Tensorflow: تعليمات غير قانونية (الأساسية ملقاة) بعد تشغيل tensorflow الاستيراد

شكرا لمشاركتك. لاحظنا أنك لم تملأ الحقل التالي في نموذج المشكلة. هل يمكنك تحديثها إذا كانت ذات صلة بحالتك ، أو تركها على أنها N / A؟ شكرا.
إصدار بازل
إصدار CUDA / cuDNN
نموذج GPU والذاكرة

أواجه نفس مشكلة "التعليمات غير القانونية" (أو ما شابه ذلك) عندما أركض

import tensorflow as tf

أنا أستخدم فقط إصدار وحدة المعالجة المركزية 1.6 على 64 بت من Ubuntu Linux.

بعد الرجوع إلى إصدار CPU 1.5 ، لا توجد هذه المشكلة.

كيف يمكنني الرجوع إلى إصدار CPU 1.5؟

جرب الجري
نقطة إلغاء التثبيت Tensorflow
وثم
نقطة تثبيت Tensorflow == 1.5

تعديل
فقط لمنح الائتمان ، الحل من هنا:
https://stackoverflow.com/questions/49094597/illegal-instruction-core-dumped-after-running-import-tensorflow

شكرا konnerthg ، حتى أنني كنت أواجه نفس المشكلة. ساعدني أوامرك في فرز هذه المشكلة. شكرا لك مرة أخرى.

كذلك هنا.
مع أحدث عجلة ، واجهت مشكلة التعليمات غير القانونية على Ubuntu 16.04 ، ومع ذلك قمت بالرجوع إلى tensorflow-gpu == 1.5 وهي تعمل!

خفضت إلى 1.5 عملت بالنسبة لي أيضا

konnerthg الرجوع إلى الإصدار 1.5 هو مجرد حل
ما الالتزام / العلاقات العامة التي حلّت هذه المشكلة؟

أحصل أيضًا على هذا الخطأ في Python 3.6

مهلا !
شكرا لك على الحل الخاص بك! هل حقا. لدي هذه المشكلة لمدة أسبوع الآن وبدأت أصاب بالجنون! شكرا !

شكرًا على الحل لقد نجح في تشغيل Ubuntu 16.04 ، 64 بت ، python3.5.

شكرا على الحل! أدى الرجوع إلى الإصدار 1.5 إلى إصلاح المشكلة. تم الاختبار على خادم Ubuntu 16.04 مع python 2.7

نفس المشكلة ، أدى الرجوع من Tensorflow 1.6 إلى 1.5 إلى حلها. تشغيل Xubuntu 16.04 64-bit Python 3.5.

شكرًا لكل هذا في حل مشكلتي في Python 3.6

_ (Tensorflow) naniny @ Aspire-E5-573 : ~ $ Pip unistall Tensorflow

_ (Tensorflow) naniny @ Aspire-E5-573 : ~ $ pip تثبيت tensorflow == 1.5

_ (Tensorflow) naniny @ Aspire-E5-573 : ~ $ python

_ (Tensorflow) naniny @ Aspire-E5-573 : ~ $ import tensorflow as tf

يعمل الان بدون اي مشكله ...

هذا غريب حقا. هل يعرف أحد ما سبب المشكلة؟ أنا مندهش من أن TensorFlow 1.6 سيكون به خلل بهذا الحجم.

أواجه هذه المشكلة أيضًا مع tensorflow-gpu 1.6.0 ، على Linux ، باستخدام python 3.6.4. لقد قمت بتثبيت Tensorflow باستخدام النقطة نفسها. ببساطة تشغيل هذا ينتج SIGILL:

$ python3 -m tensorflow
zsh: illegal hardware instruction  python3 -m tensorflow

أحصل على آثار مكدس مماثلة لما هو مذكور في وصف هذه التذكرة.

يبدو أن هذا يحدث بسبب استخدام تعليمات AVX في أحدث حزم Tensorflow التي تم تحميلها إلى النقطة. يشير تشغيل python3 عبر GDB وتفكيك وظيفة التعطل إلى هذه التعليمات:

=> 0x00007fffb9689660 <+80>:    vmovdqu 0x10(%r13),%xmm1

وهي تعليمات AVX غير مدعومة على وحدات المعالجة المركزية الأقدم أو الأقل تميزًا والتي لا تحتوي على دعم AVX. حزم tensorflow (-gpu) 1.5.0 pip لا تستخدم تعليمات AVX ، وبالتالي لا توجد مشاكل في استخدامها مع وحدات المعالجة المركزية هذه.

سيكون الحل لبناء Tensorflow (-gpu) الذي لم يتم تجميعه مع تعليمات AVX ليتم نشره (أو لإنشاء نسخة محليًا). لا تذكر تعليمات التثبيت المتوفرة أي متطلبات محددة لوحدة المعالجة المركزية ولا كيفية تحديد التوافق مع الثنائيات المتوفرة.

في غضون ذلك ، العودة إلى tensorflow (-gpu) 1.5.0 باستخدام شيء مثل NinemillaKA المذكور أعلاه هو حل بديل فعال.

لدي نفس المشكلة ، وكما علق الكثيرون ، أخفض مستوى الإصدار من 1.6.0 إلى 1.5.0 .

للتسجيل ، حاولت تشغيل Tensorflow (إصدار CPU فقط) على جهازي كمبيوتر مختلفين:

الكمبيوتر 1:

OS = Ubuntu 16.04 x64 LTS
Python = Python 3.6
pip version = 9.0.1
tensorflow version = TensorFlow 1.6.0
CPU = Intel Core 2 Quad Q6600  @2.40GHz

الكمبيوتر 2:

OS = Ubuntu 16.04 x64 LTS
Python = Python 3.6
pip version = 9.0.1
tensorflow version = TensorFlow 1.6.0
CPU = Intel Celeron N2820 @2.413GHz

أتفق مع nacl على أنه يجب أن تكون لدينا تلك المتطلبات حول مجموعة التعليمات بشكل أكثر وضوحًا ، وإذا أمكن ، إنشاء منفصل

البديل عن وجود بنية مختلفة لكل نوع معمارية هو استخدام الإرسال الديناميكي. IE ، لدى PyTorch ثنائي واحد لجميع البنى ويختار العمليات الأكثر كفاءة أثناء وقت التشغيل caisq

شكرا

أنا أيضا واجهت نفس المشكلة. لقد جربته على جهازين ، وهو يعمل على أحدهما.

أولاً ، قمت بتثبيته على جهاز MacBook Pro الخاص بي. ولم يكن لدي أي مشاكل.

MacBook Pro (Retina, Mid 2012)
CPU = 2.3 GHz Intel Core i7
OS = MacOS 10.13.3
Python = Python 3.6.4
pip version = 9.0.3
TensorFlow version = 1.6.0

لذلك قمت بترقية جهاز MacPro الخاص بي. لكن هذه المرة ، أحصل على Illegal instruction: 4 عندما أحاول استيراد tensorflow.

Mac Pro (Mid 2010)
CPU = 2 x 2.4 GHz Quad-Core Intel Xeon
OS = MacOS 10.13.3
Python = Python 3.6.4
pip version = 9.0.3
TensorFlow version = 1.6.0

(التحديث في 30/3/2018)
نفس المشكلة مع TensorFlow 1.7. لذلك أعتقد أنني استخدم TensorFlow 1.5.

لا تزال هذه مشكلة في 1.6 وربما في 1.7. لماذا هذا مغلق؟ يبدو حل yaroslavvb معقولاً. لقد خفضت تصنيفي إلى 1.5 في الوقت الحالي.

لست متأكدًا ولكن من هذا الرابط ، منذ الإصدار 1.6.0 ، تم تقديم مُحسِّن تعليمات Intel CPU إلى Tensorflow. أعتقد أن هذا هو السبب على الأرجح.
https://software.intel.com/ar-us/articles/intel-optimized-tensorflow-wheel-now-available

captainst هذا إصدار خاص بـ Intel ، يختلف عن الإصدار الرسمي الذي تحصل عليه من خلال القيام بـ pip install . من المحتمل أن تكون مشكلات SIGILL بعد التحديث 1.6 ناتجة عن إضافة AVX

لدي نفس المشكلة.
نظام التشغيل Ubuntu 18.04 x64
بايثون 3.6.5rc1
TensorFlow 1.7.0

كان لي نفس القضية. خفضت إلى 1.5 عملت بالنسبة لي.

كذلك هنا.

أنا أيضا. Arch Linux و Intel CPU.

نفس الشيء هنا على Ubuntu 17. 10.1 VM و KVM hypervisor على Slackware و Intel KabyLake CPU

أعتقد أنني اكتشفت ذلك. لدي وحدة معالجة مركزية G4600 تفتقر إلى دعم AVX وقد تمت إضافته في 1.6.

نعم ، أقفل دعم AVX أيضًا.

لإصلاح هذا في الإصدار 1.6 والإصدارات الأحدث ، تحتاج إلى تجميع Tensorflow من المصدر.

أريد استخدام أحدث إصدار من tensorflow-gpu (1.7) ولا أريد التمسك بـ 1.5. فهل الحل لبناء Tensorflow من المصدر دون تمكين دعم AVX؟ لدي Xeon E5420 قديم ولكني أستخدم tensorflow-gpu

dmoham1476 [email protected]于 2018 年 4 月 7 日 周六 2:28 写道 ：

أريد استخدام أحدث إصدار من tensorflow-gpu (1.7) ولا أريد التمسك به
1.5 هذا هو الحل لبناء Tensorflow من المصدر دون دعم AVX
ممكن؟ لدي Xeon E5420 قديم ولكني أستخدم tensorflow-gpu

-
أنت تتلقى هذا لأنك علقت.
قم بالرد على هذا البريد الإلكتروني مباشرة ، وقم بعرضه على GitHub
https://github.com/tensorflow/tensorflow/issues/17411#issuecomment-379337106 ،
أو كتم الخيط
https://github.com/notifications/unsubscribe-auth/AGeJnptN5yMdVaVdWTsIwcjOAJuJbUDQks5tl7PKgaJpZM4SbSGu
.

يمكنك البناء من مصدر من git clone master. يجب أن يتم ضبطه تلقائيًا

إلى وحدة المعالجة المركزية الخاصة بك.

يعتبر،

جين

أدى الرجوع إلى الإصدار 1.5 إلى إصلاح المشكلة. أنا أستخدم Ubuntu 16.04 مع python 2.7

نفس المشكلة
أوبونتو = 16.10
بيثون = 3.6
النقطة = 9.0.3
مع tensorflow-gpu = 1.7
بطاقة الرسومات NVIDIA GTX 1070
كودا 9.0

تم حلها بواسطة:
pip3 تثبيت tensorflow-gpu == 1.5

نفس المشكلة

نفس المشكلة
نظام التشغيل Ubuntu 16.04.0
مع tensorflow-gpu 1.7 و 1.6

نفس المشكلة في صورة Docker هذه التي تعمل في دفتر Paperspace.

المشكلة مع الإصدارات 1.6 و 1.7

وجود نفس المشكلة ، خفضت إلى 1.5. تستورد Tensorflow الآن ولكني أقوم بتشغيل برنامج نصي يحتاج إلى tensorflow_hub. يقوم البرنامج النصي بإلقاء RuntimeError: يعتمد TensorFlow Hub على إنشاء "tf-nightly" بعد 20180308 أو "tensorflow ~ = 1.7". تم العثور على tf.VERSION = 1.5.0

بفضل العودة إلى الإصدار 1.5 عملت لي أيضًا

واجهت نفس المشكلة مع tf`1.8 على CentOS 7 ، وحدة المعالجة المركزية فقط. عمل تخفيضه إلى 1.5.

بالنسبة لأولئك الذين لا يرغبون في الرجوع إلى إصدار أقدم إذا قمت بالبناء من المصدر ، يتم حل المشكلة.

عند مواجهة نفس المشكلة ، نجح الرجوع إلى الإصدار 1.5 لي.

واجهت للتو هذه المشكلة أيضًا ، على tensorflow-gpu 1.8.0 ، في آلة قالب paperpace fast.ai

لدي نفس المشكلة مع tensorflow-1.8.0. تكمن المشكلة في أنه لا يمكنني الرجوع إلى الإصدار 1.5 لأنني أرغب في التدريب باستخدام retrain.py ولإصدار Tensorflow أكبر من 1.7 يعد أحد المتطلبات. إذن ، أي اقتراحات؟ هل سيكون مفيدًا إذا قمت بإنشاء Tensorflow من المصدر؟!

نفس المشكلة هنا:
paperpace VM مع قالب fast.ai
وحدة معالجة الرسومات: nvidia quadro P4000
tensorflow 1.8.0 مثبت في Virtualenv كما في https://www.tensorflow.org/install/install_linux#installing_with_virtualenv أعطى الخطأ أعلاه (بما في ذلك عند تثبيت العجلة الموصى بها المذكورة في أسفل الصفحة)
أوبونتو 16.04 ، بيثون 3.6.3
pip uninstall tensorflow && pip install tensorflow-gpu==1.5.0 أصلح المشكلة. لم أحاول التجميع من المصدر حتى الآن.

كملاحظة جانبية ، لا يُرجع grep avx /proc/cpuinfo أي شيء ، لذا لا تدعم وحدة المعالجة المركزية لجهاز VM تعليمات avx.

مرحبًا بالجميع ، حل البناء من المصدر المشكلة بالنسبة لي.

في تاریخ یکشنبه ۱۳ مهٔ ۲۰۱۸ ، :۴۷ laurentS [email protected] نوشت:

نفس المشكلة هنا:
paperpace VM مع قالب fast.ai
وحدة معالجة الرسومات: nvidia quadro P4000
تم تثبيت tensorflow 1.8.0 في virtualenv كما في
https://www.tensorflow.org/install/install_linux#installing_with_virtualenv
أعطى الخطأ أعلاه
أوبونتو 16.04 ، بيثون 3.6.3
Pip uninstall tensorflow && pip install tensorflow-gpu = = 1.5.0 ثابت
مشكلة. لم أحاول التجميع من المصدر حتى الآن.

-
أنت تتلقى هذا لأنك علقت.
قم بالرد على هذا البريد الإلكتروني مباشرة ، وقم بعرضه على GitHub
https://github.com/tensorflow/tensorflow/issues/17411#issuecomment-388583280 ،
أو كتم الخيط
https://github.com/notifications/unsubscribe-auth/APaJX3BUFgxCemEueanuAXMfqboX5MNqks5tx1FugaJpZM4SbSGu
.

قمت بتجربة نفس المشكلة ، ولكن بعد التحول إلى tensorflow-1.5 ، عملت معي.
مشكلتي: - خطأ -> نواة ملقاة
المعالج: AMD® A4-3330mx apu مع رسومات Radeon (tm) HD × 2
الرسومات: AMD® Sumo
جنوم: 3.28.1
نوع نظام التشغيل: 64 بت ، Ubuntu 18.04 LTS

الائتمان: -https : //github.com/konnerthg

بالطبع إنه يعمل مع الإصدارات السابقة من Tensorflow لكنني بحاجة بشكل أكثر تحديدًا إلى الإصدار 1.7.0 المتوافق مع tensorflowjs الجديد. كيف يمكن؟

@ mctrjalloh شراء وحدة المعالجة المركزية الجديدة ، على ما أعتقد

لقد قمت بحلها. ليس عن طريق شراء وحدة المعالجة المركزية الجديدة😏

عليك أن تبني من مصادر الأمر ليس بهذه التعقيد

نفس المشكلة في tensorflow-gpu 1.8.0 أيضًا

نظام التشغيل: Ubuntu 18.04
بيثون: 3.6.5

نفس الشيء بالنسبة لي:

نظام التشغيل: Ubuntu 16.04
بايثون: 3.5
إصدار برنامج تشغيل NVIDIA: 384.130

تحرير: بناء من مصادر الأعمال

شكرا جزيلا!!!

يعمل CUDA9.0 + cuDNN7.1 + Tensorflow-gpu1.5

نفس المشكلة. تم الاختبار على Ubuntu 16 و Ubuntu 17 ، على 3 أجهزة مختلفة مع ذاكرة وصول عشوائي (RAM) بسعة 8 جيجا بايت و> 4 جيجا هرتز. هناك أيضًا مشكلة في أجهزة GPU.

نفس المشكلة على خادم Ubuntu 16.04. تم حلها عن طريق تجميع TensorFlow (r1.8) من المصدر وتثبيت النقطة من ذلك محليًا: +1:

تأتي المشكلة مع صور عامل الميناء أيضًا. لا أريد التحويل من المصدر. هل هناك طريقة للتغلب عليها؟ لا أريد الرجوع إلى إصدار سابق أيضًا.

في حالتي ، أدى تجميع TensorFlow (على Ubuntu 18.04) مع Bazel إلى حل المشكلة. لم يستغرق التجميع بعض الوقت.

حالتي أيضًا ، أدت إعادة تجميع TensorFlow 1.9 إلى حل المشكلة. ومع ذلك ، واجهت مشكلة أخرى تتعلق بـ numpy 1.15. تم تخفيض الإصدار إلى رقم 1.14.5 وعمل التجميع ، وتمكنت من تثبيت حزمة النقطة.

لماذا تم إغلاق هذه القضية؟ لا يزال يحدث في TensorFlow 1.10.

لقد قمت بنشر بعض الارتباطات إلى عدد قليل من عمليات إنشاء المجتمع لـ tensorflow هنا والتي قد تساعد في تجنب الاضطرار إلى البناء من المصدر.

في الواقع ، لقد اتبعت الإرشادات الموجودة على https://www.tensorflow.org/install/install_linux ولم أحصل على أكثر من "التعليمات غير القانونية (تم تفريغ النواة)" عند الاختبار كما هو مطلوب في صفحة التثبيت هذه.

لا ينبغي إغلاق هذه المشكلة أو أن يكون لها حل فعلي منطقي (أي عدم تثبيت الإصدار 1.5)

عملت على Ubuntu 18.04. لذا مرة أخرى ، قد يكون ذكر الإصدار في صفحة التثبيت فكرة جيدة كحل حول ما يصلح وما لا يصلح.

حسنًا ، يبدو أن هذه المشكلة لا تزال مستمرة .. ولكن لدي حل بسيط للغاية
سيجعلك تتبع الاتجاهات في نفس الوقت :-).

تثبيت CONDA !!!
لتثبيت conda ، فقط google it :-)

قم بإنشاء بيئة سكنية إذا أردت:

كوندا خلق

وتشغيل ببساطة:

كوندا تثبيت Tensorflow

إذا لم يعمل الأمر الأخير ، فابحث في قناة أخرى عن طريق
ادارة:

أناكوندا تينسورفلو البحث

ينتج عن ذلك قائمة بالقنوات التي يمكنك تنزيلها منها.
اختر قناة واحدة وقم بتشغيل:

عرض اناكوندا

سيطالبك هذا الأمر الذي تريد إدخاله للتنزيل
تينسورفلو.
قم بتشغيل هذا الأمر.

هذا كل شيء !

انتقل إلى CONDA !!!

يوم الخميس 23 أغسطس 2018 الساعة 10:38 مساءً Alexis Wilke [email protected]
كتب:

في الواقع ، لقد اتبعت التعليمات الموجودة في
https://www.tensorflow.org/install/install_linux ولا تحصل على المزيد
من "التعليمات غير القانونية (الأساسية ملقاة)" عند الاختبار على النحو المطلوب في
صفحة التثبيت تلك.

لا ينبغي إغلاق هذه المشكلة أو أن يكون لها حل فعلي
منطقي (أي عدم تثبيت الإصدار 1.5)

-
أنت تتلقى هذا لأنه تم ذكرك.
قم بالرد على هذا البريد الإلكتروني مباشرة ، وقم بعرضه على GitHub
https://github.com/tensorflow/tensorflow/issues/17411#issuecomment-415592389 ،
أو كتم الخيط
https://github.com/notifications/unsubscribe-auth/AWESkUXD-4XomnnPgF6D5QToWVH74JzAks5uTy7PgaJpZM4SbSGu
.

قد يكون لمشكلة الجذر علاقة بالبروتوبوف وعدم التوافق حول pthread_once و std :: call_once. لقد واجهت segfault بنفسي عند استيراد tensorflow مباشرة بعد حزمة google أخرى تسمى الجملة ، وقام صانع الجملة بإصلاحها عن طريق إجراء تصحيح لـ protobuf الذي يحل محل تطبيق std :: call_once بآخر.

https://github.com/google/sentencepiece/issues/186

لجعل هذه المشكلة أكثر إيجابية ، أعتقد أنه سيكون من المفيد أن يتحقق TensorFlow من الإرشادات التي تتطلبها على وحدة المعالجة المركزية أولاً ، ويطبع خطأ إذا كان مفقودًا. وبالمثل ، كيف تقول حاليًا أن بعض التعليمات متوفرة ولكن لم يتم تجميعها مقابل. بعد ذلك سيكون من الأسهل التمييز بين الأخطاء وعدم استخدام النظام الثنائي الصحيح لوحدة معالجة مركزية معينة.

السيد رويانيك ..Infact لقد كنت أبحث في google لمرات عديدة وقد أثر ذلك على دراستي لكل من Keras و Tensoflow ولكنك اليوم جعلت يومي .. أنت رائع.
شكرا

جربت كلاً من البيئة الافتراضية و (... ing) conda (أنت ، يا صاح في اتجاه التيار ، انطلق fys!) على Tensorflow 1.10.1 (الأحدث) في Ubuntu 16.04 بنفس الخطأ. تم التبديل إلى الإصدار السابق 1.9 - كل شيء يعمل بشكل جيد.

لقد صادفت إعادة إنتاج هذه المشكلة على جهاز يقوم بتشغيل وحدة المعالجة المركزية القديمة. إليك المقالة التي تشرح الخيارات الممكنة لحل المشكلة .

أولئك الذين يرغبون في تثبيت أحدث TensorFlow لوحدة المعالجة المركزية القديمة بدون دعم AVX ولكن ليس لديهم الوقت للبناء من المصدر يمكنهم أيضًا تنزيل ملف WHL من مستودع Github هذا .

هذا هو BS. لقد قمت بإعادة التثبيت إلى 1.9 (ليس "قبل 1.6" كما قلت في هذه المقالة) وعمل الثنائي (قبل يوم أمس).

إذا قمت بتشغيل هذا في سطر الأوامر:

1)

$ lsb_release -a| grep "Release" | awk '{print $2}'

2)

$ grep flags -m1 /proc/cpuinfo | cut -d ":" -f 2 | tr '[:upper:]' '[:lower:]' | { read FLAGS; OPT="-march=native"; for flag in $FLAGS; do case "$flag" in "sse4_1" | "sse4_2" | "ssse3" | "fma" | "cx16" | "popcnt" | "avx" | "avx2") OPT+=" -m$flag";; esac; done; MODOPT=${OPT//_/\.}; echo "$MODOPT"; }

وانظر 16.04 لـ 1) و -mavx أو -mavx2 لـ 2) في المخرجات ، يمكن أن تكون مشكلة أخرى لا تتعلق بدعم AVX.

إذا لم تكن تلك العلامات موجودة ، فهذا شيء يجب أن أضيفه إلى ملاحظتي ، شكرًا لك.

نفس الخطأ هنا ،

CentOS 7، Python 3.6.5، Intel CPU core2 duo e8500. تثبيت نقطة.

الإصدار 1.9 لا يعمل. الإصدار 1.5 يستورد موافق.

يبدو الإصدار 1.10 جيدًا على جهاز الكمبيوتر المحمول الذي يحتوي على Ubuntu 18.04 و Intel i5-6200U.

جاء ذلك على https://www.tensorflow.org/install/install_sources
ملاحظة: بدءًا من الإصدار 1.6 ، ستستخدم الثنائيات المُنشأة مسبقًا تعليمات AVX.

أعتقد أنه ربما تم ذكره في مكان أكثر بروزًا!

أدى هذا إلى حل مشكلتي:
بعد تثبيت برنامج تشغيل NVIDIA و CUDA Toolkit و CUDNN.
الإزالة الأولى tensorflow-gpu :

$ pip uninstall tensorflow-gpu

ثم قم بتثبيت tensorflow-gpu باستخدام Anaconda :

$ conda create -n tensorflow
$ conda install tensorflow-gpu -n tensorflow

جرب الجري
نقطة إلغاء التثبيت Tensorflow
وثم
نقطة تثبيت Tensorflow == 1.5

تعديل
فقط لمنح الائتمان ، الحل من هنا:
https://stackoverflow.com/questions/49094597/illegal-instruction-core-dumped-after-running-import-tensorflow

شكرا انها تعمل

ربما تتعلق بتعليمات AVX. تم إنشاء tensorflow-1.6 والإصدارات الأعلى من pip مسبقًا باستخدام تعليمات AVX ، وبعض وحدات المعالجة المركزية لا تحتوي على تعليمات AVX. لم يتم إنشاء Tensorflow-1.5 الذي تم إنشاؤه مسبقًا من خلال تعليمات AVX.
اقتراح: 1): استخدم نسخة أقل من Tensorflow
2): تجميع نسخة أعلى من Tensorflow من المصدر

نعم فعلا. في الواقع. سيكون من الأفضل ، مع ذلك ، إذا أخبرني البرنامج بدلاً من مجرد التعطل. ليس لدي مشكلة مع المتطلبات ، فقط طريقة التعامل معها ... في Linux ، سيكون من السهل جدًا التحقق من /proc/cpuinfo flags للسطر avx سيحتاج exit(1) .

ها هي أعلامي على جهاز الكمبيوتر القديم الخاص بي بدون AVX

الأعلام: fpu vme de pse tsc msr pae mce cx8 apic sep mtrr pge mca cmov pat pse36 clflush dts acpi mmx fxsr sse2 ss ht tm pbe syscall nx rdtscp lm Constant_tsc arch_perfmon pebs non bts rep_gop noplm tm2 ssse3 cx16 xtpr pdcm sse4_1 sse4_2 popcnt lahf_lm ssbd ibrs ibpb stibp kaiser tpr_shadow vnmi flexpriority ept vpid dtherm ida flush_l1d

معلومات النظام

-
وصف Lenovo-G500 8GB RAM: CPU
المنتج: Intel (R) Core (TM) i3 CPU M 330 @ 2.13 جيجاهرتز
معلومات الحافلة: وحدة المعالجة المركزية @ 0
الإصدار: إصدار وحدة المعالجة المركزية
نظام التشغيل ؛ نظام التشغيل Ubuntu-16.05
نقطة: 18 إصدار أحدث
ليس لدي gpu

أنا أيضًا أحصل على نواة تعليمات غير قانونية ملقاة. يعمل tensorforflow 1.5 بالنسبة لي ،
لكن
أحتاج إلى تثبيت أحدث إصدار من tensorflowv1.10 0r لمشروعي.

حاولت التثبيت في Tensorflow بطرق مختلفة ، هذه هي

1. بدون Anacoda ، python 2.7 ، باستخدام pip ... تثبيت Pip - tensorflow ترقية
   2 بدون أناكودا ، بيثون 3.5 ، باستخدام النقطة ""
   3. دون أناكودا ، بيثون 3.6 ، باستخدام النقطة ""
   4. with Anacoda ، python 2.7 ، باستخدام Conda conda install -c conda-forge Tensorflow
   5. دون أناكودا ، بيثون 2.7 ، باستخدام النقطة ""
   6. دون أناكودا ، بيثون 2.7 ، باستخدام النقطة ""

لا يعمل لدي ،
ما هي القضية.

تضمين التغريدة

لا يجب أن تهم الطريقة التي تقوم بها بتثبيت Tensorflow. تكمن المشكلة في أن Tensorflow 1.6+ الثنائيات التي تم إنشاؤها مسبقًا تتطلب ملحقات مجموعة تعليمات AVX ، ومعالجك لا يدعم AVX. يمكنك إما البناء من المصدر ، أو الانتقال إلى جهاز كمبيوتر بمعالج جديد بدرجة كافية ، أو التمسك بـ 1.5.

شكرا

في الأحد ، 30 ديسمبر 2018 ، 12:24 صباحًا كتب دان ستاين < [email protected] :

bandarikanth https://github.com/bandarikanth

لا يجب أن تهم الطريقة التي تقوم بها بتثبيت Tensorflow. المشكلة
هو أن Tensorflow 1.6+ الثنائيات التي تم إنشاؤها مسبقًا تتطلب AVX
https://en.m.wikipedia.org/wiki/Advanced_Vector_Extensions تعليمات
تعيين الامتدادات ، ومعالجك لا يدعم AVX. يمكنك إما
الإنشاء من المصدر أو الانتقال إلى جهاز كمبيوتر باستخدام معالج جديد بدرجة كافية أو عصا
مع 1.5.

-
أنت تتلقى هذا لأنه تم ذكرك.
قم بالرد على هذا البريد الإلكتروني مباشرة ، وقم بعرضه على GitHub
https://github.com/tensorflow/tensorflow/issues/17411#issuecomment-450512554 ،
أو كتم الخيط
https://github.com/notifications/unsubscribe-auth/AZf77RdABm0uQsxiPx0uxd45q_rz9pUVks5u97pPgaJpZM4SbSGu
.

يعمل بالنسبة لي إذا تم تخفيض الإصدار إلى 1.5 (نقطة تثبيت Tensorflow == 1.5)

ذات صلة: https://github.com/tensorflow/tensorflow/issues/19584

لدي هذه المشكلة مع tensorflow-gpu 2.0

▶ uname -r; pacman -Q linux
5.0.10-arch1-1-ARCH
linux 5.0.10.arch1-1

▶ conda env export
name: Science
channels:
  - defaults
dependencies:
  - cudatoolkit=10.0.130=0
  - cudnn=7.3.1=cuda10.0_0
prefix: /home/archangel/anaconda3/envs/Science

▶ pip freeze | ack "tensor"
tensorflow-gpu==2.0.0a0
▶ ipython                                                          
Python 3.7.3 (default, Mar 27 2019, 22:11:17)                      
Type 'copyright', 'credits' or 'license' for more information      
IPython 7.4.0 -- An enhanced Interactive Python. Type '?' for help.

In [1]: import tensorflow as tf                                    
[1]    25429 illegal hardware instruction (core dumped)  ipython   



md5-b2492dc6f0518a4ba524a15157565fb3



[18556.882892] traps: ipython[25429] trap invalid opcode ip:7fc41cde1a22 sp:7ffe68904500 error:0 in libtensorflow_framework.so[7fc41c877000+104c000]
[18556.885033] audit: type=1701 audit(1556951396.587:43): auid=4294967295 uid=1000 gid=1000 ses=4294967295 pid=25429 comm="ipython" exe="/home/archangel/anaconda3/bin/python3.7" sig=4 res=1
[18556.894046] audit: type=1130 audit(1556951396.594:44): pid=1 uid=0 auid=4294967295 ses=4294967295 msg='unit=systemd-coredump@4-25462-0 comm="systemd" exe="/usr/lib/systemd/systemd" hostname=? addr=? terminal=?
 res=success'
[18557.506049] audit: type=1131 audit(1556951397.204:45): pid=1 uid=0 auid=4294967295 ses=4294967295 msg='unit=systemd-coredump@4-25462-0 comm="systemd" exe="/usr/lib/systemd/systemd" hostname=? addr=? terminal=?
 res=success'

أتلقى هذا الانهيار في i7-3520M الذي يدعم AVX .

تحرير: نيفيرمايند ، يحدث الانهيار بناءً على تعليمات shlx والتي تعد جزءًا من AVX2. على الأقل يظهر أن دعم Vanilla AVX ليس كافيًا.

لا تزال تواجه مشكلة Tensorflow 1.14.0 و 2.0.0b1.

نفس الخطأ في Linux Mint 19 مع 2.0.0b1.
فقط قم بالتثبيت مع pip3 مثل التعليمات من صفحة التثبيت على الموقع الرسمي

tf1.5 غير متوفر في ديبيان 8.8 repos.

حان الوقت لتجربة AVX.

كان من الصعب جدًا العثور على هذا الأمر في عقد المجموعات المُدارة ، نظرًا لأن نظام التشغيل يقتل عمليات python ذات الصلة قبل أن يتمكنوا حتى من كتابة سطر "الإرشادات غير القانونية" هذا ومسحه إلى ملف سجل الإخراج ، ويبدو أن رمز الخروج من عملية Python هو 0 .

كنت أستخدم أيضًا الإصدار 2.0.0-beta1 ، وأكتشف حاليًا ما إذا كان استبداله بـ 2.0.0 يعمل على إصلاح ذلك.

أنا أيضا لدي هذه المشكلة. أنا أستخدم python2 . ساعد الرجوع إلى إصدار CPU 1.5.

أواجه هذه المشكلة مع Tensorflow 2 الذي يعمل في بيئة افتراضية في Ubuntu 18.04. لقد أذهلني أن مطوري Tensorflow سيضعون TF 2 على أنه جاهز ومتوفر مع حدوث هذا الهراء. لست منبهرًا ، أنت مطورو TF.

إخراج dmesg (من bash):
[333908.854310] الاعتراضات: python [12862] trap ipcode opcode ip: 7f8c46e6d820 sp: 7ffc87609f78 خطأ: 0 في _pywrap_tensorflow_internal.so [7f8c3e250000 + a9f8000]
لينوكس مينت 19
Intel (R) Pentium (R) CPU P6200 @ 2.13 جيجاهرتز
8 جيجا بايت رام (كينجستون)

هذه مشكلة كبيرة متعلقة بوحدة المعالجة المركزية.

بعد قراءة هذا الموضوع وامتلاك نفس التجربة ، مشكلتي هي أن حاسوبي لينكس أقدم ولديه وحدة معالجة مركزية لا تدعم مجموعة تعليمات AVX. لدي tensorflow 1.5 في بيئة افتراضية أخرى ، لاستخدام tensorflow 2 ، سأضطر إلى تشغيل البرامج النصية الخاصة بي على Google Colab

ليس لدي المعرفة لأقول ما إذا كانت متطلبات AVX منطقية أم لا. ما أعرفه هو أن المشكلة لا تظهر فقط مع وحدات المعالجة المركزية القديمة ، ولكن أيضًا مع وحدات المعالجة المركزية الحديثة إلى حد ما ، مثل خاصتي Intel N5000. أحصل على أن القيام بالتعلم العميق على N5000 هو نوع من الامتداد ، ولكن إذا كان Tensorflow مدعومًا أيضًا بواسطة RaspberryPi ، فلا أرى المشكلة.

على أي حال ، قمت بتثبيت الإصدار الأخير من TensorFlow (2.0) على جهاز Intel N5000 عن طريق تجميعه من المصدر. استغرق الأمر 14 ساعة لأنني اضطررت إلى تشغيل التجميع على نواة واحدة ، نظرًا لأنه يحتاج إلى الكثير من ذاكرة الوصول العشوائي ولديّ 4 جيجابايت فقط مدعو إلى الحفلة.

لقد استلهمت من هذا الدليل هنا ولكن التجربة كانت بعيدة كل البعد عن السلاسة ، فقد كانت هناك تبعيات مفقودة باستمرار أحتاجها لتثبيت وإعادة تشغيل التجميع. وبعض الأشياء الأخرى أيضًا التي قمت بحلها عندما تعطلت المجموعة.

استمتع وشكرا على المتاعب. من الواضح أن توفير ثنائي تم تجميعه بالفعل لغير AVX من خلال النقطة كان أكثر من اللازم لإضافته إلى سير عمل التكامل المستمر

شكرا لاستجابتك لوكا. لدي سطح مكتب Ubuntu 18.04 قديم حقًا
الذي يعمل بشكل جيد إلا في تشغيل TF2 وفي الواقع ،
أحدث إصدار من PyTorch (1.3.0) على ما أعتقد.
Torch 1.1.0 يعمل بشكل جيد بالنسبة لي ، وفيما يتعلق بـ TF2 ، أستخدم Google Colab
يعمل بشكل جيد. أنا محلل بيانات متقاعد وأحتفظ بملفي الشخصي للهواة

شكرا لمنشورك

يوم السبت 7 ديسمبر 2019 الساعة 6:52 مساءً Luca Olivieri [email protected]
كتب:

ليس لدي المعرفة لأقول ما إذا كانت متطلبات AVX منطقية أم
ليس. ما أعرفه هو أن المشكلة لا تظهر فقط مع كبار السن
وحدات المعالجة المركزية ، ولكن أيضًا مع وحدات حديثة إلى حد ما ، مثل خاصتي Intel N5000. فهمت ذلك
يعد القيام بالتعلم العميق على N5000 أمرًا ممتدًا بعض الشيء ، ولكن إذا كان تدفق التوتر
مدعوم أيضًا من RaspberryPi ، لا أرى المشكلة.

على أي حال ، قمت بتثبيت الإصدار الأخير من TensorFlow (2.0) على جهاز Intel N5000
من خلال تجميعها من المصدر. استغرق الأمر 14 ساعة لأنني اضطررت إلى تشغيل
تجميع على نواة واحدة ، لأنه يحتاج إلى الكثير من ذاكرة الوصول العشوائي ولدي فقط
تمت دعوة 4Gb للحفل.

لقد استلهمت من هذا الدليل هنا
https://tech.amikelive.com/node-882/how-to-build-and-install-the-latest-tensorflow-without-cuda-gpu-and-with-optimized-cpu-performance-on-ubuntu/
لكن التجربة كانت بعيدة كل البعد عن السلاسة ، فقد كانت هناك تبعيات مستمرة
في عداد المفقودين أنني بحاجة إلى تثبيت وإعادة تشغيل التجميع. و البعض
أشياء أخرى أيضًا قمت بحلها عندما تعطلت الترجمة.

استمتع وشكرا على المتاعب. توفير ثنائي بالفعل من خلال النقطة
المترجمة لغير AVX كان من الواضح أنه أكثر من اللازم لإضافته إلى ملفك المستمر
تكامل سير العمل

-
أنت تتلقى هذا لأنك علقت.
قم بالرد على هذا البريد الإلكتروني مباشرة ، وقم بعرضه على GitHub
https://github.com/tensorflow/tensorflow/issues/17411؟email_source=notifications&email_token=ACYHH362LGI5EZY3G74CMVLQXQZKDA5CNFSM4ETNEGXKYY3PNVWWK3TUL52HS4DFVREXG43VMV72
أو إلغاء الاشتراك
https://github.com/notifications/unsubscribe-auth/ACYHH3YLNAER6NGNLKYNMPDQXQZKDANCNFSM4ETNEGXA
.

-
Clive DaSilva CPA، CMA
الصفحة الرئيسية: 416-421-2480 | الجوال: 820-560-416
البريد الإلكتروني: clive. [email protected]
لينكد إن: http://ca.linkedin.com/pub/clive-dasilva/3/197/b89

واجهت نفس المشكلة عند تشغيل خطوط أنابيب CI على خادم Gitlab. لم تقدم وحدة المعالجة المركزية (التي تمت مضاهاتها) للمتسابقين تعليمات AVX.

أدى تثبيت Tensorflow مع Conda بدلاً من استخدام عجلات PyPI إلى إصلاح المشكلة. : +1:

لدي نفس المشكلة مع Tensorflow 2.1.0. ما يجب القيام به؟

Architecture:        x86_64
CPU op-mode(s):      32-bit, 64-bit
Byte Order:          Little Endian
CPU(s):              48
On-line CPU(s) list: 0-47
Thread(s) per core:  1
Core(s) per socket:  12
Socket(s):           4
NUMA node(s):        8
Vendor ID:           AuthenticAMD
CPU family:          16
Model:               9
Model name:          AMD Opteron(tm) Processor 6176
Stepping:            1
CPU MHz:             800.000
CPU max MHz:         2300.0000
CPU min MHz:         800.0000
BogoMIPS:            4599.77
Virtualization:      AMD-V
L1d cache:           64K
L1i cache:           64K
L2 cache:            512K
L3 cache:            5118K
NUMA node0 CPU(s):   0-5
NUMA node1 CPU(s):   6-11
NUMA node2 CPU(s):   12-17
NUMA node3 CPU(s):   18-23
NUMA node4 CPU(s):   24-29
NUMA node5 CPU(s):   30-35
NUMA node6 CPU(s):   36-41
NUMA node7 CPU(s):   42-47
Flags:               fpu vme de pse tsc msr pae mce cx8 apic sep mtrr pge mca cmov pat pse36 clflush mmx fxsr sse sse2 ht syscall nx mmxext fxsr_opt pdpe1gb rdtscp lm 3dnowext 3dnow constant_tsc rep_good nopl nonstop_tsc cpuid extd_apicid amd_dcm pni monitor cx16 popcnt lahf_lm cmp_legacy svm extapic cr8_legacy abm sse4a misalignsse 3dnowprefetch osvw ibs skinit wdt nodeid_msr hw_pstate vmmcall npt lbrv svm_lock nrip_save pausefilter

تمكنت من حل مشكلتي من خلال البناء من المصدر باستخدام bazel. أنشأت ملف whl. ثم قمت بتثبيت مسار ملف whl

نعم ، إذا كانت وحدة المعالجة المركزية الخاصة بك لا تدعم AVX (السبب المحتمل لخطأ Illegal instruction (core dumped) ) فأنت بحاجة إلى التجميع من المصدر. يؤدي هذا إلى إنشاء الكود بدون تعليمات AVX ومن ثم يمكنك استخدامه.

علاوة على ذلك ، يضمن هذا أن يتم إنشاء النقطة بأعلى مستوى تحسين متاح لمنصتك ، لذلك قد ترى بالفعل بعض التسريع مقارنة باستخدام نقطة مبنية على منصة مختلفة. ركز على القوة.

لتثبيت Tensorflow باستخدام conda ، قم بتشغيل هذا الأمر:
تثبيت Conda -c Conda-Forge Tensorflow
إنه يعمل بالنسبة لي.