45

我已经成功地用 python 安装了 Tensorflow 绑定。但是当我尝试导入 Tensorflow 时,我得到了以下错误。

ImportError: /lib/x86_64-linux-gnu/libc.so.6: version `GLIBC_2.17' not found (required by /usr/local/lib/python2.7/dist-packages/tensorflow/python/_pywrap_tensorflow.so)

我试图将 GLIBC_2.15 更新到 2.17,但没有运气。

4

14 回答 14

22

我刚刚设法使用 glibc 2.12 在 CentOS 6.5 上安装了 tensorflow 0.12rc0,而没有 root 权限。简单地通过 pip 安装 tensorflow 二进制文件给了我一个错误,也与 GLIBC 版本有关。

基本上,您有 4 个选项来处理这个问题(每个选项都有一些优点和缺点):

选项 1 - 全局升级您的系统 GLIBC。

可能是最好的选择,如果你的系统支持这个,你就拥有 root 权限,并且你确信这次升级不会因为一些奇怪的原因而破坏任何东西。最终,这会升级整个 Linux 发行版。是流行发行版上默认 GLIBC 版本的简短列表。

选项 2 - 将第二个 GLIBC 添加到您的系统

编译或下载二进制文件。最简单直接的选择。特别是如果您只需要运行几个简单的脚本

选项 3 - 补丁张量流

可能适用于 TF 0.6.0,但是当每个新的 tensorflow 版本发布时,您可能必须从头开始。例如,这里是 0.9.0 的修复程序。

选项 4 - 从源代码编译 tensorflow

如果您从源代码重新编译它并链接到您现有的 GLIBC,则不再需要更新的 GLIBC。不知何故,这里的任何答案都没有提到这个选项。恕我直言,这是“一般”和“专门针对 tensorflow”的最佳选择。

  • 这适用于 r0.11,并且可能会工作多年,但从理论上讲,如果他们决定实际使用旧版本中不存在的一些新 GLIBC 功能,它可能会在一些较新的 tensorflow 版本中中断。
  • 老实说,从源代码构建 TensorFlow 并不简单,尤其是在过时的系统上。

“在过时的系统上构建 tensorflow”的快速总结:

尽管官方指南提供了“从源代码安装”部分,但在过时的系统上构建它需要做一些技巧。在这里,我假设您没有 root 权限(如果您有 - 您可能可以使用包管理器安装相同的预请求,而不是从源代码手动构建它们)。

我发现了两个有据可查的成功案例:#1#2和官方 github 上的一些有用的帖子(主要是关于在二进制文件中链接的一组库):#1#2#3#4。在我的案例中,我必须结合那里描述的技巧来成功编译 TF。

  1. 首先,检查您的gcc --version,并验证它是否支持 c++11。我的是 4.4.7,所以它不会工作。我已经下载了 gcc-4.9.4 源代码,并对其进行了编译。这一步非常简单,但编译本身可能需要几个小时。作为 bazel 中问题的一种解决方法,我已经使用硬编码路径编译 gcc到as,ldnm. 但是,您可以尝试其他解决方法:( 1 , 2 )。

    #!/bin/sh
    
    unset LIBRARY_PATH CPATH C_INCLUDE_PATH 
    unset PKG_CONFIG_PATH CPLUS_INCLUDE_PATH INCLUDE LD_LIBRARY_PATH
    
    cd gcc-4.9.4
    ./contrib/download_prerequisites
    
    mkdir objdir
    cd objdir
    
    
    # I've added --disable-multilib to fix the following error:
    # /usr/bin/ld: crt1.o: No such file: No such file or directory
    # collect2: ld returned 1 exit status
    # configure: error: I suspect your system does not have 32-bit 
    # developement libraries (libc and headers). If you have them,
    # rerun configure with --enable-multilib. If you do not have them, 
    # and want to build a 64-bit-only compiler, rerun configure 
    # with --disable-multilib.           
    
    ../configure --prefix=$HOME/opt/gcc-4.9.4 \
                 --disable-multilib \
                 --disable-nls \
                 --enable-languages=c,c++ \
                 --with-ld=/usr/bin/ld \
                 --with-nm=/usr/bin/nm \
                 --with-as=/usr/bin/as
    
    make        
    make install
    
  2. 检查您的java --version. Bazel 需要 JDK 8,如有必要,请安装它。(他们仍然为 bazel-0.4.1提供一些与 jdk7 相关的下载,但看起来他们认为它已被弃用)

  3. 我创建了一个单独的use_gcc_4.9.4.sh文件,其中包含必要的环境变量。source ./use_gcc_4.9.4.sh当我需要与这个较新的编译器相关的东西时,我会使用它。

    #!/bin/sh
    this=$HOME/opt/gcc-4.9.4
    export PATH=$this/bin:$PATH
    export CPATH=$this/include:$CPATH
    export LIBRARY_PATH=$this/lib:$LIBRARY_PATH
    export LIBRARY_PATH=$this/lib64:$LIBRARY_PATH
    export LD_LIBRARY_PATH=$this/lib:$LD_LIBRARY_PATH
    export LD_LIBRARY_PATH=$this/lib64:$LD_LIBRARY_PATH
    
  4. 当前的 bazel 二进制文件(0.4.1)需要 GLIBC 2.14,所以我们也必须从源代码编译 bazel(使用我们的新 gcc)。工作正常,除非您只允许在目标机器上运行非常有限数量的线程。(这篇文章描述了一些额外的解决方法,但在我的情况下,它们不是必需的,可能是由于最近更新了 bazel 代码。)

  5. 获取 tensorflow 源代码git clone https://github.com/tensorflow/tensorflow,并安装您需要的先决条件(CUDA、cuDNN、python 等)。见官方指南

  6. 如果您没有使用默认系统 gcc(例如,如果您必须编译更新的 gcc,如上所述),请将以下链接器标志添加到tensorflow/third_party/gpus/crosstool/CROSSTOOL.tpl59 行

    linker_flag: "-L/home/username/localinst/opt/gcc-4.9.4/lib64"
    linker_flag: "-Wl,-rpath,/home/username/localinst/opt/gcc-4.9.4/lib64"
    

    如果没有这一步,您可能会遇到如下错误消息

    # ERROR: /home/username/localdistr/src/tensorflow/tensorflow/tensorflow/core/debug/BUILD:33:1: null failed: protoc failed: error executing command bazel-out/host/bin/external/protobuf/protoc '--cpp_out=bazel-out/local_linux-py3-opt/genfiles/' '--plugin=protoc-gen-grpc=bazel-out/host/bin/external/grpc/grpc_cpp_plugin' ... (remaining 8 argument(s) skipped): com.google.devtools.build.lib.shell.BadExitStatusException: Process exited with status 1.
    # bazel-out/host/bin/external/protobuf/protoc: /usr/lib64/libstdc++.so.6: version `GLIBCXX_3.4.20' not found (required by bazel-out/host/bin/external/protobuf/protoc)
    # bazel-out/host/bin/external/protobuf/protoc: /usr/lib64/libstdc++.so.6: version `CXXABI_1.3.8' not found (required by bazel-out/host/bin/external/protobuf/protoc)
    # bazel-out/host/bin/external/protobuf/protoc: /usr/lib64/libstdc++.so.6: version `GLIBCXX_3.4.18' not found (required by bazel-out/host/bin/external/protobuf/protoc)
    
  7. 最后,为了避免 GLIBC 依赖,我们必须通过添加-lrt链接器标志来静态链接一些库(也许 -lm也可以)。我发现了多个帖子,建议以不同的方式添加:

    没有-lrt我再次遇到 GLIBC-version-specific 错误,尝试import tensorflow

    # ImportError: /lib64/libc.so.6: version `GLIBC_2.14' not found (required by /home/username/anaconda3/envs/myenvname/lib/python3.5/site-packages/tensorflow/python/_pywrap_tensorflow.so)
    

    没有-lm你可能会遇到这个(对我来说,事实证明没有必要)。

  8. 运行构建过程。

    source ./use_gcc_4.9.4.sh
    ./configure
    bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
    bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
    pip install --upgrade /tmp/tensorflow_pkg/tensorflow-0.12.0rc0-cp35-cp35m-linux_x86_64.whl
  1. 尝试运行以下简单的 python 脚本来测试最基本的东西是否正常工作:

    import tensorflow as tf
    hello = tf.constant('Hello, TensorFlow!')
    sess = tf.Session()
    print(sess.run(hello))
    
    a = tf.constant(10)
    b = tf.constant(32)
    print(sess.run(a + b))
    
于 2016-12-06T19:10:59.920 回答
18

我尝试了 BR_User 解决方案,但仍然很烦人:

ImportError: /usr/lib64/libstdc++.so.6: version `GLIBCXX_3.4.14' not found

我在 CentOS 6.7 上,它还缺少更新的 c++ 标准库,所以为了构建 BR_User 解决方案,我提取了正确的 libstdc++ 包,但是我发现不需要虚拟环境。

假设您已经安装了 tensorflow,它会给出:

mkdir ~/my_libc_env
cd ~/my_libc_env
wget http://launchpadlibrarian.net/137699828/libc6_2.17-0ubuntu5_amd64.deb
wget http://launchpadlibrarian.net/137699829/libc6-dev_2.17-0ubuntu5_amd64.deb
wget ftp.riken.jp/Linux/scientific/7.0/x86_64/os/Packages/libstdc++-4.8.2-16.el7.x86_64.rpm
ar p libc6_2.17-0ubuntu5_amd64.deb data.tar.gz | tar zx
ar p libc6-dev_2.17-0ubuntu5_amd64.deb data.tar.gz | tar zx
rpm2cpio libstdc++-4.8.2-7mgc30.x86_64.rpm| cpio -idmv

然后运行python:

LD_LIBRARY_PATH="$HOME/my_libc_env/lib/x86_64-linux-gnu/:$HOME/my_libc_env/usr/lib64/" $HOME/my_libc_env/lib/x86_64-linux-gnu/ld-2.17.so `which python`

如果它不起作用,我有另一个解决方案,但你不会喜欢它。

于 2016-01-20T10:37:40.953 回答
17

我有同样的问题,所以谷歌搜索我做了这些步骤:

$ sudo pip install --upgrade virtualenv
$ virtualenv --system-site-packages ~/tensorflow
$ cd ~/tensorflow
$ source bin/activate
$ pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.5.0-cp27-none-linux_x86_64.whl
$ cd /tmp
$ wget http://launchpadlibrarian.net/137699828/libc6_2.17-0ubuntu5_amd64.deb
$ wget http://launchpadlibrarian.net/137699829/libc6-dev_2.17-0ubuntu5_amd64.deb
$ mkdir libc6_2.17
$ cd libc6_2.17
$ ar p ../libc6_2.17-0ubuntu5_amd64.deb data.tar.gz | tar zx
$ ar p ../libc6-dev_2.17-0ubuntu5_amd64.deb data.tar.gz | tar zx
$ cd -
$ LD_LIBRARY_PATH=/tmp/libc6_2.17/lib/x86_64-linux-gnu/ /tmp/libc6_2.17/lib/x86_64-linux-gnu/ld-2.17.so bin/python local/lib/python2.7/site-packages/tensorflow/models/image/mnist/convolutional.py

并退出:

$ deactivate 

这对我行得通。

于 2015-11-13T18:03:05.210 回答
10

好的,这是我在之前的回答中提到的另一个解决方案,它更棘手,但应该始终适用于 GLIBC>=2.12 和 GLIBCXX>=3.4.13 的系统。在我的情况下,它是在 CentOS 6.7 上,但它也适用于 Ubuntu 12.04。

我们将需要一个支持 c++11 的 gcc 版本,无论是在另一台机器上还是独立安装;但暂时不是。

我们在这里要做的是编辑 _pywrap_tensorflow.so 二进制文件,以“弱化”它的 libc 和 libstdc++ 依赖项,以便 ld 接受链接我们要制作的存根。然后我们将为丢失的符号制作这些存根,最后我们将在运行 python 时预加载所有这些。

首先,我要感谢 James 的精彩文章 ( http://www.lightofdawn.org/wiki/wiki.cgi/NewAppsOnOldGlibc ) 和宝贵的建议,如果没有他,我不可能成功。

因此,让我们从弱化依赖关系开始,它只是替换 _pywrap_tensorflow.so 中的正确字节。请注意,此步骤仅适用于当前版本的 tensorflow (0.6.0)。因此,如果尚未创建并激活您的virtualenv(如果您不是管理员,则 virtualenv 是一种解决方案,另一种是在--userpip 命令中添加标志),然后安装 tensorflow 0.6.0(将 cpu 替换为 gpu 中的url,如果你想要 gpu 版本):

pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.6.0-cp27-none-linux_x86_64.whl

让我们弱化所有烦人的依赖,这里是 tensorflow 的 cpu 版本的命令:

TENSORFLOW_DIR=`python -c "import imp; print(imp.find_module('tensorflow')[1])"`
for addr in 0xC6A93C 0xC6A99C 0xC6A9EC 0xC6AA0C 0xC6AA1C 0xC6AA3C; do printf '\x02' | dd conv=notrunc of=${TENSORFLOW_DIR}/python/_pywrap_tensorflow.so bs=1 seek=$((addr)) ; done

这是gpu之一(只运行正确的一个,否则你会破坏二进制文件):

TENSORFLOW_DIR=`python -c "import imp; print(imp.find_module('tensorflow')[1])"`
for addr in 0xDC5EA4 0xDC5F04 0xDC5F54 0xDC5F74 0xDC5F84 0xDC5FA4; do printf '\x02' | dd conv=notrunc of=${TENSORFLOW_DIR}/python/_pywrap_tensorflow.so bs=1 seek=$((addr)) ; done

您可以通过以下方式进行检查:

readelf -V ${TENSORFLOW_DIR}/python/_pywrap_tensorflow.so

如果您想了解这里发生了什么,请查看这篇文章。

现在我们将为缺少的 libc 符号制作存根:

mkdir ~/my_stubs
cd ~/my_stubs
MYSTUBS=~/my_stubs
printf "#include <time.h>\n#include <string.h>\nvoid* memcpy(void *dest, const void *src, size_t n) {\nreturn memmove(dest, src, n);\n}\nint clock_gettime(clockid_t clk_id, struct timespec *tp) {\nreturn clock_gettime(clk_id, tp);\n}" > mylibc.c
gcc -s -shared -o mylibc.so -fPIC -fno-builtin mylibc.c

需要在缺少依赖项的机器(或具有类似标准库版本的机器(例如在集群中))上执行该步骤。

现在我们可能会更换机器,因为我们需要一个支持 c++11 的 gcc,并且它可能不在缺少所有依赖项的机器上(或者您可以使用最近 gcc 的隔离安装)。在下文中,我假设我们还在,~/my_stubs并且您以某种方式在机器上共享您的家,否则您只需要复制我们将在完成后生成的 .so 文件。

所以,我们可以为 libstdc++ 做一个存根,对于剩下的缺失的存根,我们将从 gcc 源代码编译它们(克隆存储库可能需要一些时间):

printf "#include <functional>\nvoid std::__throw_bad_function_call(void) {\nexit(1);\n}" > bad_function.cc
gcc -std=c++11 -s -shared -o bad_function.so -fPIC -fno-builtin bad_function.cc
git clone https://github.com/gcc-mirror/gcc.git
cd gcc
mkdir my_include
mkdir my_include/ext
cp libstdc++-v3/include/ext/aligned_buffer.h my_include/ext
gcc -I$PWD/my_include -std=c++11 -fpermissive -s -shared -o $MYSTUBS/hashtable.so -fPIC -fno-builtin libstdc++-v3/src/c++11/hashtable_c++0x.cc
gcc -std=c++11 -fpermissive -s -shared -o $MYSTUBS/chrono.so -fPIC -fno-builtin libstdc++-v3/src/c++11/chrono.cc
gcc -std=c++11 -fpermissive -s -shared -o $MYSTUBS/random.so -fPIC -fno-builtin libstdc++-v3/src/c++11/random.cc
gcc -std=c++11 -fpermissive -s -shared -o $MYSTUBS/hash_bytes.so -fPIC -fno-builtin ./libstdc++-v3/libsupc++/hash_bytes.cc

就是这样!您现在可以通过预加载我们所有的共享库(以及您的本地 libstdc++)来运行 tensorflow python 脚本:

LIBSTDCPP=`ldconfig -p | grep libstdc++.so.6 | grep 64 | cut -d' ' -f4` #For 64bit machines
LD_PRELOAD="$MYSTUBS/mylibc.so:$MYSTUBS/random.so:$MYSTUBS/hash_bytes.so:$MYSTUBS/chrono.so:$MYSTUBS/hashtable.so:$MYSTUBS/bad_function.so:$LIBSTDCPP" python ${TENSORFLOW_DIR}/models/image/mnist/convolutional.py

:)

于 2016-01-20T12:45:41.107 回答
2

注意 Theo Trouillon 的“弱化”解决方案。它仅适用于 TensorFlow 0.6.0。如果你想将它应用于 Tensorflow 0.9.0,它会变得更加棘手。我的情况是 CPU 模式,Centos 6.7,其中 GLIBC 2.12 GLIBCXX 3.4.13。

安装张量流:

pip uninstall protobuf 
pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.9.0-cp27-none-linux_x86_64.whl

“弱化”代码应更改:

TENSORFLOW_DIR=`python -c "import imp; print(imp.find_module('tensorflow')[1])"`
for addr in 0x376e34 0x376e94 0x376ef4 0x376f14 0x376f24 0x376f44 0x376f54 ; do printf '\x02' | dd conv=notrunc of=${TENSORFLOW_DIR}/python/_pywrap_tensorflow.so bs=1 seek=$((addr)) ; done
for addr in 0x93aa4 0x93b04 ; do printf '\x02' | dd conv=notrunc of=${TENSORFLOW_DIR}/contrib/layers/python/ops/_bucketization_op.so bs=1 seek=$((addr)) ; done
for addr in 0x95bec 0x95c4c ; do printf '\x02' | dd conv=notrunc of=${TENSORFLOW_DIR}/contrib/layers/python/ops/_sparse_feature_cross_op.so bs=1 seek=$((addr)) ; done
for addr in 0x9ffec 0x9fffc 0xa005c ; do printf '\x02' | dd conv=notrunc of=${TENSORFLOW_DIR}/contrib/metrics/python/ops/_set_ops.so bs=1 seek=$((addr)) ; done
for addr in 0x96aa4 0x96b04 0x96b24; do printf '\x02' | dd conv=notrunc of=${TENSORFLOW_DIR}/contrib/linear_optimizer/python/ops/_sdca_ops.so bs=1 seek=$((addr)) ; done

以下代码应添加到较新机器上的存根生成代码中。

mkdir my_include/bits
cp libstdc++-v3/include/bits/shared_ptr_atomic.h my_include/bits/
cp libstdc++-v3/include/std/memory my_include/
gcc -I$PWD/my_include -std=c++11 -fpermissive -s -shared -o ${MYSTUBS}/shared_ptr.so -fPIC -fno-builtin ./libstdc++-v3/src/c++11/shared_ptr.cc
gcc -I$PWD/my_include -std=c++11 -fpermissive -s -shared -o ${MYSTUBS}/list.so -fPIC -fno-builtin ./libstdc++-v3/src/c++98/list.cc
echo "
#include <unistd.h>
#include <stdlib.h>
char * secure_getenv (const char *name) {
          if ((getuid () == geteuid ()) && (getgid () == getegid ())) return getenv (name); else  return NULL;
}" > getenv.cc
gcc -I$PWD/my_include  -std=c++11 -fpermissive -s -shared -o    ${MYSTUBS}/getenv.so -fPIC -fno-builtin getenv.cc

当然,最终运行的代码应该更改为包含额外的存根。

LD_PRELOAD="$MYSTUBS/list.so:$MYSTUBS/mylibc.so:$MYSTUBS/shared_ptr.so:$MYSTUBS/getenv.so:$MYSTUBS/random.so:$MYSTUBS/hash_bytes.so:$MYSTUBS/chrono.so:$MYSTUBS/hashtable.so:$MYSTUBS/bad_function.so:$LIBSTDCPP" python  ${TENSORFLOW_DIR}/models/image/mnist/convolutional.py
于 2016-06-30T06:23:09.110 回答
1

如果您的 GNU C-Library 不是最新的,则主要会出现该错误。您可以使用简单的方法检查您正在运行的版本

$ ldd --version

输出应该是这样的:

ldd (Ubuntu EGLIBC 2.19-0ubuntu6.6) 2.19
Copyright (C) 2014 Free Software Foundation, Inc.
This is free software; see the source for copying conditions.
There is NO warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.
Written by Roland McGrath and Ulrich Drepper.

2.19 是您的 GLIBC 版本。要升级,您可以访问 GNU-C 库项目网站并下载最新版本。最新 glibc 的链接在这里:GNU-C library 下载 在撰写此答案时,最新的稳定版本是 2.22

我尝试在 Ubuntu 12.04 和 14.04 上运行 tensorflow。Ubuntu 14.04 不会抛出这个问题,因为它默认安装了 glibc 2.19。

希望能帮助到你。

于 2016-01-15T09:42:32.703 回答
1

@Théo T 的答案中的链接不再有效,因此我不得不尝试几种替代方法才能最终找到一种有效的方法。

mkdir ~/my_libc_env
cd ~/my_libc_env
wget http://launchpadlibrarian.net/137699828/libc6_2.17-0ubuntu5_amd64.deb
wget http://launchpadlibrarian.net/137699829/libc6-dev_2.17-0ubuntu5_amd64.deb
wget ftp://ftp.icm.edu.pl/vol/rzm5/linux-slc/centos/7.0.1406/cr/x86_64/Packages/libstdc++-4.8.3-9.el7.x86_64.rpm
ar p libc6_2.17-0ubuntu5_amd64.deb data.tar.gz | tar zx
ar p libc6-dev_2.17-0ubuntu5_amd64.deb data.tar.gz | tar zx
rpm2cpio libstdc++-4.8.3-9.el7.x86_64.rpm| cpio -idmv

使用 tensorflow 运行 python 代码

LD_LIBRARY_PATH="$HOME/my_libc_env/lib/x86_64-linux-gnu/:$HOME/my_libc_env/usr/lib64/" $HOME/my_libc_env/lib/x86_64-linux-gnu/ld-2.17.so `which python` your_program.py
于 2016-04-01T05:25:02.367 回答
1

我的解决方案类似于 Theo T 的解决方案;尽管针对 Xubuntu 12.04 (CAELinux 2013) 进行了微调

sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.6.0-cp27-none-linux_x86_64.whl
sudo su
# prompt for password
TENSORFLOW_DIR=`python -c "import imp; print(imp.find_module('tensorflow')[1])"`
for addr in 0xC6A93C 0xC6A99C 0xC6A9EC 0xC6AA0C 0xC6AA1C 0xC6AA3C; do printf '\x02' | dd conv=notrunc of=${TENSORFLOW_DIR}/python/_pywrap_tensorflow.so bs=1 seek=$((addr)) ; done

readelf -V ${TENSORFLOW_DIR}/python/_pywrap_tensorflow.so
exit

mkdir ~/.my_stubs
cd ~/.my_stubs
MYSTUBS=~/.my_stubs


printf "#include <time.h>\n#include <string.h>\nvoid* memcpy(void *dest, const void *src, size_t n) {\nreturn memmove(dest, src, n);\n}\nint clock_gettime(clockid_t clk_id, struct timespec *tp) {\nreturn clock_gettime(clk_id, tp);\n}" > mylibc.c
gcc -s -shared -o mylibc.so -fPIC -fno-builtin mylibc.c

printf "#include <functional>\nvoid std::__throw_bad_function_call(void) {\nexit(1);\n}" > bad_function.cc
gcc -std=c++11 -s -shared -o bad_function.so -fPIC -fno-builtin bad_function.cc

git clone https://github.com/gcc-mirror/gcc.git

cd gcc
mkdir my_include
mkdir my_include/ext
cp libstdc++-v3/include/ext/aligned_buffer.h my_include/ext
gcc -I$PWD/my_include -std=c++11 -fpermissive -s -shared -o $MYSTUBS/hashtable.so -fPIC -fno-builtin libstdc++-v3/src/c++11/hashtable_c++0x.cc
gcc -std=c++11 -fpermissive -s -shared -o $MYSTUBS/chrono.so -fPIC -fno-builtin libstdc++-v3/src/c++11/chrono.cc
gcc -std=c++11 -fpermissive -s -shared -o $MYSTUBS/random.so -fPIC -fno-builtin libstdc++-v3/src/c++11/random.cc
gcc -std=c++11 -fpermissive -s -shared -o $MYSTUBS/hash_bytes.so -fPIC -fno-builtin ./libstdc++-v3/libsupc++/hash_bytes.cc

以下两个步骤将运行位于 tensorflow/models/image/mnist 目录中的 convolution.py 脚本:

LIBSTDCPP=`ldconfig -p | grep libstdc++.so.6 | grep 64 | cut -d' ' -f4` #For 64bit machines
LD_PRELOAD="$MYSTUBS/mylibc.so:$MYSTUBS/random.so:$MYSTUBS/hash_bytes.so:$MYSTUBS/chrono.so:$MYSTUBS/hashtable.so:$MYSTUBS/bad_function.so:$LIBSTDCPP" python ${TENSORFLOW_DIR}/models/image/mnist/convolutional.py

如果您希望 python 始终加载这些减少的依赖项,只需使用以下步骤将其添加到 .bashrc 文件中:

echo "LIBSTDCPP=`ldconfig -p | grep libstdc++.so.6 | grep 64 | cut -d' ' -f4`" >> ~/.bashrc
echo alias python="'"LD_PRELOAD='"''$'MYSTUBS/mylibc.so:'$'MYSTUBS/random.so:'$'MYSTUBS/hash_bytes.so:'$'MYSTUBS/chrono.so:'$'MYSTUBS/hashtable.so:'$'MYSTUBS/bad_function.so:'$'LIBSTDCPP'"' python"'" >> ~/.bashrc

如果你有 ipython:

echo alias ipython="'"LD_PRELOAD='"''$'MYSTUBS/mylibc.so:'$'MYSTUBS/random.so:'$'MYSTUBS/hash_bytes.so:'$'MYSTUBS/chrono.so:'$'MYSTUBS/hashtable.so:'$'MYSTUBS/bad_function.so:'$'LIBSTDCPP'"' ipython"'" >> ~/.bashrc

基本上,我将它更新为在 dist_packages 而不是 site-packages 中完成的 python 安装。另外,我从gcc 镜像而不是 gcc 的本机 git 页面克隆。其余的都是一样的。

最后几个步骤确保每次运行 python 或 ipython 时,都会加载减少的依赖项。

于 2016-01-25T12:51:27.380 回答
0

我遇到了同样的问题并找到了以下解决方案

conda install tensorflow
于 2019-08-25T02:25:50.027 回答
0

注意:您应该根据您的平台下载 deb 包:

x86:

https://launchpad.net/ubuntu/raring/i386/libc6/2.17-0ubuntu5.1

wget http://launchpadlibrarian.net/151932048/libc6_2.17-0ubuntu5.1_i386.deb

sudo dpkg -i libc6_2.17-0ubuntu5.1_i386.deb

x64:

https://launchpad.net/ubuntu/raring/amd64/libc6/2.17-0ubuntu5.1

wget http://launchpadlibrarian.net/151925896/libc6_2.17-0ubuntu5.1_amd64.deb

sudo dpkg -i libc6_2.17-0ubuntu5.1_amd64.deb

在我的 12.04 Ubuntu x64 上进行测试。

于 2016-04-20T03:42:54.917 回答
0

以上答案很好,但即使在完成之后我仍然面临一些问题。我按照关于 rhel 的@Theo 回答进行了操作,我试图导出引发了一些错误的 LD_LIBRARY_PATH,同时 LD_LIBRARY_PATH 还包括 LD_PRELOAD 作为

mkdir libstdc
cd libstdc
rpm2cpio ../libstdc++-4.8.3-9.el7.x86_64.rpm| cpio -idmv
LD_LIBRARY_PATH="$HOME/my_libc_env/lib/x86_64-linux-gnu/:$HOME/my_libc_env/lib64/" LD_PRELOAD="$HOME/my_libc_env/libstdc/usr/lib64/libstdc++.so.6.0.19" $HOME/my_libc_env/lib/x86_64-linux-gnu/ld-2.17.so `which python`

你必须在运行 python 时总是这样做,所以制作一个脚本来加载这些变量并调用 python 解释器

vim tmp.sh

LD_LIBRARY_PATH="$HOME/my_libc_env/lib/x86_64-linux-gnu/:$HOME/my_libc_env/lib64/" LD_PRELOAD="$HOME/my_libc_env/libstdc/usr/lib64/libstdc++.so.6.0.19" $HOME/my_libc_env/lib/x86_64-linux-gnu/ld-2.17.so `which python`
于 2017-07-19T14:30:46.903 回答
0

在 python 中导入 tensorflow 时出现“未找到版本 `GLIBC_2.14'”。使用 virtualenv 管理在 Centos6.6 上的 python3.5 中导入 tensorflow:

mkdir ~/tensorflow
cd ~/tensorflow
virtualenv --system-site-packages -p python3.5 ~/tensorflow
source bin/activate
wget http://launchpadlibrarian.net/137699828/libc6_2.17-0ubuntu5_amd64.deb
wget http://launchpadlibrarian.net/137699829/libc6-dev_2.17-0ubuntu5_amd64.deb
wget ftp://195.220.108.108/linux/mageia/distrib/4/x86_64/media/core/updates/libstdc++6-4.8.2-3.2.mga4.x86_64.rpm
wget https://rpmfind.net/linux/centos/7.4.1708/updates/x86_64/Packages/glibc-2.17-196.el7_4.2.i686.rpm
ar p libc6_2.17-0ubuntu5_amd64.deb data.tar.gz | tar zx
ar p libc6-dev_2.17-0ubuntu5_amd64.deb data.tar.gz | tar zx
rpm2cpio libstdc++6-4.8.2-3.2.mga4.x86_64.rpm | cpio -idmv
rpm2cpio glibc-2.17-196.el7_4.2.i686.rpm | cpio -idmv
pip3.5 install --upgrade tensorflow
export PYTHONPATH="$HOME/tensorflow/lib/python3.5/site-packages/"
alias tfpython='LD_LIBRARY_PATH="$HOME/tensorflow/lib/x86_64-linux-gnu/:$HOME/tensorflow/usr/lib64/" $HOME/tensorflow/lib/x86_64-linux-gnu/ld-2.17.so /usr/local/bin/python3.5'
tfpython
于 2018-04-25T11:48:04.647 回答
0

我在尝试numba在运行 SUSE Linux Enterprise Server 11 的旧 HPC Linux 系统上安装时遇到了类似的问题,该系统具有 glibc 2.11.3(根据ldd --version)。我没有超级用户访问权限,并且任何常规的 conda 安装(来自频道defaults、、conda-forgenumba)都会因OSError: /lib64/libpthread.so.0: versionGLIBC_2.12而失败not found (required by ...envs/test1-py37/lib/python3.7/site-packages/llvmlite/binding/libllvmlite.so)。我设法numba通过以下步骤安装:

  1. 创建 conda 环境
  2. 在 conda 环境中,glibcnlsec环境中安装
  3. 然后使用新安装的pip来安装numballvmlite构建glibc

因此:

conda create -n test -c nlesc glibc
conda activate test
pip install numba

然后导入 numba 工作。但是,随后应注意任何后续conda install都不会“升级”llvmlite到与 不兼容的版本numba,否则旧问题会再次出现。您可能想要固定其中一个或两个以实现此效果。您必须固定构建以及版本。我创建了一个文件pinned,其中包含:

llvmlite==0.27.0-pypi
numba==0.42.0-pypi

并将其放在我的 conda 环境中的文本文件conda-meta/pinned中。

于 2019-02-11T10:29:22.067 回答
0

我已经尝试过https://stackoverflow.com/a/34897674/5929065解决方案,并且效果很好。但是libstdc++-4.8.2-7的下载链接不能再访问了,尝试从这个页面重新下载一个:http ://rpm.pbone.net/index.php3/stat/4/idpl/31981489/dir /centos_7/com/libstdc++-4.8.5-4.el7.x86_64.rpm.html

对我来说,我用这个:

wget ftp://mirror.switch.ch/pool/4/mirror/centos/7.2.1511/os/x86_64/Packages/libstdc++-4.8.5-4.el7.x86_64.rpm

于 2016-03-03T09:05:16.120 回答