python2.7安装tensorflow失败_在Ubuntu 12.04中导入Python 2.7中的Tensorflow时出错。

我刚刚设法使用glibc 2.12在CentOS 6.5上安装tensorflow 0.12rc0，没有root权限。只需通过pip安装tensorflow二进制文件就会给我一个错误，也与GLIBC版本有关。

基本上，你有4个选项来处理这个问题(每个都有一些优点和缺点)：

选项1 - 全局升级您的系统GLIBC。

这可能是最佳选择，如果您的系统支持此功能，您拥有root权限，并且您确信此升级不会因某些奇怪的原因而破坏任何内容。最终，这可以升级整个Linux发行版。这是流行发行版上默认GLIBC版本的简短列表。

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。最简单明了的选择。特别是如果你只需要运行一些简单的脚本。

它可能具有相同的系统上的glibc的多个版本，但应该有一个非常小心做到这一点。

如果您的所有更改仅限于虚拟环境，则不会销毁您的系统。

之前安装/编译的许多程序可能依赖于旧的GLIBC，只会在您的新环境(例如您的python IDE)中崩溃。包括最基本的bash命令，如“lc”，“cd”等。

其他副作用，如重大内存泄漏也是可能的。

因此，将新的GLIBC添加到您的正常环境中是一个非常糟糕的主意，例如通过.bashrc。

另一方面，如果您需要在新的虚拟环境中使用某种特定工具，则可以重新编译它，链接新的GLIBC。所以，它可以在你的新环境中正常工作。

但是，就个人而言，我很快就放弃了在新环境中重新编译所需的一切(没有root和包管理器)。

GLIBC开发人员正式提供了一种稍微不同的方法，用于测试新的GLIBC构建。

选项3 - 补丁张量流

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，这是0.9.0的修复程序。

选项4 - 从源编译张量流

如果您从源代码重新编译它并链接到现有的GLIBC，则不再需要更新的GLIBC。不知何故，这个选项在这里没有提到任何答案。Imho，这是“ 一般 ”和“专门针对张量流” 的最佳选择。

这适用于r0.11并且可能会工作多年，但理论上，它可能会在一些较新的tensorflow版本中出现问题，如果他们决定实际使用一些新的GLIBC功能，而不是在旧版本中。

说实话，从源代码构建张量流并不简单，特别是在过时的系统上。

“过时系统构建张量流”的快速摘要：

虽然官方指南提供了“ 从源代码安装 ”部分，但是在过时的系统上构建它需要做很少的技巧。在这里，我假设您没有root权限(如果您这样做 - 您可能能够使用包管理器安装相同的预先请求，而不是从源代码手动构建它们)。

我找到了两个记录完备的成功案例：＃1，＃2和官方github上的一些有用的帖子(主要是关于二进制内部链接的一组库)：＃1，＃2，＃3，＃4。我必须结合技巧，在那里描述成功编译TF在我的情况下。

首先，检查一下gcc --version，并验证它是否支持c ++ 11。我的是4.4.7，所以它不起作用。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。至于在巴泽尔的问题的解决方法，我用gcc编译硬编码路径来as，ld和nm。但是，您可以尝试另一种解决方法：(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

检查你的java --version。Bazel需要JDK 8，必要时安装它。(他们仍然为bazel-0.4.1 提供了一些jdk7相关的下载，但看起来他们认为它被弃用了)

我创建了一个单独的use_gcc_4.9.4.sh文件，包含必要的环境变量。source ./use_gcc_4.9.4.sh当我需要这么新的编译器时，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，因此我们必须从源代码编译bazel(使用我们的新gcc)。工作正常，除非您只允许在目标计算机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，可能是由于最近的bazel代码更新。)

获取tensorflow源代码git clone https://github.com/tensorflow/tensorflow，并安装所需的先决条件(CUDA，cuDNN，python等)。见官方指南。

如果你不使用默认的系统GCC(例如，如果你有编译新的gcc，像上面所讨论的)，添加下面的链接器标志来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，你可能会遇到这样的错误消息这样：

# 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(也许 -lm也是如此)静态链接一些库。我找到了多个帖子，建议以不同的方式添加：

通过bazel命令行(可能听起来很合理，但对于我当前的tensorflow版本不合适，不知何故)，

通过“bazel-tensorflow / external / protobuf / BUILD”(不确定它是否正常工作，但这看起来不方便 - 这个文件只在构建尝试期间创建)

通过“third_party / gpus / crosstool / CROSSTOOL.tpl”(我们刚刚在上一步中编辑的文件，就在我们已添加的行的下方)。

linker_flag: "-lrt"

linker_flag: "-lm"

通过“tensorflow / tensorflow.bzl”(对我有用，但不太方便，因为你必须再编辑一个文件。我不确定它是否与前一点100％相当)

没有-lrt我再次遇到GLIBC版本特定的错误，试图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运行：

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))