tutorial the that satisfies requirement not mac instalar from could python tensorflow pip virtualenv

python - the - Instrucción ilegal(volcado del núcleo) después de ejecutar tensorflow de importación



pip install tensorflow (4)

virtualenv -p python2 test_venv/ un nuevo entorno virtual: virtualenv -p python2 test_venv/ e instalé tensorflow: pip install --upgrade --no-cache-dir tensorflow

import tensorflow me da Illegal instruction (core dumped)

Por favor, ayúdame a entender qué está pasando y cómo puedo solucionarlo. Gracias.

Información de la CPU:

-cpu description: CPU product: Intel(R) Core(TM) i3 CPU M 330 @ 2.13GHz bus info: cpu@0 version: CPU Version capabilities: x86-64 fpu fpu_exception wp vme de pse tsc msr pae mce cx8 apic sep mtrr pge mca cmov pat pse36 clflush dts acpi mmx fxsr sse sse2 ss ht tm pbe syscall nx rdtscp constant_tsc arch_perfmon pebs bts rep_good nopl xtopology nonstop_tsc aperfmperf pni dtes64 monitor ds_cpl vmx est tm2 ssse3 cx16 xtpr pdcm sse4_1 sse4_2 popcnt lahf_lm tpr_shadow vnmi flexpriority ept vpid dtherm arat cpufreq

Stacktrace obtenido con gdb:

#0 0x00007fffe5793880 in std::pair<std::__detail::_Node_iterator<std::pair<tensorflow::StringPiece const, std::function<bool (tensorflow::Variant*)> >, false, true>, bool> std::_Hashtable<tensorflow::StringPiece, std::pair<tensorflow::StringPiece const, std::function<bool (tensorflow::Variant*)> >, std::allocator<std::pair<tensorflow::StringPiece const, std::function<bool (tensorflow::Variant*)> > >, std::__detail::_Select1st, std::equal_to<tensorflow::StringPiece>, tensorflow::StringPieceHasher, std::__detail::_Mod_range_hashing, std::__detail::_Default_ranged_hash, std::__detail::_Prime_rehash_policy, std::__detail::_Hashtable_traits<true, false, true> >::_M_emplace<std::pair<tensorflow::StringPiece, std::function<bool (tensorflow::Variant*)> > >(std::integral_constant<bool, true>, std::pair<tensorflow::StringPiece, std::function<bool (tensorflow::Variant*)> >&&) () from /media/gerry/hdd_1/ws_hdd/test_venv/local/lib/python2.7/site-packages/tensorflow/python/../libtensorflow_framework.so #1 0x00007fffe5795735 in tensorflow::UnaryVariantOpRegistry::RegisterDecodeFn(std::string const&, std::function<bool (tensorflow::Variant*)> const&) () from /media/gerry/hdd_1/ws_hdd/test_venv/local/lib/python2.7/site-packages/tensorflow/python/../libtensorflow_framework.so #2 0x00007fffe5770a7c in tensorflow::variant_op_registry_fn_registration::UnaryVariantDecodeRegistration<tensorflow::Tensor>::UnaryVariantDecodeRegistration(std::string const&) () from /media/gerry/hdd_1/ws_hdd/test_venv/local/lib/python2.7/site-packages/tensorflow/python/../libtensorflow_framework.so #3 0x00007fffe56ea165 in _GLOBAL__sub_I_tensor.cc () from /media/gerry/hdd_1/ws_hdd/test_venv/local/lib/python2.7/site-packages/tensorflow/python/../libtensorflow_framework.so #4 0x00007ffff7de76ba in call_init (l=<optimized out>, argc=argc@entry=2, argv=argv@entry=0x7fffffffd5c8, env=env@entry=0xa7b4d0) at dl-init.c:72 #5 0x00007ffff7de77cb in call_init (env=0xa7b4d0, argv=0x7fffffffd5c8, argc=2, l=<optimized out>) at dl-init.c:30 #6 _dl_init (main_map=main_map@entry=0xa11920, argc=2, argv=0x7fffffffd5c8, env=0xa7b4d0) at dl-init.c:120 #7 0x00007ffff7dec8e2 in dl_open_worker (a=a@entry=0x7fffffffb5c0) at dl-open.c:575 #8 0x00007ffff7de7564 in _dl_catch_error (objname=objname@entry=0x7fffffffb5b0, errstring=errstring@entry=0x7fffffffb5b8, mallocedp=mallocedp@entry=0x7fffffffb5af, operate=operate@entry=0x7ffff7dec4d0 <dl_open_worker>, args=args@entry=0x7fffffffb5c0) at dl-error.c:187 #9 0x00007ffff7debda9 in _dl_open ( file=0x7fffea7cbc34 "/media/gerry/hdd_1/ws_hdd/test_venv/local/lib/python2.7/site-packages/tensorflow/python/_pywrap_tensorflow_internal.so", mode=-2147483646, caller_dlopen=0x51ad19 <_PyImport_GetDynLoadFunc+233>, nsid=-2, argc=<optimized out>, argv=<optimized out>, env=0xa7b4d0) at dl-open.c:660 #10 0x00007ffff75ecf09 in dlopen_doit (a=a@entry=0x7fffffffb7f0) at dlopen.c:66 #11 0x00007ffff7de7564 in _dl_catch_error (objname=0x9b1870, errstring=0x9b1878, mallocedp=0x9b1868, operate=0x7ffff75eceb0 <dlopen_doit>, args=0x7fffffffb7f0) at dl-error.c:187 #12 0x00007ffff75ed571 in _dlerror_run (operate=operate@entry=0x7ffff75eceb0 <dlopen_doit>, args=args@entry=0x7fffffffb7f0) at dlerror.c:163 #13 0x00007ffff75ecfa1 in __dlopen (file=<optimized out>, mode=<optimized out>) at dlopen.c:87 #14 0x000000000051ad19 in _PyImport_GetDynLoadFunc () #15 0x000000000051a8e4 in _PyImport_LoadDynamicModule () #16 0x00000000005b7b1b in ?? () #17 0x00000000004bc3fa in PyEval_EvalFrameEx () #18 0x00000000004c136f in PyEval_EvalFrameEx () #19 0x00000000004b9ab6 in PyEval_EvalCodeEx () #20 0x00000000004b97a6 in PyEval_EvalCode () #21 0x00000000004b96df in PyImport_ExecCodeModuleEx () #22 0x00000000004b2b06 in ?? () #23 0x00000000004a4ae1 in ?? ()

Como se explica en la respuesta aceptada, este problema se puede solucionar instalando una versión anterior de TensorFlow (v1.5) o compilando desde la fuente. Entre los dos, la construcción desde la fuente es posiblemente una ruta preferida a pesar del esfuerzo adicional. Concedido que el binario contiene los componentes más actualizados de TensorFlow.

Este artículo explica cómo compilar TensorFlow desde fuentes y optimiza para la CPU más antigua. La clave está en detectar los indicadores de la CPU y habilitar todos los indicadores de la CPU para la optimización al configurar la compilación.

El siguiente comando se usa para detectar indicadores comunes de optimización de CPU:

$ grep flags -m1 /proc/cpuinfo | cut -d ":" -f 2 | tr ''[:upper:]'' ''[:lower:]'' | { read FLAGS; OPT="-march=native"; for flag in $FLAGS; do case "$flag" in "sse4_1" | "sse4_2" | "ssse3" | "fma" | "cx16" | "popcnt" | "avx" | "avx2") OPT+=" -m$flag";; esac; done; MODOPT=${OPT//_//.}; echo "$MODOPT"; }

Si al ejecutar el comando, -mavx y / o -mavx2 no se muestra, se puede confirmar que falta la compatibilidad con AVX y que la compilación de origen se debe realizar con otros indicadores de optimización que se muestran en la salida.

En un artículo relacionado , la causa raíz común de este problema se discute con más detalles, que se proporciona como una referencia adicional.

Desafortunadamente, 1.6 ha dado a muchas personas el mismo error. Lo recibí después de instalar 1.7 en una máquina con una vieja CPU Core2. Me he conformado con 1.5, ¡ya que no puedo colocar la gran tarjeta gráfica en la máquina con el procesador actualizado!

Yo usaría la versión anterior. Parece que su CPU no admite instrucciones AVX.

Cotizando desde su página de lanzamiento

Breaking Changes Prebuilt binaries are now built against CUDA 9.0 and cuDNN 7. Prebuilt binaries will use AVX instructions. This may break TF on older CPUs.

Tienes al menos dos opciones:

  1. Use tensorflow 1.5 o mayor

  2. Construir desde la fuente

Con respecto a su preocupación por las diferencias, se perderá de las nuevas funciones, pero la mayoría de las funciones básicas y la documentación no son tan diferentes.