Warning: file_get_contents(/data/phpspider/zhask/data//catemap/8/redis/2.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
在使用Python Ray库运行程序时,Redis无法启动-运行时错误:cand';不要启动Redis_Python_Redis_Ray - Fatal编程技术网

在使用Python Ray库运行程序时,Redis无法启动-运行时错误:cand';不要启动Redis

在使用Python Ray库运行程序时,Redis无法启动-运行时错误:cand';不要启动Redis,python,redis,ray,Python,Redis,Ray,我试图在linux服务器上使用ray[tune],我只是一个没有root权限的用户 安装ray[tune]并从ray import tune运行python代码后,我收到一条错误消息: ImportError: /lib64/libc.so.6: version `GLIBC_2.14' not found 按照联机说明,我更改了环境变量: LD_LIBRARY\u PATH=/home/USERNAME/dependency/glibc-2.17/lib/:/lib64/:/usr/loca

我试图在linux服务器上使用ray[tune],我只是一个没有root权限的用户

安装ray[tune]并从ray import tune运行python代码后,我收到一条错误消息:

ImportError: /lib64/libc.so.6: version `GLIBC_2.14' not found
按照联机说明,我更改了环境变量:

LD_LIBRARY\u PATH=/home/USERNAME/dependency/glibc-2.17/lib/:/lib64/:/usr/local/gcc-5.3.0/lib64/
/home/USERNAME/dependency/glibc-2.17/lib/ld-2.17.so/home/USERNAME/python3.8.6/bin/python

然后,我能够从ray import tune运行python代码

但是当我运行下面的代码时

我收到错误:
RuntimeError:无法启动Redis

logs/redis.err表示:

第三方/redis/src/redis服务器:加载共享库时出错:\uu vdso\u时间:dlopen()的模式无效:参数无效

*Ray版本是1.0.0,Python版本是3.8.6


有没有解决此故障的方法/原因?

您使用的是哪个linux发行版和版本?CentOS 6.8版,linux 4.1.15.p通知x86\u 64让我们继续这里
from ray import tune


def objective(step, alpha, beta):
    return (0.1 + alpha * step / 100)**(-1) + beta * 0.1


def training_function(config):
    # Hyperparameters
    alpha, beta = config["alpha"], config["beta"]
    for step in range(10):
        # Iterative training function - can be any arbitrary training procedure.
        intermediate_score = objective(step, alpha, beta)
        # Feed the score back back to Tune.
        tune.report(mean_loss=intermediate_score)


analysis = tune.run(
    training_function,
    config={
        "alpha": tune.grid_search([0.001, 0.01, 0.1]),
        "beta": tune.choice([1, 2, 3])
    })

print("Best config: ", analysis.get_best_config(
    metric="mean_loss", mode="min"))

# Get a dataframe for analyzing trial results.
df = analysis.results_df