FP32)
converter = t
浏览 18提问于2020-04-01得票数 4
嘿，对于Tensorflow和TensorRT来说都是很新的，我很难将现有的冻结图转换为tensorRT图。我不认为我所拥有的代码正在成功地转换我的图形。在Nvidia Jetson Nano上运行这个。
我试图遵循如下所示的指导方针：
def load_object_detection_model(self):
# Load TensorFlow object detection model
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=.5)
EXPORTED_OB
浏览 0提问于2019-07-08得票数 0
我试图加快分割模型(UNET-Mobileenet-512x512)。我将我的tensorflow模型转换为具有tensorRT精度模式的FP16。而且速度比我预期的要慢。在优化之前，我使用.pb冻结图进行推理。经过tensorRT运算后，我得到了14 have。
以下是Jetson网站的基准测试结果
您可以看到，unet 256x256的分割速度是146 FPS。我想，在最坏的情况下，我的unet512x512速度应该慢4倍。
下面是使用TensorRt优化tensorflow保存模型的代码：
import numpy as np
from tensorflow.python.co
浏览 10提问于2021-02-07得票数 6
回答已采纳
对于使用TensorFlow优化的TensorRT图，我的加载时间非常长。非优化的加载速度很快，但加载优化的加载将花费 10分钟以上的，代码完全相同：
trt_graph_def = tf.GraphDef()
with tf.gfile.GFile(pb_path, 'rb') as pf:
trt_graph_def.ParseFromString(pf.read())
我是在NVIDIA驱动器PX 2设备(如果这是重要的话)，与TensorFlow 1.12.0的来源，CUDA 9.2和TensorRT 4.1.1。由于它被困在ParseFromString()上，
浏览 0提问于2019-01-22得票数 4
回答已采纳
我想使用TensorRT (C++)的tensorflow模型，首先需要将.pb格式转换为.uff格式。执行此代码时：
uff_model = uff.from_tensorflow_frozen_model(
frozen_file="my_tf_model.pb",
output_nodes=["output_layer"],
output_filename="tmp.uff",
debug_mode=True,
)
我收到以下错误消息：
Traceback (most recent call last):
File &#
浏览 22提问于2019-12-15得票数 2
回答已采纳
不能将Kears/TensorFlow层UpSampling2D()部署到TensorRT (已知行为)。
我试图找到一个解决方案，将UpSampling2D()层替换为其他具有并行行为的Keras层。
理论上，Conv2DTranspose()应该通过设置特定的权重并在训练中固定各层的权重来完成这项工作。
我正在寻找一些如何做到这一点的帮助。
浏览 25提问于2019-07-16得票数 0
我已经安装了Tensorflow r1.14，并希望使用TF-TRT。但是，会发生以下错误：
"ModuleNotFoundError:没有名为‘tensorflow.contrib.tensorrt’的模块“
运行示例代码时。Tensorflow r1.13也会发生同样的错误。所以我的问题是，我是否需要单独安装tensorflow.contrib.tensorrt库？如果是，怎么做？
此外，我可以成功地运行TensorRT的示例代码，例如sampleINT8。单击查看我成功运行的示例代码。
这使我相信TensorRT安装得很好。然而，TF-TRT仍然不能工作。
任何帮助都将不
浏览 2提问于2019-04-04得票数 2
1回答
我想要将图形导出到RT以进行推理。如何使用已保存的模型来实现它。使用保存的模型进行推理的代码如下： import tensorflow as tf
import cv2
img = cv2.imread("test.jpg")
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img_rgb = np.expand_dims(img, 0)
predict_fn = tf.contrib.predictor.from_saved_model("./saved_model")
output_data = predict_f
浏览 17提问于2019-08-25得票数 0
回答已采纳
如果您安装了，则从其tar文件安装是唯一可用的选项。但是，tar文件仅包括Python2.7和3.5的python TensorRT轮子文件。未提供python 3.6轮子文件。
我不能在我的python 3.6系统上强制安装python 3.5轮子文件：
$ pip install tensorrt-4.0.0.3-cp35-cp35m-linux_x86_64.whl
tensorrt-4.0.0.3-cp35-cp35m-linux_x86_64.whl is not a supported wheel on this platform.
另外，我不能仅仅为了使用TensorRT而创建
浏览 1提问于2018-05-31得票数 3
我使用Nvidia的传输学习工具包进行训练，然后使用传输学习工具包转换器将.etlt模型转换为.engine文件。
我想在python中使用这个.engine文件进行推理。但由于我是使用TLT进行训练的，所以我没有任何冻结的图形或pb文件，这是所有TensorRT推理教程所需要的。
我想知道在.engine文件上是否可以使用python推断。如果没有，支持哪些转换(UFF、ONNX)来实现这一点？
浏览 0提问于2019-12-11得票数 8
1回答
TRT与TF-TRT
、、、、
我需要转换一些模型，以便能够在jetson设备上部署它们。我试过TensorRT for Yolov3，在coco 80上受过训练，但我没有成功地推断出来，所以我决定做TF-TRT。它工作在我的笔记本电脑，FPS是增加，但大小和GPU内存使用没有改变。型号300 it，体积大。前后TRT模型仍然使用16 GB的GPU内存.
是平常的事吗？我是说没事还是出了什么问题？我期望实现更小的尺寸，更少的GPU内存使用量和更高的FPS (BTW节点减少)。
最重要的是FPS很难在TRT之后跳跃.我在TRT之前得到了3 FPS，但在那之后，我得到了4,6,7,8,9 FPS，但是FPS的变化并不顺利，例如，
浏览 10提问于2021-10-21得票数 0
有人能解释一下，PB 12.NET应用程序构建自动化的不同可能性吗？由于PB是.NET，可以使用诸如NAnt或CruiseControl (带有MSBuild)之类的can工具来构建和部署应用程序。
基本上，它是否可以独立于ORCAScript / ECrane PowerGEN。
浏览 2提问于2011-02-08得票数 2
我有TensorRT引擎生产的tensorflow冷冻模型。
我不能再训练模型，因为我没有所有需要的图像。
但是Tensorflow流程有一些后处理层，我喜欢添加到TensorRT引擎中。
什么是最好的方法？
我可以使用TensorRT层创建插件层吗？
这些Tensorflow层主要可用在TensorRT中，如下所示。
self.tensor_heatMat_up = tf.image.resize_area(self.tensor_output[:, :, :, :19], self.upsample_size,
浏览 0提问于2019-07-22得票数 1
回答已采纳
我想使用tensorrt来加速tensorflow模型推断。但是当我这样做的时候没有得到任何结果，下面是我的代码。返回框和分数都是空的。我是不是用错了TensorRT和tensorflow？ import tensorflow as tf
import tensorflow.contrib.tensorrt as trt
import os
from PIL import Image
import numpy as np
with tf.Session() as sess:
with tf.gfile.GFile('model/ssd_inceptionv2.pb'
浏览 34提问于2019-01-19得票数 1
我试图通过ONNX (opset 11)将torch.nn.functional.grid_sample的模型从Pytorch (1.9)转换为使用INT8量化的INT8 (7)。Opset 11不支持将grid_sample转换为ONNX。因此，我将ONNX图形外科医生与外部GridSamplePlugin一起使用，因为它是。有了它，转换到TensorRT (有和没有INT8量化)是成功的。没有INT8量化的Pytorch和TRT模型提供的结果接近相同的结果(MSE为e-10阶)。但对于具有TensorRT量化的INT8，均方误差要高得多(185)。
grid_sample算子得到两个输入:
浏览 2提问于2021-09-13得票数 0
我使用Debian安装程序在我的虚拟机上安装了TensorRT。如果我运行"dpkg -l | grep TensorRT“，我会得到预期的结果：
ii graphsurgeon-tf 5.0.2-1+cuda10.0 amd64 GraphSurgeon for TensorRT package
ii libnvinfer-dev 5.0.
浏览 10提问于2019-04-07得票数 5
1回答
我用TensorRT优化了我的深度学习模式。C++接口在Jetson TX2上通过优化模型对图像进行推理。这个接口提供了平均60 FPS (但不稳定)。推论在50和160 FPS范围内)。我需要运行这个系统作为实时实时修补Jetson。
那么，您对TensorRT实时推理的想法是什么呢？用TensorRT开发实时推理系统是可行的吗？
我已经尝试设置高优先级的进程和线程提供抢占。我期望在每次推理中都能得到相同的FPS值。所以我需要确定性推理时间。但系统不能确定地输出。
浏览 1提问于2019-03-24得票数 0
每次优化tensorflow图表时，我都会收到此警告： TensorRTOptimizer is probably called on funcdef! This optimizer must *NOT* be called on function objects. 我只想知道这个警告是什么意思，我如何才能避免它，以及它的影响。 我使用的是带有cuda 10.0和tensorflow-GPU1.15的tensorRT 5.1.5 谢谢!
浏览 70提问于2020-01-15得票数 0
回答已采纳
Arduino的digitalWrite(pin, val)函数的工作方式是首先检索相应pin的端口数据寄存器的内存地址，然后修改该地址处的值。这是来自wiring_digital.c的实际实现 void digitalWrite(uint8_t pin, uint8_t val)
{
uint8_t timer = digitalPinToTimer(pin);
uint8_t bit = digitalPinToBitMask(pin);
uint8_t port = digitalPinToPort(pin);
volatile uint8_t *out
浏览 28提问于2019-04-26得票数 1
我试图通过遵循来安装Tensorflow对象检测API。当我结束时，在尝试python object_detection/builders/model_builder_tf2_test.py命令时，我得到了以下错误：
Traceback (most recent call last):
File "object_detection/builders/model_builder_tf2_test.py", line 25, in <module>
from object_detection.builders import model_builder
F
浏览 18提问于2022-03-18得票数 1
2回答
我正在尝试将经过预先训练的火炬模型转换为ONNX，但会导致以下错误：
RuntimeError: step!=1 is currently not supported
我在一个预先训练过的彩色模型上尝试这个：
下面是我在Google中运行的代码：
!git clone https://github.com/richzhang/colorization.git
cd colorization/
import colorizers
model = colorizer_siggraph17 = colorizers.siggraph17(pretrained=True).eval()
input_n
浏览 34提问于2020-12-29得票数 5
回答已采纳
1回答
TRT与UFF-TensorRT
、、、、
我发现我们可以从几个方面优化Tensorflow模型。如果我搞错了，请告诉我。
1-使用，此API开发人员由tensorflow开发，并将TensoRT与Tensorflow集成，此API称为：
从tensorflow.python.compiler.tensorrt导入trt_convert作为trt
该API可以应用于任何Tensorflow模型(新版本和旧版本模型)，而不存在任何转换错误，因为如果该API不支持任何新层，则不要考虑TensorRT引擎的这些层，这些层仍然适用于tensorflow引擎，并在Tensorflow上运行。对吗？
2-使用，此API由NVIDA开发，独立
浏览 2提问于2020-01-17得票数 7
回答已采纳
1回答
我找不出第17行的错误
、、、、
我无法以任何方式安装它，我想知道错误的原因是什么。
我安装了C++和其他必要的东西
我使用的是windows 11
我安装pip install nvidia-pyindex时没有问题。和tensorrt一样，我不能安装pycuda库，而且我得到了相同的错误
\`
(base) PS C:\\Users\\byara\> pip install nvidia-tensorrt
Looking in indexes: https://pypi.org/simple, https://pypi.ngc.nvidia.com
Collecting nvidia-tensorrt
Downloa
浏览 56提问于2022-11-21得票数 -2
如何使用python3或终端将pb文件转换为tflite文件。
不知道模型的任何细节。。
(编辑)我已经通过以下代码将pb文件转换成tflite文件:导入tensorflow.compat.v1作为tf导入numpy作为np
graph_def_file = "./models/20170512-110547.pb"
def representative_dataset_gen():
for _ in range(num_calibration_steps):
# Get sample input data as a numpy array in a method
浏览 6提问于2020-01-17得票数 0
回答已采纳
我尝试安装tensorrt7.2.3.4，我的系统是win10，cuda11.1，python3.8。 按照安装说明操作之后，我进行了tensorrt测试：Tensorrt samples 我们可以看到tensorrt应该可以正常安装 但是当我想导入tensorrt时，出现错误：enter image description here
浏览 55提问于2021-03-24得票数 0
我一直在使用TensorRT和TensorFlow-TRT来加速我的DL算法的推理.
然后我听说：
日本航空公司Trax
两者似乎都加速了DL。但我现在很难理解他们。有人能用简单的术语来解释吗？
浏览 4提问于2020-03-19得票数 5
回答已采纳
我想使用tensorRT优化我的模型，但是，我的模型中的CTC层不受tensorRT支持。有人成功地用tensorRT优化了CTC层。
浏览 1提问于2018-08-21得票数 1
回答已采纳
我想移除tensorRT 7
/var/nv-tensorrt-repo-cuda10.2-trt7.0.0.11-ga-20191216
当我安装tensorRT 6时，它会被更新。
sudo apt-get update
所以我去掉了sudo rm -rf /var/nv-tensorrt-repo-cuda10.2-trt7.0.0.11-ga-20191216
当我尝试使用sudo apt-get update的时候
我收到此错误消息并停止更新。
Reading package lists... Done
E:
浏览 0提问于2020-01-07得票数 1
我已经安装了tensorrt 3.0.4，但是当我尝试使用tensorrt 3.0.4安装tensorflow时，我得到了以下结果：
uff 0.2.0 requires argparse>=1.4.0, which is not installed.
tensorrt 3.0.4 requires argparse>=1.4.0, which is not installed.
但奇怪的是，pip show argparse会产生以下输出：
Name: argparse
Version: 1.4.0
Summary: Python command-line parsing lib
浏览 1提问于2018-04-06得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
