是，本来就是为了快速上手糙快猛才去用python，结果处理兼容问题花了不少时间
--
FROM 223.104.247.*

python版本跟tensorflow/pytorch确实有版本绑定关系。

但：
tensorflow/pytorch和cuda版本有绑定关系。
然后cuda版本和cudnn版本又有绑定关系。
然后cuda版本和nvidia driver版本又有绑定关系。
然后nvidia driver又跟linux kernel版本有绑定关系。

说实话，你要是真的好好玩过这些东西，python的版本不兼容问题根本就不值一提。

注：所谓的版本绑定关系不是一对一，而是若干个版本之间还是可以有选择的。但传递链一长，如果没有经验撞到版本不兼容是大概率事件。这里我就不提诸如cuda和cub，torch和apex等等之类的更多子模块之间的更复杂的版本依赖关系了。

【 在 callmebbser 的大作中提到: 】
: 是的，我一个3年前的程序，用的是Python 3.7 + TensorFlow 1.5，想升级到Python 3
: .8.10，结果发现3.8.10只支持TensorFlow 2.x，而TensorFlow 2.x的API以及模型存储
: 结构都变了不少，只得暂时放弃升级。看什么时候有空再折腾吧。
: ...................
--
FROM 180.111.24.*

搭车问，c++调py有啥隐患没？小弟用sklearn搞的，想在产品里直接怼上去，我拒绝了。部起来太蛋疼了，也不知道长时间跑安不安全，后续升级维护麻烦不。
【 在 jackok 的大作中提到: 】
: 别的语言升级好像没有这么多兼容性问题  
: --来自微微水木3.5.12  
: --  
:

发自「今日水木 on 22041216C」
--
FROM 101.82.112.*

是TF的问题。TF 1 升级到 TF 2，有点像Python 2升级到Python 3。



【 在 hongyan2022 的大作中提到: 】
: 这个应该是TF 的问题
: 原则上 有人可以写一个 py3.8 + tf1.5 的包
: 只是 这个时间 花的不值 没人愿意干
: ...................
--
FROM 119.233.181.*

我就是Qt C++进程调用采用sklearn、SciPY、TensorFlow库编写的Python外部程序来完
成后台数据处理，再传给Qt GUI显示。

先应付产品交互，后面再慢慢重构吧。



【 在 meizhi 的大作中提到: 】
: 搭车问，c++调py有啥隐患没？小弟用sklearn搞的，想在产品里直接怼上去，我拒绝了。部起来太蛋疼了，也不知道长时间跑安不安全，后续升级维护麻烦不。
: 发自「今日水木 on 22041216C」
--
FROM 119.233.181.*