本篇继python 深度学习 记录遇到的报错问题10-CSDN博客
六、ValueError: cannot convert float NaN to integer
报错：
原因：这个错误通常是因为在尝试将NaN值转换为整数时发生的。NaN表示“非数字”，它无法转换为整数。在 Python 中，NaN 表示 Not a Number，表示数据集中缺失的条目。 它是一种特殊的 float 值，不能转换为 float 以外的其他类型。
解决方法：先检查代码是否有不合理的地方，如果代码没有逻辑错误。
（1）然后检查输入数据，确保没有NaN值。例如，使用Pandas DataFrame时，可以使用.isna()方法检查数据中是否有NaN值。
（2）在转换之前检查数据类型，确保它们是可以转换为整数的数据类型。例如，在Python中，可以使用内置的isinstance()函数来检查数据类型。
（3）也可以使用 fillna() 方法修复python错误 ValueError: cannot convert float NaN to integer
fillna() 方法用 Python 中的给定值替换 NaN 值， 它检查列中的 NaN 值并用指定值填充它们。
df_new = df.fillna(0)
print(df_new)（4）更新matplotlib_venn包，
pip install --upgrade matplotlib_venn七、AttributeError: module 'tensorflow' has no attribute 'reset_default_graph'
报错：
原因：这个错误是因为在TensorFlow 2.0及更高版本中，reset_default_graph函数已经被移除了。在TensorFlow 1.x版本中，reset_default_graph函数用于清除默认图形堆栈并重置全局默认图形。但在TensorFlow 2.0及更高版本中，由于引入了急切执行（Eager Execution）模式，不再需要使用此函数。
解决方法：如果你需要在TensorFlow 2.0中使用类似于reset_default_graph的功能，你可以创建一个新的tf.Graph实例，并使用tf.function装饰器将你的计算封装在这个新图中。这样，每次你创建一个新的tf.Graph实例时，都相当于重置了图形。
八、If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.
解决方法：
在当前conda环境下，先卸载已经安装了的版本，
pip uninstall protobuf重新安装3.20版本，
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple protobuf==3.19.6
九、undefined symbol: __nvJitLinkAddData_12_1, version libnvJitLink.so.12
报错：undefined symbol: __nvJitLinkAddData_12_1, version libnvJitLink.so.12
原因：
解决：linux服务器安装gpu版本的pytorch
运行命令，首先看一下cuda的版本，我的是右上角显示12.2，
nvidia-smi
选择Linux ，这里没有我的cuda12.2版本，
找过往版本Previous PyTorch Versions | PyTorch
发现有12.1版本，但是没有12.2版本，查阅得知可以向下兼容安装12.1版本的，
因此就使用这个命令安装。
conda install pytorch==2.1.1 torchvision==0.16.1 torchaudio==2.1.1 pytorch-cuda=12.1 -c pytorch -c nvidia十、AttributeError: module 'networkx' has no attribute 'read_gpickle'
报错：
原因：安装的是networkx的2.8版本。在networkx 2.8版本中，确实没有read_gpickle函数。
解决方法：如果你需要使用read_gpickle函数，你可以尝试升级到较新的版本。
pip install -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com networkx==2.8.8
OK，问题解决。
