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。
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）：
这可能是最好的选择，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。这是流行发行版上默认 GLIBC 版本的简短列表。
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。
.bashrc.这可能适用于 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。
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。
“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。
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,ld和nm. 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=$HOME/opt/gcc-4.9.4 \
--disable-multilib \
--disable-nls \
--enable-languages=c,c++ \
--with-ld=/usr/bin/ld \
--with-nm=/usr/bin/nm \
--with-as=/usr/bin/as
make
make install
检查您的java --version. Bazel 需要 JDK 8，如有必要，请安装它。（他们仍然为 bazel-0.4.1提供一些与 jdk7 相关的下载，但看起来他们认为它已被弃用）
我创建了一个单独的use_gcc_4.9.4.sh文件，其中包含必要的环境变量。source ./use_gcc_4.9.4.sh当我需要与这个较新的编译器相关的东西时，我会使用它。
#!/bin/sh
this=$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
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。）
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。
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.tpl第59 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)
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：
通过“third_party/gpus/crosstool/CROSSTOOL.tpl”（我们刚刚在上一步中编辑的同一个文件，就在我们已经添加的行下方）。
linker_flag: "-lrt"
linker_flag: "-lm"
通过“tensorflow/tensorflow.bzl”（对我有用，但不太方便，因为您必须再编辑一个文件。我不确定它是否 100% 等同于前一点）
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）。
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
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))
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。
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。
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 ${TENSORFLOW_DIR}/python/_pywrap_tensorflow.so
如果您想了解这里发生了什么，请查看这篇文章。
现在我们将为缺少的 libc 符号制作存根：
mkdir ~/my_stubs
cd ~/my_stubs
MYSTUBS=~/my_stubs
printf "#include <time.h>\n#include <string.h>\nvoid* memcpy(void *dest, const void *src, size_t n) {\nreturn memmove(dest, src, n);\n}\nint clock_gettime(clockid_t clk_id, struct timespec *tp) {\nreturn clock_gettime(clk_id, tp);\n}" > mylibc.c
gcc -s -shared -o mylibc.so -fPIC -fno-builtin mylibc.c
您需要在缺少依赖项的机器（或具有类似标准库版本的机器（例如在集群中））上执行该步骤。
现在我们可能会更换机器，因为我们需要一个支持 c++11 的 gcc，并且它可能不在缺少所有依赖项的机器上（或者您可以使用最近 gcc 的隔离安装）。在下文中，我假设我们还在，~/my_stubs并且您以某种方式在机器上共享您的家，否则您只需要复制我们将在完成后生成的 .so 文件。
所以，我们可以为 libstdc++ 做一个存根，对于剩下的缺失的存根，我们将从 gcc 源代码编译它们（克隆存储库可能需要一些时间）：
printf "#include <functional>\nvoid std::__throw_bad_function_call(void) {\nexit(1);\n}" > bad_function.cc
gcc -std=c++11 -s -shared -o bad_function.so -fPIC -fno-builtin bad_function.cc
git clone https://github.com/gcc-mirror/gcc.git
cd gcc
mkdir my_include
mkdir my_include/ext
cp libstdc++-v3/include/ext/aligned_buffer.h my_include/ext
gcc -I$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 ${TENSORFLOW_DIR}/models/image/mnist/convolutional.py
:)
注意 Theo Trouillon 的“弱化”解决方案。它仅适用于 TensorFlow 0.6.0。如果你想将它应用于 Tensorflow 0.9.0，它会变得更加棘手。我的情况是 CPU 模式，Centos 6.7，其中 GLIBC 2.12 GLIBCXX 3.4.13。
安装张量流：
pip uninstall protobuf
pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.9.0-cp27-none-linux_x86_64.whl
“弱化”代码应更改：
TENSORFLOW_DIR=`python -c "import imp; print(imp.find_module('tensorflow')[1])"`
for addr in 0x376e34 0x376e94 0x376ef4 0x376f14 0x376f24 0x376f44 0x376f54 ; do printf '\x02' | dd conv=notrunc of=${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
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。
@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/" $HOME/my_libc_env/lib/x86_64-linux-gnu/ld-2.17.so `which python` your_program.py
我的解决方案类似于 Theo T 的解决方案；尽管针对 Xubuntu 12.04 (CAELinux 2013) 进行了微调
sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.6.0-cp27-none-linux_x86_64.whl
sudo su
# prompt for password
TENSORFLOW_DIR=`python -c "import imp; print(imp.find_module('tensorflow')[1])"`
for addr in 0xC6A93C 0xC6A99C 0xC6A9EC 0xC6AA0C 0xC6AA1C 0xC6AA3C; do printf '\x02' | dd conv=notrunc of=${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:'$'LIBSTDCPP'"' ipython"'" >> ~/.bashrc
基本上，我将它更新为在 dist_packages 而不是 site-packages 中完成的 python 安装。另外，我从gcc 镜像而不是 gcc 的本机 git 页面克隆。其余的都是一样的。
最后几个步骤确保每次运行 python 或 ipython 时，都会加载减少的依赖项。
我遇到了同样的问题并找到了以下解决方案：
conda install tensorflow
注意：您应该根据您的平台下载 deb 包：
x86:
https://launchpad.net/ubuntu/raring/i386/libc6/2.17-0ubuntu5.1
wget http://launchpadlibrarian.net/151932048/libc6_2.17-0ubuntu5.1_i386.deb
sudo dpkg -i libc6_2.17-0ubuntu5.1_i386.deb
x64:
https://launchpad.net/ubuntu/raring/amd64/libc6/2.17-0ubuntu5.1
wget http://launchpadlibrarian.net/151925896/libc6_2.17-0ubuntu5.1_amd64.deb
sudo dpkg -i libc6_2.17-0ubuntu5.1_amd64.deb
在我的 12.04 Ubuntu x64 上进行测试。
以上答案很好，但即使在完成之后我仍然面临一些问题。我按照关于 rhel 的@Theo 回答进行了操作，我试图导出引发了一些错误的 LD_LIBRARY_PATH，同时 LD_LIBRARY_PATH 还包括 LD_PRELOAD 作为
mkdir libstdc
cd libstdc
rpm2cpio ../libstdc++-4.8.3-9.el7.x86_64.rpm| cpio -idmv
LD_LIBRARY_PATH="$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" $HOME/my_libc_env/lib/x86_64-linux-gnu/ld-2.17.so `which python`
在 python 中导入 tensorflow 时出现“未找到版本 `GLIBC_2.14'”。使用 virtualenv 管理在 Centos6.6 上的 python3.5 中导入 tensorflow：
mkdir ~/tensorflow
cd ~/tensorflow
virtualenv --system-site-packages -p python3.5 ~/tensorflow
source bin/activate
wget http://launchpadlibrarian.net/137699828/libc6_2.17-0ubuntu5_amd64.deb
wget http://launchpadlibrarian.net/137699829/libc6-dev_2.17-0ubuntu5_amd64.deb
wget ftp://195.220.108.108/linux/mageia/distrib/4/x86_64/media/core/updates/libstdc++6-4.8.2-3.2.mga4.x86_64.rpm
wget https://rpmfind.net/linux/centos/7.4.1708/updates/x86_64/Packages/glibc-2.17-196.el7_4.2.i686.rpm
ar p libc6_2.17-0ubuntu5_amd64.deb data.tar.gz | tar zx
ar p libc6-dev_2.17-0ubuntu5_amd64.deb data.tar.gz | tar zx
rpm2cpio libstdc++6-4.8.2-3.2.mga4.x86_64.rpm | cpio -idmv
rpm2cpio glibc-2.17-196.el7_4.2.i686.rpm | cpio -idmv
pip3.5 install --upgrade tensorflow
export PYTHONPATH="$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
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-forge或numba）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：
glibc从nlsec环境中安装pip来安装numba和llvmlite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。
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：