在 Ubuntu 12.04 的 Python 2.7 中导入 Tensorflow 时出错。 '未找到 GLIBC_2.17'

Question

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)

我尝试将 GLIBC_2.15 更新到 2.17，但没有成功。

Answer 1

我刚刚设法在 CentOS 6.5 上使用 glibc 2.12 安装了 tensorflow 0.12rc0，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，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。

This is，可能是最好的选择，如果你的系统supports this，你有root权限，你相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。 Here 是流行发行版中默认 GLIBC 版本的简短列表。

选项 2 - 将第二个 GLIBC 添加到您的系统

Compile or download binary。最简单直接的选择。特别是如果您只需要run few simple scripts。

• is possible 在同一系统上拥有多个版本的 glibc，但应该非常小心地执行此操作。
• 如果您的所有更改仅限于虚拟环境，您就不会破坏您的系统。
• 之前安装/编译的许多程序可能依赖于旧 GLIBC，would just crash 在您的新环境中（例如您的 python IDE）。包括最基本的 bash 命令，如“lc”、“cd”等。
• significant memory leaks 等其他副作用也是可能的。
• 因此，add new GLIBC to your normal environment 是一个非常糟糕的主意，例如通过.bashrc。
• 另一方面，如果您在新的虚拟环境中需要一些特定的工具，您可以recompile it, linking against new GLIBC。因此，它可以在您的新环境中正常工作。
• 但是，就我个人而言，我很快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）。
• slightly different approach 由 GLIBC 开发人员正式提供，用于测试新的 GLIBC 版本。

选项 3 - 补丁张量流

This 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。 here 是对 0.9.0 的修复。

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“in general”和“专门用于 tensorflow”的最佳选择。

• 这适用于 r0.11，并且可能会运行多年，但理论上，如果他们决定实际使用一些新的 GLIBC 功能，旧版本中不存在，它可能会在一些较新的 tensorflow 版本中中断。
• 说实话，从源代码构建 TensorFlow 并不简单，尤其是在过时的系统上。

“在过时系统上构建 tensorflow”的简要总结：

虽然官方指南提供了“installing from sources”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 以及官方 github 上的一些有用帖子（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才能成功编译 TF。

1. 首先，检查您的gcc --version 和verify 是否支持c++11。我的是 4.4.7，所以它不会工作。我有downloaded gcc-4.9.4 源代码和compiled it。这一步非常简单，但编译本身可能需要几个小时。作为 bazel 中问题的解决方法，我已将 gcc 与 hardcoded paths 编译为 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
   

2. 检查您的java --version。 Bazel 需要 JDK 8，如有必要，请安装它。 （他们仍然 provide 一些与 jdk7 相关的下载，用于 bazel-0.4.1 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。当我需要与这个较新的编译器相关的东西时，我会使用source ./use_gcc_4.9.4.sh。

   #!/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 (0.4.1) requires GLIBC 2.14，所以我们也必须 compile bazel from source（使用我们的新 gcc）。工作正常，除非你在目标机器上只有allowed to run a very limited number of threads。 （This 帖子描述了一些额外的解决方法，但在我的情况下，它们并不需要，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official guide。

6. 如果您不使用默认系统 gcc（例如，如果您必须编译更新的 gcc，如上所述），请将 the following linker flags 添加到 tensorflow/third_party/gpus/crosstool/CROSSTOOL.tpl、line 59：

   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"
   

   如果不执行此步骤，您可能会遇到this 之类的错误消息：

   # 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，我们必须静态链接一些库，通过添加 -lrt 链接器标志（maybe -lm 也是如此）。我发现了多个帖子，建议以不同的方式添加：

   • 通过bazel command line（可能听起来很合理，但在当前的 tensorflow 版本上不适合我，不知何故），
   • 通过"bazel-tensorflow/external/protobuf/BUILD"（不确定它是否正常工作，但这看起来不太方便 - 此文件仅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同一个文件，就在我们已经添加的行的下方）。

     linker_flag: "-lrt"
     linker_flag: "-lm"
     

   • 通过"tensorflow/tensorflow.bzl"（对我有用，但不太方便，因为您必须再编辑一个文件。我不确定它是否与上一点100％等效）

   没有-lrt我又遇到了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this（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

9. 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))
   

Answer 2

我试过BR_User solution还是有一个烦人的：

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，因此为了构建 BR_User 解决方案，我提取了正确的 libstdc++ 包，但我发现不需要虚拟环境。

假设你已经安装了 tensorflow，它给出：

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another solution，但你不会喜欢它。

Answer 3

我遇到了同样的问题，所以我用谷歌搜索了这些步骤：

$ 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

然后退出：

$ deactivate 

这对我有用。

Answer 4

好的，这是我在previous answer 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。 就我而言，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；但暂时没有。

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，没有他我无法做到。

所以让我们从弱化依赖开始，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，如果尚未完成创建并激活您的virtualenv，如果您有一个（如果您不是管理员 virtualenv 是一种解决方案，另一种是将--user 标志添加到 pip 命令），并安装 tensorflow 0.6.0（替换cpu by gpu in the url if you want the gpu version) :

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

这是一个 gpu（只运行正确的一个，否则会损坏二进制文件）：

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。

现在我们要为丢失的 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（或具有相似版本标准库的机器（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，而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，我假设我们仍在~/my_stubs 中，并且您以某种方式在机器上共享您的家，否则您只需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，而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（以及您本地的 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

:)

Answer 5

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”代码应该更改：

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

Answer 6

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 Download 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。

希望对你有帮助。

Answer 7

我的解决方案与 Theo T 的类似；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，只需通过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-mirror 克隆而不是 gcc 的本机 git 页面。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。

Answer 8

@Théo T 答案中的链接不再有效，因此我不得不尝试几种替代方法，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

Answer 9

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的下载链接已经无法访问了，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：

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

Answer 10

注意：你应该根据你的平台下载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 上测试。

Answer 11

上面的答案很好，但即使在完成之后我仍然遇到了一些问题。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`

Answer 12

在 python 中导入 tensorflow 时出现“未找到版本 `GLIBC_2.14'”。使用 virtualenv 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

Answer 13

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

1. 创建 conda 环境
2. 在 conda 环境中，从 nlsec 环境安装 glibc
3. 然后使用pip安装numba和llvmlite针对新安装的glibc构建：

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的conda install 不会“升级”llvmlite 到与numba 不兼容的版本，否则旧问题会再次出现。您可能需要to pin 中的一个或两个来实现此效果。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。

Answer 14

我也遇到了同样的问题，found the following solution:

conda install tensorflow