目录
一、RuntimeError: module compiled against API version 0xc but this version of numpy is 0xb
二、AttributeError: module ‘tensorflow’ has no attribute ‘flags’
三、conda 更新 Please update conda by running
四、to search for alternate channels that may provide the conda package you're looking for, navigate to
五、RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is Fal
一、RuntimeError: module compiled against API version 0xc but this version of numpy is 0xb
问题：import torch时报错：RuntimeError: module compiled against API version 0xc but this version of numpy is 0xb
原因：这是numpy版本与python版本不匹配的问题
解决：
- 卸载原来版本的numpy
- 下载相匹配的numpy版本
在https://www.lfd.uci.edu/~gohlke/pythonlibs/找到对应版本的numpy,然后下载到本地 - 安装
二、AttributeError: module ‘tensorflow’ has no attribute ‘flags’
问题：在我的code中是由该命令FLAGS = tf.flags.FLAGS引起的报错，主要原因是我下载的tensorflow是最新的版本2.1，将tensorflow修改为1.9版本即可。
解决：
（2）第二种方法，在tensorflow官方在线文档搜索tf.flags，通过观看下图可以看出flags模块已经移至compat.v1中，原命令修改为FLAGS = tf.compat.v1.flags.FLAGS即可。
三、conda 更新 Please update conda by running
问题：安装numpy第三方库的时候，输入后发现有个提示：有最新conda版本下载
conda update -n base -c defaults conda然后，我运行命令去更新conda，但是报错了：EnvironmentNotWritableError: The current user does not have write permissions to the target environment.
原因：conda装在虚拟机的C盘里没有权限写入，
解决：退出pycharm后，以管理员身份重新打开pycharm，再次输入命令进行更新conda。
发现，更新成功了。
四、to search for alternate channels that may provide the conda package you're looking for, navigate to
问题：安装某个python包时（并不特别对于某个特定包，各种包有时都会出现这种情况 。会出现当前channel不可用，并报错，
原因：其实很简单，就是告诉你在这个指令的默认下载channel列表中找不到合适的安装包，它是建议你去anaconda官网里面去找与之匹配的安装包自己下载。
解决：
（1）你需要去 https://anaconda.org 这个网址，在上方的搜索条上搜索你要安装这个包的其他channel，下边展示一下如何找igraph的其他channel。
首先进入上述网址，你可以在上方看到搜索条，搜索numpy，会出现所有包名中包含“numpy”字段的包：
（2）接着在你的命令行窗口或Anaconda Prompt窗口对应的路径下运行页面中提供的任意一条命令即可。
（3）
五、RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is Fal
报错：
RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU.
解决方法：在加载模型的时候加上map_location=‘cpu’
