Python Jupyter笔记本内核在导入Tensorflow时死亡

我试图在jupyter笔记本上使用Tensorflow gpu，该笔记本位于一个docker中，该docker包含运行在我的Ubuntu18.04 Bionic Beaver服务器上的数据

我已完成以下步骤：
1） 已安装的Nvidia驱动程序390.67

sudo apt get安装Nvidia-driver-390

2） 已安装CUDA驱动程序9.0

CUDA_9.0.176_384.81_linux。运行


3） 已安装的CuDNN 7.0.5
CuDNN-9.0-linux-x64-v7.tgz


4） 已安装Docker
sudo apt安装Docker ce


5） 已安装nvidia-docker2
sudo apt安装nvidia-docker2

我试图做到以下几点
nvidia docker run-it-p 8888:8888 tensorflow/tensorflow:1.5.1-gpu-py3

我之所以使用Tensorflow 1.5.1，是因为我在1.8.0-gpu-py上遇到了同样的内核死错误，我认为这不是真正的问题，因为我尝试简单地导入它，我使用的是Tensorflow gpu

当我第一次运行任何导入tensorflow的单元格时

我的服务器硬件如下

CPU: AMD Phenom(tm) II X4 965 Processor
GPU: GeForce GTX 760
Motherboard: ASRock 960GM/U3S3 FX
Memory: G Skill F3-1600C9D-8GAB (8 GB Memory)

当我使用
import tensorflow as tf
简单地导入tensorflow时，如何确定内核为什么会消亡

以下是nvidia docker smi的结果

$ docker run --runtime=nvidia --rm nvidia/cuda nvidia-smi
Fri Jun 22 17:53:20 2018       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 390.67                 Driver Version: 390.67                    |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 760     Off  | 00000000:01:00.0 N/A |                  N/A |
|  0%   34C    P0    N/A /  N/A |      0MiB /  1999MiB |     N/A      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0                    Not Supported                                       |
+-----------------------------------------------------------------------------+

如果我在docker外部使用
nvidia smi
，这完全匹配

以下是nvcc——版本结果：

$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:03_CDT_2017
Cuda compilation tools, release 9.0, V9.0.176

如果我尝试执行
nvidia docker run-it-p 8888:8888 tensorflow/tensorflow:1.5.1-gpu-py3 bash
以显示bash提示符，然后在执行
导入tensorflow作为tf
时通过
python
进入python会话，我会得到
非法指令（内核转储）
因此它也不能在非jupyter环境中工作。即使我先导入numpy，然后再将tensorflow导入为tf，这个错误仍然会发生。事实证明我需要降级到tensorflow 1.5.0。1.5.1是添加AVX的地方。AVX指令显然用于模块加载来设置库