Vielen Dank für Ihren Beitrag. Wir haben festgestellt, dass Sie das folgende Feld in der Problemvorlage nicht ausgefüllt haben. Könnten Sie sie aktualisieren, wenn sie in Ihrem Fall relevant sind, oder sie als N/A belassen? Danke.
Habe ich benutzerdefinierten Code geschrieben
Betriebssystemplattform und -verteilung
TensorFlow installiert von
TensorFlow-Version
Bazel-Version
CUDA/cuDNN-Version
GPU-Modell und Speicher
Exakter Befehl zum Reproduzieren

Ursprünglichen Beitrag wie gewünscht aktualisiert.

@homofortis Sie könnten dies inzwischen mit Homebrew verwenden, um Ihre Python-Version herunterzustufen.

brew install https://raw.githubusercontent.com/Homebrew/homebrew-core/f2a764ef944b1080be64bd88dca9a1d80130c558/Formula/python.rb

async und await sind jetzt Schlüsselwörter und müssen in der TF-Codebasis ersetzt werden. Siehe https://docs.python.org/3/whatsnew/3.7.html#summary -release-highlights

17022

@activatedgeek Entschuldigung, aber ich sehe nicht, wie ein Downgrade die OP-Frage bezüglich des Zeitplans für die Kompatibilität von Tensorflow mit Python 3.7 (vor fast einem Monat veröffentlicht) beantwortet.

@homofortis Entschuldigung. Ich habe dort wahrscheinlich ein paar Worte verpasst und dachte, dass Ihr Hauptziel darin besteht, aus dem Quellcode zu kompilieren. Viele Suchen führten zu diesem Problem, ich dachte, es wäre gut für alle, die nur Tensorflow ausführen möchten.

Wie ich der Beschreibung entnehmen kann, hängt die Diagnose nicht mit der Tensorflow-Kompatibilität mit Python-3.7 zusammen, sondern mit der Verwendung von zu altem Cython, und genau dieses Problem wird derzeit nicht reproduziert, da Cython, das im Bazel-Arbeitsbereich erwähnt wird, neu genug ist. Auf der anderen Seite gibt es mindestens 2 Kompatibilitätsprobleme mit Python-3.7:

• Verwendung des Schlüsselworts async als Variablenname in pywrap_tensorflow_internal.py generiert aus tensorflow/c/eager/c_api.{h,cc} - #20690
• und Bruch verursacht durch Änderung des Rückgabetyps von $ PyUnicode_AsUTF8AndSize() von char * in const char *
  Vielleicht wäre es besser, letzteres zu einem separaten Thema zu machen.

FWIW, ich habe gerade Tensorflow 1.9 mit MKL unter Windows für Python 3.7 mit VS2017 und dem folgenden Patch erstellt (noch nicht getestet):

diff --git a/tensorflow/c/eager/c_api.h b/tensorflow/c/eager/c_api.h
index 1862af3ce2..093b97110f 100644
--- a/tensorflow/c/eager/c_api.h
+++ b/tensorflow/c/eager/c_api.h
@@ -76,7 +76,7 @@ typedef enum TFE_ContextDevicePlacementPolicy {
 // Sets the default execution mode (sync/async). Note that this can be
 // overridden per thread using TFE_ContextSetAsyncForThread.
 TF_CAPI_EXPORT extern void TFE_ContextOptionsSetAsync(TFE_ContextOptions*,
-                                                      unsigned char async);
+                                                      unsigned char is_async);

 TF_CAPI_EXPORT extern void TFE_ContextOptionsSetDevicePlacementPolicy(
     TFE_ContextOptions*, TFE_ContextDevicePlacementPolicy);
@@ -125,7 +125,7 @@ TFE_ContextGetDevicePlacementPolicy(TFE_Context*);

 // Overrides the execution mode (sync/async) for the current thread.
 TF_CAPI_EXPORT extern void TFE_ContextSetAsyncForThread(TFE_Context*,
-                                                        unsigned char async,
+                                                        unsigned char is_async,
                                                         TF_Status* status);

 // Causes the calling thread to block till all ops dispatched in async mode
diff --git a/tensorflow/core/platform/windows/port.cc b/tensorflow/core/platform/windows/port.cc
index 174f41a993..b06434620e 100644
--- a/tensorflow/core/platform/windows/port.cc
+++ b/tensorflow/core/platform/windows/port.cc
@@ -57,6 +57,11 @@ int NumSchedulableCPUs() {
   return system_info.dwNumberOfProcessors;
 }

+int NumHyperthreadsPerCore() {
+  static const int ht_per_core = tensorflow::port::CPUIDNumSMT();
+  return (ht_per_core > 0) ? ht_per_core : 1;
+}
+
 void* AlignedMalloc(size_t size, int minimum_alignment) {
 #ifdef TENSORFLOW_USE_JEMALLOC
   void* ptr = NULL;
diff --git a/tensorflow/python/eager/pywrap_tfe_src.cc b/tensorflow/python/eager/pywrap_tfe_src.cc
index 6c9481c3af..13edbb07db 100644
--- a/tensorflow/python/eager/pywrap_tfe_src.cc
+++ b/tensorflow/python/eager/pywrap_tfe_src.cc
@@ -813,7 +813,7 @@ char* TFE_GetPythonString(PyObject* o) {
   }
 #if PY_MAJOR_VERSION >= 3
   if (PyUnicode_Check(o)) {
-    return PyUnicode_AsUTF8(o);
+    return (char *)PyUnicode_AsUTF8(o);
   }
 #endif
   return nullptr;
diff --git a/tensorflow/python/lib/core/ndarray_tensor.cc b/tensorflow/python/lib/core/ndarray_tensor.cc
index 9df38d464c..4150fbfdd4 100644
--- a/tensorflow/python/lib/core/ndarray_tensor.cc
+++ b/tensorflow/python/lib/core/ndarray_tensor.cc
@@ -154,7 +154,7 @@ Status PyBytesArrayMap(PyArrayObject* array, F f) {
     if (PyUnicode_Check(item.get())) {
 #if PY_VERSION_HEX >= 0x03030000
       // Accept unicode by converting to UTF-8 bytes.
-      ptr = PyUnicode_AsUTF8AndSize(item.get(), &len);
+      ptr = (char *)PyUnicode_AsUTF8AndSize(item.get(), &len);
       if (!ptr) {
         return errors::Internal("Unable to get element as UTF-8.");
       }
diff --git a/tensorflow/python/lib/core/py_func.cc b/tensorflow/python/lib/core/py_func.cc
index 30c1a9c759..231a66de59 100644
--- a/tensorflow/python/lib/core/py_func.cc
+++ b/tensorflow/python/lib/core/py_func.cc
@@ -322,7 +322,7 @@ Status ConvertNdarrayToTensor(PyObject* obj, Tensor* ret) {
         Py_ssize_t el_size;
         if (PyBytes_AsStringAndSize(input_data[i], &el, &el_size) == -1) {
 #if PY_MAJOR_VERSION >= 3
-          el = PyUnicode_AsUTF8AndSize(input_data[i], &el_size);
+          el = (char *)PyUnicode_AsUTF8AndSize(input_data[i], &el_size);
 #else
           el = nullptr;
           if (PyUnicode_Check(input_data[i])) {

Ich ziehe es vor, den Qualifizierer const zum Ziel hinzuzufügen, anstatt ihn aus dem Ergebnis von PyUnicode_AsUTF8AndSize() zu entfernen. Dies ist eine konstante Zeichenfolge und sollte nicht geändert werden.

@asimshankar sagt, dass er PRs zu diesem Thema überprüft und verschickt hat. Ich werde ihn zuweisen.

Ich habe ähnliche Probleme, wenn ich auch aus dem Quellcode baue und Python 3.7 in Arch Linux verwende.

ERROR: /home/rharish/.cache/bazel/_bazel_rharish/5d4d7b1255c710f6c814ab2f3f084405/external/protobuf_archive/BUILD:659:1: C++ compilation of rule '@protobuf_archive//:python/google/protobuf/pyext/_message.so' failed (Exit 1): crosstool_wrapper_driver_is_not_gcc failed: error executing command 
  (cd /home/rharish/.cache/bazel/_bazel_rharish/5d4d7b1255c710f6c814ab2f3f084405/execroot/org_tensorflow && \
  exec env - \
    LD_LIBRARY_PATH=:/usr/local/lib:/opt/cuda/lib64 \
    PATH=/home/rharish/bin:/usr/local/bin:/usr/local/bin:/usr/bin:/bin:/usr/local/sbin:/opt/cuda/bin:/usr/lib/jvm/default/bin:/usr/bin/site_perl:/usr/bin/vendor_perl:/usr/bin/core_perl \
    PWD=/proc/self/cwd \
  external/local_config_cuda/crosstool/clang/bin/crosstool_wrapper_driver_is_not_gcc -MD -MF bazel-out/host/bin/external/protobuf_archive/_objs/python/google/protobuf/pyext/_message.so/descriptor_containers.pic.d '-frandom-seed=bazel-out/host/bin/external/protobuf_archive/_objs/python/google/protobuf/pyext/_message.so/descriptor_containers.pic.o' -iquote external/protobuf_archive -iquote bazel-out/host/genfiles/external/protobuf_archive -iquote bazel-out/host/bin/external/protobuf_archive -iquote external/bazel_tools -iquote bazel-out/host/genfiles/external/bazel_tools -iquote bazel-out/host/bin/external/bazel_tools -iquote external/local_config_python -iquote bazel-out/host/genfiles/external/local_config_python -iquote bazel-out/host/bin/external/local_config_python -isystem external/protobuf_archive/python -isystem bazel-out/host/genfiles/external/protobuf_archive/python -isystem bazel-out/host/bin/external/protobuf_archive/python -isystem external/protobuf_archive/src -isystem bazel-out/host/genfiles/external/protobuf_archive/src -isystem bazel-out/host/bin/external/protobuf_archive/src -isystem external/local_config_python/python_include -isystem bazel-out/host/genfiles/external/local_config_python/python_include -isystem bazel-out/host/bin/external/local_config_python/python_include '-std=c++11' -Wno-builtin-macro-redefined '-D__DATE__="redacted"' '-D__TIMESTAMP__="redacted"' '-D__TIME__="redacted"' -fPIC -U_FORTIFY_SOURCE '-D_FORTIFY_SOURCE=1' -fstack-protector -Wall -fno-omit-frame-pointer -no-canonical-prefixes -DNDEBUG -g0 -O2 -ffunction-sections -fdata-sections -g0 '-march=native' -g0 -DHAVE_PTHREAD -Wall -Wwrite-strings -Woverloaded-virtual -Wno-sign-compare -Wno-unused-function -Wno-writable-strings '-DGOOGLE_PROTOBUF_HAS_ONEOF=1' '-DPROTOBUF_PYTHON_ALLOW_OVERSIZE_PROTOS=1' -c external/protobuf_archive/python/google/protobuf/pyext/descriptor_containers.cc -o bazel-out/host/bin/external/protobuf_archive/_objs/python/google/protobuf/pyext/_message.so/descriptor_containers.pic.o)
external/protobuf_archive/python/google/protobuf/pyext/descriptor_containers.cc: In function 'bool google::protobuf::python::descriptor::_GetItemByKey(google::protobuf::python::PyContainer*, PyObject*, const void**)':
external/protobuf_archive/python/google/protobuf/pyext/descriptor_containers.cc:69:45: error: invalid conversion from 'const char*' to 'char*' [-fpermissive]
        ((*(charpp) = PyUnicode_AsUTF8AndSize(ob, (sizep))) == NULL? -1: 0): \
                      ~~~~~~~~~~~~~~~~~~~~~~~^~~~~~~~~~~~~
external/protobuf_archive/python/google/protobuf/pyext/descriptor_containers.cc:172:13: note: in expansion of macro 'PyString_AsStringAndSize'
         if (PyString_AsStringAndSize(key, &name, &name_size) < 0) {
             ^~~~~~~~~~~~~~~~~~~~~~~~
external/protobuf_archive/python/google/protobuf/pyext/descriptor_containers.cc:69:45: error: invalid conversion from 'const char*' to 'char*' [-fpermissive]
        ((*(charpp) = PyUnicode_AsUTF8AndSize(ob, (sizep))) == NULL? -1: 0): \
                      ~~~~~~~~~~~~~~~~~~~~~~~^~~~~~~~~~~~~
external/protobuf_archive/python/google/protobuf/pyext/descriptor_containers.cc:189:13: note: in expansion of macro 'PyString_AsStringAndSize'
         if (PyString_AsStringAndSize(key, &camelcase_name, &name_size) < 0) {
             ^~~~~~~~~~~~~~~~~~~~~~~~
At global scope:
cc1plus: warning: unrecognized command line option '-Wno-writable-strings'
Target //tensorflow/tools/pip_package:build_pip_package failed to build
INFO: Elapsed time: 63.634s, Critical Path: 9.08s
INFO: 464 processes: 464 local.
FAILED: Build did NOT complete successfully

Meine Systemkonfiguration ist:
Betriebssystemplattform und -verteilung: Arch Linux
Python: Python 3.7.0
TensorFlow installiert von: source (https://github.com/tensorflow/tensorflow.git), master branch
TensorFlow-Version: TensorFlow 1.9.0
Bazel-Version: 0.16.0
CUDA/cuDNN-Version: CUDA 9.2
GPU-Modell und Speicher: NVIDIA GeForce GTX 960M, 4 GB

@bstriner hat sich bereit erklärt, #21202 zu aktualisieren, was uns einen Schritt weiter bringen wird. Aber es scheint, dass wir auf eine Protobuf-Version mit Unterstützung für Python 3.7 warten und dann die TensorFlow-Abhängigkeiten aktualisieren müssen, um diese neue Protobuf-Version zu verwenden.

@rharish101
Wenn Sie Arch Linux verwenden, können Sie Tensorflow mit pacman-S python-tensorflow installieren.

@rharish101
Wenn Sie CUDA-Unterstützung benötigen, können Sie pacman-S python-tensorflow-cuda installieren

@hzxie Yup , es funktioniert jetzt gut! Wie haben Archs Leute es zum Laufen gebracht?

Noch unterstützt kein Protobuf-Release 3.7, aber wenn Sie bereit sind, einen Snapshot vom Master zu verwenden, können Sie TF für 3.7 erstellen

@bstriner
Ich kann den neuesten Master immer noch nicht kompilieren. Der Build wird mit Fehlern beendet.

Betriebssystemplattform und -verteilung: Mac OS X 10.13.5
Python: Python 3.7.0
TensorFlow installiert von: Quelle (https://github.com/tensorflow/tensorflow.git)
TensorFlow-Version: TensorFlow 1.10
Bazel-Version: 0.15.2-Homebrew
CUDA/cuDNN-Version: Keine
GPU-Modell und Speicher: Keine
Genauer Befehl zum Reproduzieren:
bazel build --config=opt //tensorflow/tools/pip_package :build_pip_package

ERROR: /Users/zardoz/Projects/tensorflow/tensorflow/python/eager/BUILD:10:1: C++ compilation of rule '//tensorflow/python/eager:pywrap_tfe_lib' failed (Exit 1)
tensorflow/python/eager/pywrap_tfe_src.cc:219:11: error: cannot initialize a variable of type 'char *' with an rvalue of type 'const char *'
    char* buf = PyUnicode_AsUTF8AndSize(py_value, &size);
          ^     ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
tensorflow/python/eager/pywrap_tfe_src.cc:834:12: error: cannot initialize return object of type 'char *' with an rvalue of type 'const char *'
    return PyUnicode_AsUTF8(o);
           ^~~~~~~~~~~~~~~~~~~
2 errors generated.
Target //tensorflow/tools/pip_package:build_pip_package failed to build
Use --verbose_failures to see the command lines of failed build steps.
INFO: Elapsed time: 5896.213s, Critical Path: 267.71s
INFO: 2883 processes: 2883 local.
FAILED: Build did NOT complete successfully

@cgohlke Wie erstelle ich eine Tensorflow-GPU für Python 3.7?

@homofortis das liegt daran, dass dieser PR noch nicht zusammengeführt wurde. Du musst es selbst einziehen. https://github.com/tensorflow/tensorflow/pull/21202

So ziehen Sie py37-Fixes in Ihr aktuelles Repo:

git remote add bstriner https://github.com/bstriner/tensorflow.git
git fetch bstriner
git merge bstriner/py37

Wenn Sie Probleme mit der Umwandlung von const char * in char * oder etwas Ähnliches sehen, sind das im Grunde die Änderungen in py37. Fix und Diskussion in der verlinkten PR.

@bstriner Ich brauche eine Wheel-Datei von Tensorflow-GPU für Python 3.7. Ich kann es nicht alleine bauen

Wann wird dieses Problem behoben??

Dank des Beitrags von @bstriner (PR #21202) sollten wir jetzt in der Lage sein, für Python 3.7 zu bauen. Wie er jedoch in der PR anspielt, benötigen die Eigen- und Protobuf-Bibliotheken noch einen Fix, um unter Windows kompiliert zu werden.

@gunan @angersson würde wissen, ob die offizielle Version von TensorFlow 1.11 Python 3.7 unterstützen wird oder ob Sie aus dem Quellcode kompilieren müssen.

Wir haben immer noch ein Problem auf der Infra-Seite, das wir herausfinden müssen.
Alle unsere Build-Infra verwenden Ubuntu 14 aufgrund von Community-Anfragen (um mit Ubuntu 14 kompatibel zu sein).
Python 3.7 lässt sich jedoch nicht einfach auf Ubuntu 14 aufbauen, da es aktualisierte Versionen einiger Bibliotheken benötigt, die mit Ubuntu geliefert werden.

Während wir auf Eigen- und Protobuf-Korrekturen unter Windows warten, werden wir diese beheben.
Aber das bedeutet, dass 1.11 kein vorgefertigtes Paket für Python 3.7 hat

@SukeshP1995 Sie können diese URL https://www.lfd.uci.edu/~gohlke/pythonlibs/#tensorflow ausprobieren

Sind Ubuntu 16.04 TensorFlow-GPU-Räder für Python 3.7 verfügbar? Oder wenn nicht, könnte ich bitte eine kurze Anleitung zum Selbstbau bekommen? Ich habe nicht die Erfahrung, einfach rauszugehen und es zu tun, ohne dass jemand meine Hand hält :)

@bjtho08 hast du https://www.tensorflow.org/install/install_linux#python_36 gesehen?

@morenoh149 das ist nur für Python 3.6. Ich habe 3.7, weil ich gerade eine Neuinstallation durchgeführt habe.

https://github.com/tensorflow/tensorflow/issues/20517#issuecomment -418442189 gilt weiterhin.
Zusätzlich zu Infra-Problemen (Python 3.7 auf Ubuntu 14) unterstützen noch nicht alle unsere Abhängigkeiten Python 3.7. Wir arbeiten also immer noch mit ihnen zusammen, um zu Python 3.7 zu wechseln.

ah nein, das ist das grundlegende Problem @bjtho08 Tensorflow muss aufhören, die neuen Python-Schlüsselwörter in 3.7 zu verwenden. Darum geht es in diesem Thread. In der Zwischenzeit können Sie die ausstehenden Gabeln verwenden oder 3.6 verwenden

@morenoh149 , also habe ich die Wahl, eine ältere Version von Python zu erstellen oder Tensorflow aus Git/Master zu erstellen?

Stand heute ja. Diese PR https://github.com/tensorflow/tensorflow/pull/21202 ist auf Master, aber eine Veröffentlichung wurde noch nicht geschnitten. FWIW können Sie pyenv verwenden, um viele Python-Versionen auf einem System zu installieren. Ein professioneller Softwareentwickler sollte in der Lage sein, seine Abhängigkeiten und Tools je nach Projekt festzulegen.

@morenoh149 @bjtho08 Das Erstellen von Tensorflow aus dem Master-Zweig ist nicht genug. Einige Abhängigkeiten unterstützen 3.7 noch nicht.

@adrianodennanni die Abhängigkeiten unterstützen 3.7, aber nicht in veröffentlichten Versionen. Sie müssen die Bibliotheken im Arbeitsbereich auf die aktuellen Master ändern. Die Abhängigkeiten in Tensorflow können nicht geändert werden, bis diese Bibliotheken stabile Versionen haben.

Verwenden Sie also für den aktuellen Protobuf Folgendes:

    PROTOBUF_URLS = [
        "https://mirror.bazel.build/github.com/google/protobuf/archive/a6e1cc7e328c45a0cb9856c530c8f6cd23314163.tar.gz",
        "https://github.com/google/protobuf/archive/a6e1cc7e328c45a0cb9856c530c8f6cd23314163.tar.gz",
    ]
    PROTOBUF_SHA256 = "f785d2009ea7c8484cb0443d9db8fe55f73cfdb6e112bfa659a8a5cdaf664ccd"
    PROTOBUF_STRIP_PREFIX = "protobuf-a6e1cc7e328c45a0cb9856c530c8f6cd23314163"

Möglicherweise benötigen Sie auch die neuesten eigen.

@rharish101
Wenn Sie CUDA-Unterstützung benötigen, können Sie pacman-S python-tensorflow-cuda installieren

gut gemacht danke

Stand heute ja. Diese PR #21202 ist auf Master, aber eine Veröffentlichung wurde noch nicht geschnitten. FWIW können Sie pyenv verwenden, um viele Python-Versionen auf einem System zu installieren. Ein professioneller Softwareentwickler sollte in der Lage sein, seine Abhängigkeiten und Tools je nach Projekt festzulegen.

Danke für den Tipp, @morenoh149 ! Ich habe es zum Laufen gebracht, indem ich mit pyenv und CUDA 9.0 neu angefangen habe :)

@gunan

Python 3.7 lässt sich jedoch nicht einfach auf Ubuntu 14 aufbauen, da es aktualisierte Versionen einiger Bibliotheken benötigt, die mit Ubuntu geliefert werden.

Ich möchte meine Erfahrungen beim Erstellen von Python-3.7 auf Ubuntu 12 teilen und hoffe, dass es hilft, wenn Sie dieses Problem noch nicht gelöst haben. Ich baue mit folgenden Konfigurationsflags:

    --prefix=... \
    --enable-ipv6 \
    --with-dbmliborder=gdbm \
    --with-system-expat \
    --with-computed-gotos \
    --with-system-ffi \
    --with-ensurepip=no

Und die einzige Systembibliothek, die für Python zu veraltet war, war OpenSSL, daher kann das Modul ssl nicht erstellt werden. Um das Problem zu lösen, habe ich mich entschieden, OpenSSL aus dem Quellcode zu erstellen und es statisch mit dem cryptography -Rezept zu verknüpfen (https://cryptography.io/en/latest/installation/#static-wheels):

• Erstellen Sie richtig konfiguriertes OpenSSL nur mit statischen Bibliotheken:

OPENSSL_VERSION=1.0.2p
wget https://www.openssl.org/source/openssl-${OPENSSL_VERSION}.tar.gz
tar xf openssl-${OPENSSL_VERSION}.tar.gz
cd openssl-${OPENSSL_VERSION}
./config no-shared no-ssl2 no-ssl3 -fPIC --prefix=$(pwd)/_openssl
make && make install

• Erstellen Sie Python mit diesem OpenSSL, indem Sie das Flag an das configure -Skript übergeben: --with-openssl=$(pwd)/openssl-${OPENSSL_VERSION}/_openssl , also sieht der Aufruf configure so aus:

./configure
    --prefix=... \
    --enable-ipv6 \
    --with-dbmliborder=gdbm \
    --with-system-expat \
    --with-computed-gotos \
    --with-system-ffi \
    --with-ensurepip=no \
    --with-openssl=$(pwd)/openssl-${OPENSSL_VERSION}/_openssl

Abgesehen vom veralteten OpenSSL-Problem habe ich keine Probleme beim Erstellen von Python-3.7 auf altem Ubuntu, ich habe meinen Build getestet und er scheint ordnungsgemäß zu funktionieren, Tests aus der Python-Quelle bestehen.

Nörgelnde Beauftragte @gunan , @angersson : Es sind 14 Tage ohne Aktivität vergangen und dieses Problem hat einen Beauftragten. Bitte aktualisieren Sie das Label und/oder den Status entsprechend.

@bstriner Sie haben vorgeschlagen, PROTOBUF_URLS, PROTOBUF_SHA256 und PROTOBUF_STRIP_PREFIX zu ändern. Ich nehme an, Sie tun dies in tensorflow/workspace.bzl? Irgendwo anders? Danke.

Tatsächlich führt der Bazel-Build von Tensorflow 1.11 nach diesem Versuch zu:

FEHLER: tensorflow/tensorflow/tools/pip_package/ BUILD:216 :1: Fehler beim Laden des Pakets „tensorflow“: Erweiterungsdatei nicht gefunden. Paket für „@bazel_skylib//:lib.bzl“ kann nicht geladen werden: Das Repository konnte nicht aufgelöst und von „//tensorflow/tools/pip_package :build_pip_package “ referenziert werden.

@jeffcbecker Ich habe auch dieses Problem. Anscheinend ist die URL https://mirror.bazel.build/github.com/google/protobuf/archive/a6e1cc7e328c45a0cb9856c530c8f6cd23314163.tar.gz nicht verfügbar. Hat jemand einen Workaround dafür?

Ich konnte mit Python 3.6 umgehen.
Prost
Jeff
Gesendet von meinem T-Mobile 4G LTE-Gerät
-------- Ursprüngliche Nachricht --------Von: Adriano Dennanni [email protected] Datum: 21.10.18 13:40 Uhr (GMT-08:00) An: tensorflow/tensorflow [email protected] Cc: jeffcbecker [email protected] , erwähnen Sie erwä[email protected] Betreff: Re: [tensorflow/tensorflow] Python 3.7-Kompatibilität (#20517)
@jeffcbecker Ich habe auch dieses Problem. Es scheint, dass die URL https://mirror.bazel.build/github.com/google/protobuf/archive/a6e1cc7e328c45a0cb9856c530c8f6cd23314163.tar.gz nicht verfügbar ist. Hat jemand einen Workaround dafür?

—
Sie erhalten dies, weil Sie erwähnt wurden.
Antworten Sie direkt auf diese E-Mail, zeigen Sie sie auf GitHub an oder schalten Sie den Thread stumm.
{"api_version":"1.0","publisher":{"api_key":"05dde50f1d1a384dd78767c55493e4bb","name":"GitHub"},"entity":{"external_key":"github/tensorflow/tensorflow","title ":"tensorflow/tensorflow","subtitle":"GitHub-Repository","main_image_url":" https://assets-cdn.github.com/images/email/message_cards/header.png ","avatar_image_url":" https://assets-cdn.github.com/images/email/message_cards/avatar.png ","action":{"name":"In GitHub öffnen","url":" https://github.com /tensorflow/tensorflow "}},"updates":{"snippets":[{"icon":"PERSON","message":" @adrianodennanni in #20517: @jeffcbecker Ich habe auch dieses Problem. Es scheint, dass die URL https://mirror.bazel.build/github.com/google/protobuf/archive/a6e1cc7e328c45a0cb9856c530c8f6cd23314163.tar.gz ist nicht verfügbar. Hat jemand eine Problemumgehung dafür?"}],"action":{"name":"Problem anzeigen","url":" https://github.com/tensorflow /tensorflow/issues/20517#issuecomment -431701713"}}}
[
{
"@context": " http://schema.org ",
"@type": "E-Mail-Nachricht",
"PotenzielleAktion": {
"@type": "ViewAction",
"Ziel": " https://github.com/tensorflow/tensorflow/issues/20517#issuecomment -431701713",
"url": " https://github.com/tensorflow/tensorflow/issues/20517#issuecomment -431701713",
"name": "Problem anzeigen"
},
"description": "Diese Ausgabe auf GitHub anzeigen",
"Herausgeber": {
"@type": "Organisation",
"name": "GitHub",
"url": " https://github.com "
}
},
{
"@type": "MessageCard",
"@context": " http://schema.org/extensions ",
"hideOriginalBody": "false",
"Urheber": "AF6C5A86-E920-430C-9C59-A73278B5EFEB",
"title": "Re: [tensorflow/tensorflow] Kompatibilität mit Python 3.7 (#20517)",
"Abschnitte": [
{
"Text": "",
"activityTitle": " Adriano Dennanni ",
"activityImage": " https://assets-cdn.github.com/images/email/message_cards/avatar.png ",
"activitySubtitle": "@adrianodennanni",
"Fakten": [

]
}
],
"PotenzielleAktion": [
{
"name": "Kommentar hinzufügen",
"@type": "Aktionskarte",
"Eingänge": [
{
"isMultiLine": wahr,
"@type": "TextInput",
"id": "IssueComment",
"isRequired": falsch
}
],
"Aktionen": [
{
"name": "Kommentar",
"@type": "HttpPOST",
"Ziel": " https://api.github.com ",
"body": "{n"commandName": "IssueComment",n"repositoryFullName": "tensorflow/tensorflow",n"issueId": 20517,n"IssueComment": "{{IssueComment.value}}"n}"
}
]
},
{
"name": "Problem schließen",
"@type": "HttpPOST",
"Ziel": " https://api.github.com ",
"body": "{n"commandName": "IssueClose",n"repositoryFullName": "tensorflow/tensorflow",n"issueId": 20517n}"
},
{
"Ziele": [
{
"os": "Standard",
"uri": " https://github.com/tensorflow/tensorflow/issues/20517#issuecomment -431701713"
}
],
"@type": "OpenUri",
"name": "Auf GitHub anzeigen"
},
{
"name": "Abbestellen",
"@type": "HttpPOST",
"Ziel": " https://api.github.com ",
"body": "{n"commandName": "MuteNotification",n"threadId": 352548653n}"
}
],
"themeColor": "26292E"
}
]

Das Protobuf-Rad wurde aktualisiert , um 3.7 zu unterstützen.

Jetzt ist es an der Zeit, Tensorflow für 3.7-Unterstützung freizugeben.

Großartige Neuigkeiten!
Möchten Sie eine PR senden, um TF-Protobuf-Abhängigkeiten in Workspace und setup.py zu verbessern?

Tensorflow ist anscheinend das letzte fehlende Stück von Python-3.7.1. Dies kann sich auf einige Cloud Electric-Rechnungen auswirken, da Python-3.7 effizienter ist als Python-3.6.

https://github.com/fo40225/tensorflow-windows-wheel/tree/master/1.12.0/py37

Für alle, die Tensorflow 1.12.0 mit Python 3.7 unter Windows testen möchten.

hängt von protobuf v3.6.0 + Cherry-Pick https://github.com/protocolbuffers/protobuf/commit/0a59054c30e4f0ba10f10acfc1d7f3814c63e1a7 ab

Es ist mir gelungen, es auch für Linux zu kompilieren!

https://github.com/adrianodennanni/tensorflow-1.12.0-cp37-cp37m-linux_x86_64/

Seit der Veröffentlichung von 3.7 sind Monate vergangen, Updates für TF werden immer noch veröffentlicht, also was ist das Wort/die voraussichtliche Ankunftszeit zur Kompatibilität?

Das Jahr 2018 neigt sich also dem Ende zu und die offiziell von Python 3.7 unterstützte Version ist immer noch eine Blase? :)

Die von @adrianodennanni gepostete Version funktioniert für mich. Ich verwende Python3.7-Funktionen in meinem Code und es ist eine echte Hektik, die Umgebung ständig zu wechseln.

Für das, was es wert ist, konnte ich tf kompilieren und ein Python 3.7-Rad unter OSX mit dem aktuellen Master erstellen.

Ich habe https://github.com/tensorflow/tensorflow/commit/b0d7d8a477d3041e2d0ebd0cb1d35e4a7fa09663 eingereicht, was es Ihnen ermöglichen sollte, für 3.7 zu bauen. tf-nightly hat jetzt eine CPU-Version (nur Ubuntu), die nur auf Ubuntu16.04+ funktioniert. GPU-Version für Ubuntu kommt in Kürze.

@av8ramit

Dank Ihnen habe ich gerade erfolgreich tf mit Python 3.7.1, cuda 10 und cudnn 7.4 erstellt

jetzt ist nur noch bazel 0.20 unterstützung übrig

tf-nightly-gpu-Builds mit CUDA 10 sind jetzt auch auf pypi. Ich werde diesen Fehler offen halten, bis wir einen offiziellen Python 3.7-Release-Build haben.

@alanpurple kannst du das näher erläutern? Ich kann tf 1.12 nicht bauen, um mein Leben auf Ubuntu 18 und Python 3.7 zu retten

https://drive.google.com/open?id=16vXTOJHXCLDKMTqtxMLDugUsRhiZPriQ
1.12 Python 3.7 ohne AVX-Erweiterungen.

https://drive.google.com/open?id=1ni7ExGVb6-c6gvb4J0hohpT4Jj4Z4xxO
1.12 Python 3.7-Rad mit SSE, XLA.

Unter Windows:
1.12-CPU erfolgreich gebaut und in py3.7 importiert.
aber GPU:
ps: mit bazel 0.21

INFO: From Linking tensorflow/contrib/tpu/python/ops/_tpu_ops.so:
   Creating library bazel-out/x64_windows-opt/bin/tensorflow/contrib/tpu/python/ops/python/ops/lib_tpu_ops.so.ifso and object bazel-out/x64_windows-opt/bin/tensorflow/contrib/tpu/python/ops/python/ops/lib_tpu_ops.so.exp
INFO: From Linking tensorflow/contrib/tensor_forest/python/ops/_stats_ops.so:
   Creating library bazel-out/x64_windows-opt/bin/tensorflow/contrib/tensor_forest/python/ops/python/ops/lib_stats_ops.so.ifso and object bazel-out/x64_windows-opt/bin/tensorflow/contrib/tensor_forest/python/ops/python/ops/lib_stats_ops.so.exp
ERROR: C:/tensorflow/tensorflow/python/keras/api/BUILD:28:1: Executing genrule //tensorflow/python/keras/api:keras_python_api_gen_compat_v1 failed (Exit 1): bash.exe failed: error executing command
  cd C:/users/USER/_bazel_USER/xv6zejqw/execroot/org_tensorflow
  SET CUDA_TOOLKIT_PATH=C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v10.0
    SET CUDNN_INSTALL_PATH=C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v10.0
    SET PATH=C:\msys64\usr\bin;C:\msys64\bin
    SET PYTHON_BIN_PATH=C:/Program Files/Python37/python.exe
    SET PYTHON_LIB_PATH=C:/Program Files/Python37/lib/site-packages
    SET TF_CUDA_CLANG=0
    SET TF_CUDA_COMPUTE_CAPABILITIES=3.5,7.0
    SET TF_CUDA_VERSION=10.0
    SET TF_CUDNN_VERSION=7
    SET TF_NEED_CUDA=1
    SET TF_NEED_OPENCL_SYCL=0
    SET TF_NEED_ROCM=0
  C:/msys64/usr/bin/bash.exe -c source external/bazel_tools/tools/genrule/genrule-setup.sh; bazel-out/x64_windows-opt/bin/tensorflow/python/keras/api/create_tensorflow.python_api_1_keras_python_api_gen_compat_v1.exe  --apidir=bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api_v1/ --apiname=keras --apiversion=1  --package=tensorflow.python,tensorflow.python.keras --output_package=tensorflow.python.keras.api._v1 bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/activations/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/applications/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/applications/densenet/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/applications/inception_resnet_v2/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/applications/inception_v3/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/applications/mobilenet/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/applications/mobilenet_v2/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/applications/nasnet/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/applications/resnet50/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/applications/vgg16/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/applications/vgg19/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/applications/xception/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/backend/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/callbacks/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/constraints/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/datasets/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/datasets/boston_housing/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/datasets/cifar10/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/datasets/cifar100/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/datasets/fashion_mnist/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/datasets/imdb/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/datasets/mnist/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/datasets/reuters/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/estimator/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/experimental/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/initializers/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/layers/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/losses/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/metrics/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/models/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/optimizers/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/preprocessing/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/preprocessing/image/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/preprocessing/sequence/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/preprocessing/text/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/regularizers/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/utils/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/wrappers/__init__.py bazel-out/x64_windows-opt/genfiles/tensorflow/python/keras/api/_v1/keras/wrappers/scikit_learn/__init__.py
Execution platform: @bazel_tools//platforms:host_platform
Traceback (most recent call last):
  File "\\?\C:\Users\USER\AppData\Local\Temp\Bazel.runfiles_ms8gr8rl\runfiles\org_tensorflow\tensorflow\python\pywrap_tensorflow.py", line 58, in <module>
    from tensorflow.python.pywrap_tensorflow_internal import *
  File "\\?\C:\Users\USER\AppData\Local\Temp\Bazel.runfiles_ms8gr8rl\runfiles\org_tensorflow\tensorflow\python\pywrap_tensorflow_internal.py", line 28, in <module>
    _pywrap_tensorflow_internal = swig_import_helper()
  File "\\?\C:\Users\USER\AppData\Local\Temp\Bazel.runfiles_ms8gr8rl\runfiles\org_tensorflow\tensorflow\python\pywrap_tensorflow_internal.py", line 24, in swig_import_helper
    _mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
  File "C:\Program Files\Python37\lib\imp.py", line 243, in load_module
    return load_dynamic(name, filename, file)
  File "C:\Program Files\Python37\lib\imp.py", line 343, in load_dynamic
    return _load(spec)
ImportError: DLL load failed: The specified module could not be found.

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "\\?\C:\Users\USER\AppData\Local\Temp\Bazel.runfiles_ms8gr8rl\runfiles\org_tensorflow\tensorflow\python\tools\api\generator\create_python_api.py", line 27, in <module>
    from tensorflow.python.tools.api.generator import doc_srcs
  File "\\?\C:\Users\USER\AppData\Local\Temp\Bazel.runfiles_ms8gr8rl\runfiles\org_tensorflow\tensorflow\python\__init__.py", line 49, in <module>
    from tensorflow.python import pywrap_tensorflow
  File "\\?\C:\Users\USER\AppData\Local\Temp\Bazel.runfiles_ms8gr8rl\runfiles\org_tensorflow\tensorflow\python\pywrap_tensorflow.py", line 74, in <module>
    raise ImportError(msg)
ImportError: Traceback (most recent call last):
  File "\\?\C:\Users\USER\AppData\Local\Temp\Bazel.runfiles_ms8gr8rl\runfiles\org_tensorflow\tensorflow\python\pywrap_tensorflow.py", line 58, in <module>
    from tensorflow.python.pywrap_tensorflow_internal import *
  File "\\?\C:\Users\USER\AppData\Local\Temp\Bazel.runfiles_ms8gr8rl\runfiles\org_tensorflow\tensorflow\python\pywrap_tensorflow_internal.py", line 28, in <module>
    _pywrap_tensorflow_internal = swig_import_helper()
  File "\\?\C:\Users\USER\AppData\Local\Temp\Bazel.runfiles_ms8gr8rl\runfiles\org_tensorflow\tensorflow\python\pywrap_tensorflow_internal.py", line 24, in swig_import_helper
    _mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
  File "C:\Program Files\Python37\lib\imp.py", line 243, in load_module
    return load_dynamic(name, filename, file)
  File "C:\Program Files\Python37\lib\imp.py", line 343, in load_dynamic
    return _load(spec)
ImportError: DLL load failed: The specified module could not be found.


Failed to load the native TensorFlow runtime.

See https://www.tensorflow.org/install/errors

for some common reasons and solutions.  Include the entire stack trace
above this error message when asking for help.
Target //tensorflow/tools/pip_package:build_pip_package failed to build
INFO: Elapsed time: 2602.108s, Critical Path: 565.09s
INFO: 4691 processes: 4691 local.
FAILED: Build did NOT complete successfully

Lassen Sie mich Ihnen sagen, mit welchen Problemen ich konfrontiert war und wie ich sie gelöst habe. Ich verwende Mac OS

Tensorflow ist nicht mit Python 3.7 kompatibel, es ist ab sofort nur für Python 3.6 verfügbar.

Ich habe Python 3.7 verwendet, also lade ich Python 3.6 von seiner offiziellen Website herunter. ein Installationspaket und installiere es. Und pinnen Sie die Python 3.6-App zum Andocken, denn sobald Python 3.7 im Launcher ist. Python 3.6 wird nicht angezeigt, obwohl es auf der Registerkarte "Anwendung" als sekundärer Ordner angezeigt wird

Öffnen Sie nun das Terminal und geben Sie Folgendes ein: nano .bash_profile
Dann öffnet ein Nano-Editor den Pfad für Python 3.6 und kommentiert den Pfad für 3.7. Drücken Sie dann Strg + X, dann y für Ja und dann die Eingabetaste

Starten Sie danach das Terminal neu und geben Sie Folgendes ein: echo $PATH
Stellen Sie sicher, dass der erste Link von Python 3.6 ist

Geben Sie nun ein: python3 und drücken Sie die Eingabetaste und prüfen Sie, welche Version geöffnet wird, nur um sicherzugehen, dass es sich um Python 3.6 handelt

Geben Sie nun Folgendes ein: python3 -m pip install tensorflow
Sie können andere Module auf die gleiche Weise herunterladen.

Wenn Sie jetzt mit Python 3.6 arbeiten möchten, öffnen Sie es. Python vom Dock. Und arbeiten ... und wenn Sie an 3.7 arbeiten möchten, können Sie Python 3.7 öffnen und es wird auch flüssig funktionieren

Um Module in Python 3.7 zu installieren,. Geben Sie einfach Folgendes ein: python3.7 -m pip install package namr

Habe python3.7.2 vor kurzem für Windows mit CUDA 10 kompiliert, Links in diesem Repo:
https://github.com/PlatinumLyfe/tf-windows-gpu/

Hallo, irgendwelche Fortschritte bei diesem Kompatibilitätsproblem?

bbhattmaclap:~ bbhatt$ pip3 install --upgrade tensorflow
Tensorflow sammeln
Es konnte keine Version gefunden werden, die die Anforderung Tensorflow erfüllt (ab Versionen: )
Keine passende Verteilung für Tensorflow gefunden
bbhattmaclap:~ bbhatt$

@BhuvaneshBhatt Das neueste offizielle Tensorflow-Paket bietet keine Unterstützung für Python 3.7. Sie müssen Ihr tf-nightly-gpu-Paket verwenden. Wir versuchen, es für 1.13 zu haben.

@PlatinumLyfe kann nicht installiert werden.
Ihr Link hat nur xxx-cp36-cp36m-... .
keine cp37 - und keine -gpu- -Version.

Bitte hören Sie auf, nach anderen Leuten zu fragen, um kompilierte Binärdateien bereitzustellen. Abgesehen davon, dass jeder, der daran interessiert ist, wann die offizielle Python 3.7-Unterstützung landet, zu spammt, ist es nicht besonders sicher, auf einer öffentlich kommentierbaren Seite jemanden zu bitten, Ihnen eine Binärdatei zum Ausführen zu schicken.

Tensorflow 1.13-rc0 wurde veröffentlicht (https://github.com/tensorflow/tensorflow/releases/tag/v1.13.0-rc0), jedoch gibt es kein Python 3.7, das auf PyPI (https://pypi.org/project /tensorflow/1.13.0rc0/#files). Wird Tensorflow 1.13 offiziell für Python 3.7 veröffentlicht?

Wir zielen darauf ab, Windows- und Ubuntu-Python-Binärdateien von rc2 oder dem offiziellen zu haben.

Irgendwelche Neuigkeiten zum Mac-Support? Ich hänge momentan am Mac fest.
Am 24. Januar 2019, 6:55 Uhr -0600, schrieb Amit Patankar [email protected] :

Wir zielen darauf ab, Windows- und Ubuntu-Python-Binärdateien von rc2 oder dem offiziellen zu haben.
—
Sie erhalten dies, weil Sie erwähnt wurden.
Antworten Sie direkt auf diese E-Mail, zeigen Sie sie auf GitHub an oder schalten Sie den Thread stumm.

Wir haben jetzt ein tf-nightly CPU-Paket für Mac. Werde versuchen, das auch für rc2 zu haben.

Für alle anderen, die zu diesem Thread kommen, sind die oben erwähnten tf-nightly-Pakete gut. Installieren Sie sie mit pip3 install tf-nightly für die CPU-Version. Getestet, funktioniert mit Python 3.7.2 unter MacOS Mojave 10.14.2

Die Version 1.13.0rc1 enthält Python3.7-Binärdateien für alle Betriebssysteme für CPU und GPU .

Ich kann es anscheinend nicht installieren. Irgendwelche einfachen Schritte zur Fehlerbehebung?
BEARBEITEN: Das Problem war, dass die 32-Bit-Version von CPython auf einem 64-Bit-System verwendet wurde.

@MagixInTheAir Ich schließe dieses Thema, da es nur um die allgemeine Unterstützung von Python 3.7 geht. Bitte öffnen Sie ein neues Problem mit Protokollen und weiteren Informationen zu Ihrer Einrichtung, wenn Sie weiterhin Probleme haben.

Tensorflow 1.13.1 unterstützt jetzt Python 3.7.

https://pypi.org/project/tensorflow/#files Es gibt cp37-Releases für tensorflow==1.13.1. Es kann sein, dass in Ihrer Umgebung etwas nicht stimmt.

Ich verwende 3.7.2 und habe das gleiche Problem. Die für 1.31.1 gemeldeten Versionen/Tags lauten wie folgt:

{('cp37', 'cp37m', 'manylinux1_x86_64')}

während mein 3.7.2 Folgendes unterstützt:

[('cp37', 'cp37m', 'linux_x86_64'), ('cp37', 'abi3', 'linux_x86_64'), ('cp37', 'none', 'linux_x86_64'), ('cp36', 'abi3', 'linux_x86_64'), ('cp35', 'abi3', 'linux_x86_64'), ('cp34', 'abi3', 'linux_x86_64'), ('cp33', 'abi3', 'linux_x86_64'), ('cp32', 'abi3', 'linux_x86_64'), ('py3', 'none', 'linux_x86_64'), ('cp37', 'none', 'any'), ('cp3', 'none', 'any'), ('py37', 'none', 'any'), ('py3', 'none', 'any'), ('py36', 'none', 'any'), ('py35', 'none', 'any'), ('py34', 'none', 'any'), ('py33', 'none', 'any'), ('py32', 'none', 'any'), ('py31', 'none', 'any'), ('py30', 'none', 'any')]

(aus pep425tags.get_supported())

Ich glaube also, das Problem ist nur, dass es linux und nicht manylinux1 im Radnamen sein sollte.

Ich habe einen sauberen Python-Build aus der Quelle mit fast Standardparametern.

@dellelce Sie verwenden möglicherweise eine sehr alte Version von Pip?

import pip._internal; print(pip._internal.pep425tags.get_supported())

gibt mir viele Linux-Tags.

Ich habe gerade nachgesehen und das Problem liegt beim Alpine-Build, mein Build (Dellelce/py-base) und das offizielle Docker-Alpine-Image (python:alpine) haben das Problem, während ein auf Debian erstelltes Image (python:latest) gut funktioniert.
Es muss mit der verwendeten libc-Bibliothek zusammenhängen (musl vs glibc) ? Andere Dists, die glibc nicht verwenden, können das Problem haben ...

Alle haben den neuesten Pip und 3.7.3 oder 3.7.2 ...

Ich bin mir ziemlich sicher, dass Alpine nicht in den vielen Linux enthalten ist, die Manylinux unterstützt.

@ppwwyyxx sollten wir ein weiteres Ticket für die Unterstützung von nicht-glibc-Linux-Distributionen haben?

PEP 571/PEP 513 ("manylinux") unterstützen nur glibc.

@dellelce Die Unterstützung von alpinem Linux könnte eine interessante Idee sein, ist aber möglicherweise nicht trivial. Im Moment werden die meisten Tensorflow-Binärdateien mit Ubuntu 14.04 kompiliert. Sogar einige andere häufig verwendete Plattformen (z. B. CentOS) stießen gelegentlich auf einige Probleme. Ich denke, dass die alpine Unterstützung kurzfristig keine Priorität haben wird.

Das Öffnen eines Issues ist immer eine gute Sache, da es helfen könnte, den Bedarf und das Interesse der Community einzuschätzen, und es könnte immer als „Beiträge willkommen“ gekennzeichnet werden.