为什么在 Mac 上加载 tensorflow 会导致“进程以退出代码 132 完成（被信号 4：SIGILL 中断）”？答案

【问题标题】：Why does loading tensorflow on Mac lead to "Process finished with exit code 132 (interrupted by signal 4: SIGILL)"?为什么在 Mac 上加载 tensorflow 会导致“进程以退出代码 132 完成（被信号 4：SIGILL 中断）”？
【发布时间】：2021-03-22 08:28:59
【问题描述】：

我正在使用配备 M1 处理器的 MacBook Pro，macOS 版本 11.0.1，PyCharm 中的 Python 3.8，Tensorflow 版本 2.4.0rc4（也尝试过 2.3.0、2.3.1、2.4.0rc0）。我正在尝试运行以下代码：

import tensorflow

这会导致错误消息：

Process finished with exit code 132 (interrupted by signal 4: SIGILL)

代码在我的 Windows 和 Linux 机器上运行良好。错误消息是什么意思，我该如何解决？

【问题讨论】：

SIGILL 表示非法指令，在汇编级别，所以我认为这是我们无法解决的问题，您应该向您的 TensorFlow 版本的提供者提交错误（是苹果的还是官方的） TF 轮子？）
@Dr.Snoopy 我使用 pip 从 pypi.python.org 下载了 Tensorflow。我不知道这是否意味着我使用的是 Apple 或官方的 TF 轮子。
我还尝试了按照 github 上“tensorflow_macos”存储库中的说明获得的 TF 版本：github.com/apple/tensorflow_macos。也许这就是您所说的Apple版本。安装正常，但错误依旧。
这个解决方案对我有用：github.com/apple/tensorflow_macos/issues/65

标签： python-3.x macos tensorflow

【解决方案1】：

似乎当您安装了多个 python 解释器时会发生此问题，其中一些是针对不同的架构师（x86_64 与 arm64）。您需要确保使用了正确的 python 解释器，如果您安装了 Apple 的 tensorflow 版本，那么这可能需要 arm64 解释器。

如果你使用rosetta（苹果的x86_64模拟器）那么你需要使用x86_64 python解释器，如果你以某种方式加载arm64 python解释器，你会得到非法指令错误（这完全有道理）。

如果您使用任何安装新 python 解释器的脚本，那么您需要确保安装了适用于架构的正确解释器（很可能是 arm64）。

总的来说，我认为这个问题的发生是因为 python 环境设置不适用于可以运行多个指令集/架构的系统，pip 确实检查了包的架构和主机系统，但似乎你可以运行 x86_64 解释器来加载一个用于 arm64 的包，这会产生问题。

作为参考，tensorflow_macos 中有一个 issue，人们可以查看。

【讨论】：

谢谢。问题是我使用 Rosetta 终端来尝试运行我的 arm64 tensorflow 代码。如何检查我的 Python 解释器是 x86_64 还是 arm64？我怎样才能告诉 pip 下载 x86_64 包？我想去所有x86_64，但我不知道怎么做。我应该将其创建为一个新问题吗？
@user505117 这很复杂，因为正如我的回答所说，python 解释器不知道这两种架构，只有一个。所以在使用rosetta和原生python解释器时要非常小心。
@user505117 您可以通过此代码检查架构。 >> 导入平台 >> platform.platform() 'macOS-10.16-x86_64-i386-64bit'

【解决方案2】：

我已经能够通过使用 Miniforge 而不是 Anaconda 作为 Python 环境来解决这个问题。 Anaconda 还不支持 arm64 架构。

【讨论】：

【解决方案3】：

安装 Tensorflow 1.15 版为我解决了这个问题。

$ conda install tensorflow==1.15

【讨论】：

【解决方案4】：

我遇到了同样的问题

这是因为 M1 芯片。现在有一个预发布版本，可为 macOS 11.0+ 提供硬件加速的 TensorFlow 和 TensorFlow Addons。 M1 Mac 和基于 Intel 的 Mac 通过 Apple 的 ML Compute 框架支持原生硬件加速。

你需要安装支持M1芯片的TensorFlow 只需拉取这个tensorflow macos仓库并运行./scripts/download_and_install.sh

【讨论】：