Python 运行导入tensorflow后出现非法指令（内核转储）

我创建了一个全新的虚拟环境：

virtualenv-p python2测试\u venv/

和已安装的tensorflow:

pip安装--升级--无缓存目录tensorflow

import tensorflow

给我

非法指令（内核转储）

请帮助我了解发生了什么，以及如何修复它。多谢各位

CPU信息： 使用gdb获得的Stacktrace： std:：pair std:：_哈希表：：_M_位置（std:：integral_常量，std:：pair&）（） 来自/media/gerry/hdd_1/ws_hdd/test_venv/local/lib/python2.7/site packages/tensorflow/python/。/libtensorflow_framework.so #1 0x00007fffe5795735位于/media/gerry/hdd\u 1/ws\u hdd/test\venv/local/lib/python2.7/site packages/tensorflow/python2.7/libtensorflow/framework.so #tensorflow中的2 0x00007fffe5770a7c:：variant\u op\u registry\u fn\u registration:：UnaryVariantDecoreRegistration:：UnaryVariantDecoreRegistration（std:：string const&）（） 来自/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（） 来自/media/gerry/hdd_1/ws_hdd/test_venv/local/lib/python2.7/site packages/tensorflow/python/。/libtensorflow_framework.so #调用_init（l=，argc）中的4 0x00007ffff7de76ba=argc@entry=2，argv=argv@entry=0x7FFFFFD5C8，环境=env@entry=0xa7b4d0） 在dl初始c时：72 #5 0x00007ffff7de77cb在dl init.c:30处的调用_init（env=0xa7b4d0，argv=0x7FFFFFD5C8，argc=2，l=）中 #6_dl_init（main_map=main_map@entry=0xa11920，argc=2，argv=0x7fffffd5c8，env=0xa7b4d0）在dl init.c:120处 #7 0X00007FF7DEC8E2在dl_open_worker（a）中=a@entry=0x7FFFFFB5C0）在dl打开时。c:575 #8 0x00007FF7DE7564输入数据捕获错误（对象名称=objname@entry=0x7FFFFFB5B0，错误字符串=errstring@entry=0x7FFFFFB5B8， 马洛西德=mallocedp@entry=0x7FFFFFB5AF，运行=operate@entry=0x7ffff7dec4d0，参数=args@entry=0x7FFFFFB5C0） 在dl错误处。c:187 #9 0x00007ffff7debda9处于打开状态( file=0x7fffea7cbc34“/media/gerry/hdd_1/ws_hdd/test_venv/local/lib/python2.7/site packages/tensorflow/python/_pywrap_tensorflow_internal.so”，mode=-2147483646，调用者_dlopen=0x51ad19，nsid=-2，argc=，argv=，env=0xa7b4d0） 在dl开放时。c:660 #10 0x00007ffff75ecf09在dlopen_doit（a）中=a@entry=0x7FFFFFB7F0）在dlopen处。c:66 #11 0x00007ffff7de7564输入捕获错误（objname=0x9b1870，errstring=0x9b1878，mallocedp=0x9b1868，operate=0x7ffff75eceb0， args=0x7fffffffb7f0）在dl错误处。c:187 #12 0x00007ffff75ed571处于错误运行状态（运行=operate@entry=0x7ffff75eceb0，参数=args@entry=0x7FFFFFB7F0）在D处错误c:163 #13 0x00007ffff75ecfa1位于dlopen的uu dlopen（文件=，模式=）中。c:87 #14 0x000000000051ad19，在_PyImport_GetDynLoadFunc（）中 #加载动态模块（）中的15 0x000000000051a8e4 #16 0x00000000005b7b1b英寸？？() #PyEval_EvalFrameEx（）中的17 0x00000000004bc3fa #PyEval_EvalFrameEx（）中的18 0x00000000004c136f #PyEval_evalcodex（）中的19 0x00000000004b9ab6 #PyEval_EvalCode（）中的20 0x00000000004b97a6 #PyImport_ExecCodeModuleEx（）中的21 0x00000000004b96df #22 0x00000000004b2b06英寸？？() #230x00000000004A4AE1英寸？？()

---

我会使用旧版本。看起来您的CPU不支持AVX指令

引用他们的话

您至少有两种选择：

使用tensorflow 1.5或更高版本

源代码构建

---

考虑到您对差异的关注，您将错过新功能，但大多数基本功能和文档并没有那么大的不同。

不幸的是，1.6给了许多人同样的错误。在使用旧Core2 CPU的机器上安装1.7后，我收到了它。我已经决定使用1.5，因为我无法在配备最新处理器的机器中安装大图形卡

不幸的是，tensorflow团队对此似乎没有什么兴趣

根据您的情况，有一些围绕web的社区构建可能会起作用：

---

如公认答案中所述，可以通过安装旧版本的TensorFlow（v1.5）或从源代码处构建来修复此问题。在两者之间，尽管付出了额外的努力，但从源头开始建设可以说是首选路线。假设二进制文件包含TensorFlow的最新组件

解释如何从源代码构建TensorFlow，并针对较旧的CPU进行优化。关键在于检测CPU标志，并在配置构建时启用所有CPU标志进行优化

以下命令用于检测常见的CPU优化标志：

$ 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"; }

如果通过执行命令，

-mavx

和/或

-mavx2

未显示，则可以确认AVX支持缺失，并且应使用输出中显示的其他优化标志完成源构建

---

在中，将更详细地讨论此问题的常见根本原因，作为附加参考提供。

我有一个类似的问题，结果表明，这是由于我的CPU稍旧，并且在1.6+版本的TensorFlow中无法正常工作

注意：从TensorFlow 1.6开始，二进制文件使用AVX指令，这些指令可能不会在较旧的CPU上运行

因此，如前所述，您可以安装TensorFlow 1.5，或者如果您仍然需要TF的最新版本，则需要使用conda来安装它（这两种解决方案都与我一起使用）

对于conda安装：

conda create -n tensorflow
conda install tensorflow-gpu -n tensorflow

---

以下步骤对我很有效。 （拆下现有的张紧器流量）

内部康达虚拟环境

步骤1：使用pip安装keras应用程序

---

步骤2：安装tensorflow（无需降级）

我会使用docker将tf降级到以前的版本。您可以在dockerhub上找到不同的标签

例如：

docker run --gpus all -it tensorflow/tensorflow:2.2.1-gpu bash

可能没有关系

$ 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"; }

conda create -n tensorflow
conda install tensorflow-gpu -n tensorflow

docker run --gpus all -it tensorflow/tensorflow:2.2.1-gpu bash

pip3 uninstall numpy 
pip3 uninstall pandas
pip3 uninstall protobuf 
pip3 uninstall python-dateutil 

pip3 install numpy==1.13.3
pip3 install pandas==0.22.0
pip3 install protobuf==3.0.0