Python OMP:错误#15:初始化libiomp5.dylib，但发现libiomp5.dylib已初始化

我正在尝试运行一个测试程序，以检查我的Anaconda环境是否配置正确。但是，当我运行测试程序时，当程序设置图形时，我会收到此错误消息（

on\u train\u end（）

确切地说是回调）：

OMP:错误#15:初始化libiomp5.dylib，但找到libiomp5.dylib 已初始化。 OMP：提示这意味着OpenMP运行时的多个副本已被删除，因为它可能会降低性能或导致不正确的结果。最好的做法是确保只有一个OpenMP运行时链接到进程中，例如，避免在任何库中静态链接OpenMP运行时。作为一种不安全、不受支持、未记录的解决方法，您可以将环境变量KMP_DUPLICATE_LIB_OK=TRUE设置为允许程序继续执行，但这可能会导致崩溃或产生错误的结果。有关更多信息，请参阅

我正在MacBook Pro 15“2015上运行测试程序，其中安装了macOS Mojave 10.14.1。我目前安装的Anaconda发行版是

以下是测试程序：

#!/usr/bin/env python

import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt

from tensorflow import keras

Xs = np.array([
    [0, 0],
    [0, 1],
    [1, 1],
    [1, 0]
])

Ys = np.array([
    [0],
    [1],
    [0],
    [1]
])

class MyCallback(keras.callbacks.Callback):
    def __init__(self):
        super(MyCallback, self).__init__()
        self.stats = []

    def on_epoch_end(self, epoch, logs=None):
        self.stats.append({
            'loss': logs['loss'],
            'acc': logs['acc'],
            'epoch': epoch
        })

    def on_train_end(self, logs=None):
        loss_x = []
        loss_y = []
        acc_x = []
        acc_y = []
        for e in self.stats:
            loss_x.append(e['epoch'])
            loss_y.append(e['loss'])
            acc_x.append(e['epoch'])
            acc_y.append(e['acc'])
        plt.plot(loss_x, loss_y, 'r', label='Loss')
        plt.plot(acc_x, acc_y, 'b', label='Accuracy')
        plt.xlabel('Epochs')
        plt.ylabel('Loss / Accuracy')
        plt.legend(loc='upper left')
        plt.show()

with tf.Session() as session:
    model = keras.models.Sequential()

    model.add(keras.layers.Dense(10, activation=keras.activations.elu, input_dim=2))
    model.add(keras.layers.Dense(1, activation=keras.activations.sigmoid))

    model.compile(optimizer=keras.optimizers.Adam(lr=0.05),
                  loss=keras.losses.mean_squared_error,
                  metrics=['accuracy'])

    model.fit(x=Xs, y=Ys, batch_size=4, epochs=50, callbacks=[MyCallback()])

    print("Training complete")

    loss, acc = model.evaluate(Xs, Ys)

    print(f"loss: {loss} - acc: {acc}")

    predictions = model.predict(Xs)

    print("predictions")
    print(predictions)

我已经尝试解决引用相关问题的问题。因此，在

import

部分后添加以下代码行：

import os
os.environ['KMP_DUPLICATE_LIB_OK'] = 'True'

我得到的是另一条错误消息，这是完整的堆栈跟踪：

2018-12-06 10:18:34.262 python[19319:371282] -[NSApplication _setup:]: unrecognized selector sent to instance 0x7ff2b07a3d00
2018-12-06 10:18:34.266 python[19319:371282] *** Terminating app due to uncaught exception 'NSInvalidArgumentException', reason: '-[NSApplication _setup:]: unrecognized selector sent to instance 0x7ff2b07a3d00'
*** First throw call stack:
(
        0   CoreFoundation                      0x00007fff2ccf0e65 __exceptionPreprocess + 256
        1   libobjc.A.dylib                     0x00007fff58d47720 objc_exception_throw + 48
        2   CoreFoundation                      0x00007fff2cd6e22d -[NSObject(NSObject) __retain_OA] + 0
        3   CoreFoundation                      0x00007fff2cc92820 ___forwarding___ + 1486
        4   CoreFoundation                      0x00007fff2cc921c8 _CF_forwarding_prep_0 + 120
        5   libtk8.6.dylib                      0x0000000b36aeb31d TkpInit + 413
        6   libtk8.6.dylib                      0x0000000b36a4317e Initialize + 2622
        7   _tkinter.cpython-36m-darwin.so      0x0000000b3686ba16 _tkinter_create + 1174
        8   python                              0x000000010571c088 _PyCFunction_FastCallDict + 200
        9   python                              0x00000001057f2f4f call_function + 143
        10  python                              0x00000001057f0abf _PyEval_EvalFrameDefault + 46847
        11  python                              0x00000001057e4209 _PyEval_EvalCodeWithName + 425
        12  python                              0x00000001057f3b1c _PyFunction_FastCallDict + 364
        13  python                              0x000000010569a8b0 _PyObject_FastCallDict + 320
        14  python                              0x00000001056c1fe8 method_call + 136
        15  python                              0x00000001056a1efe PyObject_Call + 62
        16  python                              0x0000000105743385 slot_tp_init + 117
        17  python                              0x00000001057478c1 type_call + 241
        18  python                              0x000000010569a821 _PyObject_FastCallDict + 177
        19  python                              0x00000001056a2a67 _PyObject_FastCallKeywords + 327
        20  python                              0x00000001057f3048 call_function + 392
        21  python                              0x00000001057f0b6f _PyEval_EvalFrameDefault + 47023
        22  python                              0x00000001057f330c fast_function + 188
        23  python                              0x00000001057f2fac call_function + 236
        24  python                              0x00000001057f0abf _PyEval_EvalFrameDefault + 46847
        25  python                              0x00000001057e4209 _PyEval_EvalCodeWithName + 425
        26  python                              0x00000001057f3b1c _PyFunction_FastCallDict + 364
        27  python                              0x000000010569a8b0 _PyObject_FastCallDict + 320
        28  python                              0x00000001056c1fe8 method_call + 136
        29  python                              0x00000001056a1efe PyObject_Call + 62
        30  python                              0x00000001057f0cc0 _PyEval_EvalFrameDefault + 47360
        31  python                              0x00000001057e4209 _PyEval_EvalCodeWithName + 425
        32  python                              0x00000001057f33ba fast_function + 362
        33  python                              0x00000001057f2fac call_function + 236
        34  python                              0x00000001057f0abf _PyEval_EvalFrameDefault + 46847
        35  python                              0x00000001057f330c fast_function + 188
        36  python                              0x00000001057f2fac call_function + 236
        37  python                              0x00000001057f0abf _PyEval_EvalFrameDefault + 46847
        38  python                              0x00000001057e4209 _PyEval_EvalCodeWithName + 425
        39  python                              0x00000001057f33ba fast_function + 362
        40  python                              0x00000001057f2fac call_function + 236
        41  python                              0x00000001057f0abf _PyEval_EvalFrameDefault + 46847
        42  python                              0x00000001057e4209 _PyEval_EvalCodeWithName + 425
        43  python                              0x00000001057f33ba fast_function + 362
        44  python                              0x00000001057f2fac call_function + 236
        45  python                              0x00000001057f0b6f _PyEval_EvalFrameDefault + 47023
        46  python                              0x00000001057e4209 _PyEval_EvalCodeWithName + 425
        47  python                              0x00000001057f33ba fast_function + 362
        48  python                              0x00000001057f2fac call_function + 236
        49  python                              0x00000001057f0abf _PyEval_EvalFrameDefault + 46847
        50  python                              0x00000001057e4209 _PyEval_EvalCodeWithName + 425
        51  python                              0x00000001057f33ba fast_function + 362
        52  python                              0x00000001057f2fac call_function + 236
        53  python                              0x00000001057f0abf _PyEval_EvalFrameDefault + 46847
        54  python                              0x00000001057e4209 _PyEval_EvalCodeWithName + 425
        55  python                              0x00000001057f33ba fast_function + 362
        56  python                              0x00000001057f2fac call_function + 236
        57  python                              0x00000001057f0b6f _PyEval_EvalFrameDefault + 47023
        58  python                              0x00000001057e4209 _PyEval_EvalCodeWithName + 425
        59  python                              0x00000001057f33ba fast_function + 362
        60  python                              0x00000001057f2fac call_function + 236
        61  python                              0x00000001057f0b6f _PyEval_EvalFrameDefault + 47023
        62  python                              0x00000001057e4209 _PyEval_EvalCodeWithName + 425
        63  python                              0x000000010583cd4c PyRun_FileExFlags + 252
        64  python                              0x000000010583c224 PyRun_SimpleFileExFlags + 372
        65  python                              0x0000000105862d66 Py_Main + 3734
        66  python                              0x0000000105692929 main + 313
        67  libdyld.dylib                       0x00007fff59e1608d start + 1
        68  ???                                 0x0000000000000002 0x0 + 2
)
libc++abi.dylib: terminating with uncaught exception of type NSException

以下是安装在环境中的相关依赖项列表（为简洁起见，省略了不相关的依赖项）：

---

我也有过类似的经历，其他地方发布的解决方案并没有为我解决问题。最终，我通过降级matplotlib版本（即，

conda install matplotlib=2.2.3

解决了大多数情况下的问题：

conda install nomkl

---

我曾尝试过以下我遇到的解决方案。不幸的是，其中许多都没有成功，其背后的原因也不是很清楚：

我在mac OS Mojave中使用conda安装的Tensorflow 2.0 MKL和python3.6

降级matplotlib。它与OpenMP有什么关系？原因不清楚，但不起作用

conda install matplotlib==2.2.3 

conda install -c intel mkl

conda uninstall openmp
conda install openmp

允许复制OpenMP库，因为它存在多个副本。这是可行的，但在警告日志中，它说这是一种解决方法，会自动产生错误的结果。因此，显然，这不是解决方法，因此仍然需要适当的解决方案/修复

import os
os.environ['KMP_DUPLICATE_LIB_OK']='True'

安装nomkl。我想这不是在所有库（scipy、numpy、tensorflow等）中都使用基于MKL的二进制文件，但我不明白为什么要使用tensorflow MKL？因为整个要点是使用MKL二进制文件来利用Intel体系结构进行快速处理（AVX2指令等）.大多数人说这对他们有效，但对我无效：

conda install nomkl

更新MKL。它不起作用

conda install matplotlib==2.2.3 

conda install -c intel mkl

conda uninstall openmp
conda install openmp

卸载OpenMPOpenMP，然后重新安装。它不起作用

conda install matplotlib==2.2.3 

conda install -c intel mkl

conda uninstall openmp
conda install openmp

最后，我所做的是卸载conda安装的tensorflow（tf mkl）并通过pip再次安装。这已经解决了。！！！我认为这是一个合适的解决方案。因此，这可能意味着Intel TF-MKL二进制文件在macOS上被破坏。我有一个观察到，这在Intel和macOS上很常见，因为OpenVINO、pyrealsense2等其他库在macOS中也不能正常工作

conda uninstall tensorflow
pip install tensorflow==2.0.0 

一些有用的链接：

---

我一直遇到这个错误，这似乎与基于依赖关系的安装和conda丢失符号链接有关

例如： 我在我的conda环境中安装了一个带有pip的软件包，该软件包具有torch依赖项，并且安装成功-但是在导入时，我遇到了上述错误。

lib/

看起来如下：

~/opt/anaconda3/lib  ll|grep libomp
lrwxr-xr-x    1 user  staff    12B Dec 31 12:17 libgomp.1.dylib -> libomp.dylib
lrwxr-xr-x    1 user  staff    12B Dec 31 12:17 libgomp.dylib -> libomp.dylib
lrwxr-xr-x    1 user  staff    12B Dec 31 12:17 libiomp5.dylib -> libomp.dylib
-rwxrwxr-x    1 iser  staff   642K Dec 31 12:17 libomp.dylib 

然后我使用了

conda install pytorch

，它确实安装了额外的软件包

 ~/opt/anaconda3/lib  ll|grep libomp
lrwxr-xr-x    1 user  staff    12B Dec 31 12:17 libgomp.1.dylib -> libomp.dylib
lrwxr-xr-x    1 user  staff    12B Dec 31 12:17 libgomp.dylib -> libomp.dylib
lrwxr-xr-x    1 user  staff    12B Mar 10 14:59 libiomp5.dylib -> libomp.dylib
-rwxrwxr-x    2 user  staff   646K Jan 15 22:21 libomp.dylib 

因此，

libomp.dylib

和

libiomp5.dylib

symlink得到更新。导入工作正常

---

以前，我还通过在这些库之间手动创建符号链接修复了此问题…因此，请检查这是否对您有效！

非常感谢！！我快疯了。如果您使用的是英特尔体系结构，我建议使用

conda install-n myenv-c intel matplotlib

。这将安装matplotlib的LTS版本（即版本

2.2.3

）当您使用

conda update--all-y

升级所有软件包时，它会阻止您升级到

3.x.y

。谢谢，这对我来说很有效。您知道它为什么会修复此问题以及导致此问题的原因吗？@JulienPerrenoud抱歉，不知道为什么或什么-在隐藏的GitHub线程中搜索了几天后才找到此链接…我想ught这意味着MKL将根本不被使用，性能将受到影响。但显然不是这样-MKL是间接使用的。请参阅。在我的MacBook上使用Core i9 CPU时，使用和不使用nomkl的性能与使用nomkl的简单多层感知器的性能是一样的。这在一开始对我不起作用，似乎我的安装失败了Anaconda（可能是因为我从miniconda开始，然后尝试使用完整的Anaconda软件包进行更新）。我必须完全删除Anaconda并重新安装它，这个修复程序成功了。卸载conda的tensorflow并从pip重新安装对我有效。感谢分享！