Tensorflow: Instruksi ilegal (core dumped) setelah menjalankan import tensorflow

Terima kasih atas kiriman Anda. Kami melihat Anda belum mengisi bidang berikut di template masalah. Bisakah Anda memperbaruinya jika relevan dengan kasus Anda, atau membiarkannya sebagai T/A? Terima kasih.
Versi bazel
Versi CUDA/cuDNN
Model dan memori GPU

Saya mengalami masalah "instruksi ilegal" yang sama (atau serupa) ketika saya menjalankan

import tensorflow as tf

Saya hanya menggunakan versi CPU 1.6 pada 64 bit Ubuntu Linux.

Setelah downgrade ke versi CPU 1.5, tidak ada masalah ini.

Bagaimana saya bisa menurunkan versi ke CPU 1.5?

Coba lari
pip uninstall tensorflow
Lalu
pip install tensorflow==1.5

EDIT
hanya untuk memberikan kredit, solusinya dari sini:
https://stackoverflow.com/questions/49094597/illegal-instruction-core-dumped-after-running-import-tensorflow

Terima kasih konnerthg, bahkan saya mengalami masalah yang sama. Perintah Anda membantu saya untuk mengurutkan masalah ini. Terima kasih lagi.

Sama disini.
Dengan roda terbaru, saya memiliki masalah instruksi ilegal di Ubuntu 16.04, namun saya menurunkan versi ke tensorflow-gpu==1.5 dan berfungsi!

downgrade ke 1.5 juga berhasil untuk saya

@konnerthg Menurunkan
Komit/PR mana yang menyelesaikan masalah ini?

Saya juga mendapatkan kesalahan ini di python 3.6

Hai !
Terima kasih atas solusi Anda! Betulkah. Saya memiliki masalah ini selama seminggu sekarang dan saya mulai menjadi gila! Terima kasih !

TERIMA KASIH untuk solusinya. Ini berfungsi di Ubuntu 16.04, 64 bit, python3.5 saya.

Terima kasih atas solusinya! Menurunkan versi ke versi 1.5 memperbaiki masalah. Diuji pada server Ubuntu 16.04 dengan python 2.7

Masalah yang sama, menurunkan versi dari Tensorflow 1.6 ke 1.5 menyelesaikannya. Menjalankan Xubuntu 16.04 64-bit, Python 3.5.

Terima kasih untuk semua ini, selesaikan masalah saya di Python 3.6

_ (tensorflow) naniny@Aspire-E5-573 :~$ pip unistall tensorflow

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

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

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

sekarang bekerja tanpa masalah ...

Ini benar-benar aneh. Adakah yang tahu apa yang menyebabkan masalah? Saya terkejut bahwa TensorFlow 1.6 akan memiliki bug sebesar ini.

Saya mengalami masalah ini juga dengan tensorflow-gpu 1.6.0, di linux, menggunakan python 3.6.4. Saya telah menginstal tensorflow menggunakan pip itu sendiri. Cukup menjalankan ini menghasilkan SIGILL:

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

Saya mendapatkan jejak tumpukan yang mirip dengan yang disebutkan dalam deskripsi tiket ini.

Hal ini tampaknya terjadi karena penggunaan instruksi AVX dalam paket Tensorflow terbaru yang diunggah ke pip. Menjalankan python3 melalui GDB dan membongkar fungsi mogok menunjuk ke instruksi ini:

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

Yang merupakan instruksi AVX yang tidak didukung pada CPU yang lebih lama atau yang kurang berfitur yang tidak memiliki dukungan AVX. Paket tensorflow(-gpu) 1.5.0 pip tidak menggunakan instruksi AVX, dan dengan demikian tidak ada masalah dalam menggunakannya dengan CPU ini.

Solusinya adalah untuk membangun tensorflow(-gpu) yang tidak dikompilasi dengan instruksi AVX untuk dipublikasikan (atau untuk membuat salinan secara lokal). Petunjuk penginstalan yang disediakan tidak menyebutkan persyaratan CPU tertentu atau cara menentukan kompatibilitas dengan binari yang disediakan.

Sementara itu, kembali ke tensorflow(-gpu) 1.5.0 menggunakan sesuatu seperti yang disebutkan @NinemillaKA di atas adalah solusi yang efektif.

Saya memiliki masalah yang sama, dan, seperti yang telah dikomentari banyak orang, turunkan versi dari 1.6.0 menjadi 1.5.0 .

Sebagai catatan, saya mencoba menjalankan tensorflow (versi khusus CPU) di 2 komputer berbeda:

Komputer 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

Komputer 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

Saya setuju dengan @nacl bahwa kita harus memiliki persyaratan tentang set instruksi yang lebih jelas, dan jika mungkin, build terpisah yang diperbarui untuk prosesor yang tidak mendukung instruksi AVX. Sejujurnya, saya merasa sedikit mengecilkan hati harus bekerja dengan versi lama dari teknologi apa pun, saya pikir banyak yang merasakan hal yang sama.

Alternatif untuk memiliki build yang berbeda untuk setiap tipe arsitektur adalah dengan menggunakan dynamic dispatch. IE, PyTorch memiliki satu biner untuk semua arsitektur dan memilih operasi paling efisien selama runtime @caisq

Terima kasih

Saya juga mengalami masalah yang sama. Saya mencobanya di dua mesin, dan berhasil di salah satunya.

Pertama, saya menginstalnya di MacBook Pro saya. Dan saya tidak punya masalah.

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

Jadi saya memutakhirkan MacPro saya. Tapi kali ini, saya mendapatkan Illegal instruction: 4 ketika saya mencoba mengimpor 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

(Pembaruan pada 30/3/2018)
Masalah yang sama dengan TensorFlow 1.7. Jadi saya kira saya menggunakan TensorFlow 1.5.

Ini masih menjadi masalah di 1.6 dan berpotensi di 1.7. Mengapa ini ditutup? Solusi @yaroslavvb tampaknya masuk akal. Saya telah menurunkan versi ke 1,5 untuk saat ini.

Tidak yakin tetapi dari tautan ini, sejak ver1.6.0, pengoptimal instruksi CPU intel telah diperkenalkan ke tensorflow. Saya pikir mungkin ini penyebabnya.
https://software.intel.com/en-us/articles/intel-optimized-tensorflow-wheel-now-available

@captainst itu rilis khusus Intel, berbeda dari rilis resmi yang Anda dapatkan dengan melakukan pip install . Masalah SIGILL setelah peningkatan versi 1.6 kemungkinan disebabkan oleh penambahan AVX

Saya memiliki masalah yang sama.
Ubuntu 18.04 x64
Python 3.6.5rc1
TensorFlow 1.7.0

Saya memiliki masalah yang sama. Downgrade ke 1.5 berhasil untuk saya.

Sama disini.

Gerakan mengungkap kekerasan seksual demi menghapuskannya. Arch Linux dan CPU Intel.

Sama di sini di Ubuntu 17. 10.1 VM, KVM hypervisor di Slackware, Intel KabyLake CPU

Saya pikir saya menemukan jawabannya. Saya memiliki CPU G4600 yang tidak memiliki dukungan AVX dan ini ditambahkan di 1.6.

Ya, saya juga mengunci dukungan AVX.

Untuk memperbaikinya pada v1.6 dan di atasnya, Anda perlu mengkompilasi tensorflow dari sumber.

Saya ingin menggunakan tensorflow-gpu (1.7) terbaru dan tidak ingin tetap menggunakan 1.5. Jadi, apakah solusi untuk membangun tensorflow dari sumber tanpa dukungan AVX diaktifkan? Saya memiliki Xeon E5420 lama tetapi saya menggunakan tensorflow-gpu

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

Saya ingin menggunakan tensorflow-gpu (1.7) terbaru dan tidak ingin menggunakan
1.5. Begitu juga solusi untuk membangun tensorflow dari sumber tanpa dukungan AVX
diaktifkan? Saya memiliki Xeon E5420 lama tetapi saya menggunakan tensorflow-gpu

—
Anda menerima ini karena Anda berkomentar.
Balas email ini secara langsung, lihat di GitHub
https://github.com/tensorflow/tensorflow/issues/17411#issuecomment-379337106 ,
atau matikan utasnya
https://github.com/notifications/unsubscribe-auth/AGEJnptN5yMdVaVdWTsIwcjOAJuJbUDQks5tl7PKgaJpZM4SbSGu
.

Anda dapat membangun dari sumber dari git clone master. Itu harus otomatis menyesuaikan

ke cpu Anda.

Salam,

Jin

Menurunkan versi ke versi 1.5 memperbaiki masalah. Saya menggunakan Ubuntu 16.04 dengan python 2.7

Permasalahan yang sama
Ubuntu=16.10
python = 3.6
pip = 9.0.3
dengan tensorflow-gpu= 1.7
NVIDIA GTX 1070
CUDA 9.0

diselesaikan oleh:
pip3 instal tensorflow-gpu==1.5

masalah yang sama

permasalahan yang sama
Ubuntu 16.04
dengan tensorflow-gpu 1.7 dan 1.6

Masalah yang sama pada gambar Docker ini berjalan di notebook Paperspace.

Masalah dengan versi 1.6 dan 1.7

Memiliki masalah yang sama, diturunkan ke 1.5. Tensorflow mengimpor sekarang tetapi saya menjalankan skrip yang membutuhkan tensorflow_hub. Skrip melempar RuntimeError: TensorFlow Hub bergantung pada build 'tf-nightly' setelah 20180308 atau 'tensorflow~=1.7'. Ditemukan tf.VERSION = 1.5.0

terima kasih kembali ke versi 1.5 bekerja untuk saya juga

Saya memiliki masalah yang sama dengan tf`1.8 pada CentOS 7, hanya CPU. Menurunkan ke 1,5 berhasil.

Bagi mereka yang tidak ingin menurunkan versi jika Anda membangun dari sumber masalah teratasi.

Memiliki masalah yang sama, Menurunkan versi ke 1.5 berhasil untuk saya.

Baru saja mengalami masalah ini, pada tensorflow-gpu 1.8.0, di mesin template paperspace fast.ai

Saya memiliki masalah yang sama dengan tensorflow-1.8.0. Masalahnya adalah saya tidak dapat menurunkan versi ke versi 1.5 karena saya ingin berlatih dengan retrain.py dan untuk versi tensorflow yang lebih besar dari 1.7 ini adalah persyaratan. Jadi, ada saran? Apakah akan membantu jika saya membangun tensorflow dari sumber?!

Masalah yang sama di sini:
paperspace VM dengan template fast.ai
GPU: nvidia quadro P4000
tensorflow 1.8.0 diinstal di virtualenv seperti pada https://www.tensorflow.org/install/install_linux#installing_with_virtualenv memberikan kesalahan di atas (termasuk saat memasang roda yang direkomendasikan yang disebutkan di bagian bawah halaman)
ubuntu 16.04, python 3.6.3
pip uninstall tensorflow && pip install tensorflow-gpu==1.5.0 memperbaiki masalah. Saya belum mencoba mengkompilasi dari sumber.

Sebagai catatan tambahan, grep avx /proc/cpuinfo tidak menghasilkan apa-apa, jadi cpu VM saya tidak mendukung instruksi avx.

Halo semuanya, membangun dari sumber memecahkan masalah bagi saya.

اریخ ‏ :۴۷ laurentS [email protected] :

Masalah yang sama di sini:
paperspace VM dengan template fast.ai
GPU: nvidia quadro P4000
tensorflow 1.8.0 diinstal di virtualenv seperti di
https://www.tensorflow.org/install/install_linux#installing_with_virtualenv
memberikan kesalahan di atas
ubuntu 16.04, python 3.6.3
pip uninstall tensorflow && pip install tensorflow-gpu==1.5.0 memperbaiki
masalah. Saya belum mencoba mengkompilasi dari sumber.

—
Anda menerima ini karena Anda berkomentar.
Balas email ini secara langsung, lihat di GitHub
https://github.com/tensorflow/tensorflow/issues/17411#issuecomment-388583280 ,
atau matikan utasnya
https://github.com/notifications/unsubscribe-auth/APaJX3BUFgxCemEueanuAXMfqboX5MNqks5tx1FugaJpZM4SbSGu
.

Saya melakukan fase masalah yang sama, tetapi setelah beralih ke tensorflow-1.5 itu berhasil untuk saya.
Masalah Saya: - kesalahan -> inti dibuang
Prosesor: AMD® A4-3330mx apu dengan grafis hd radeon(tm) × 2
Gambar: AMD® Sumo
GNOME: 3.28.1
Jenis OS: 64-bit, Ubuntu 18.04 LTS

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

tentu saja ini bekerja dengan versi tensorflow sebelumnya tetapi saya membutuhkan lebih khusus versi 1.7.0 yang kompatibel dengan tensorflowjs baru. Bagaimana bisa?

@mctrjalloh beli CPU baru, saya kira

Aku memecahkannya. Bukan dengan membeli CPU baru😏

Anda harus membangun dari sumber itu tidak terlalu rumit

Masalah yang sama di tensorflow-gpu 1.8.0 juga

OS: Ubuntu 18.04
Python: 3.6.5

Sama untuk ku:

OS: Ubuntu 16.04
Python: 3.5
Versi Driver NVIDIA: 384.130

Sunting: membangun dari sumber berfungsi

Terima kasih banyak!!!

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

Permasalahan yang sama. Diuji pada Ubuntu 16 dan Ubuntu 17, pada 3 mesin berbeda masing-masing dengan >8GB RAM dan >4ghz CPU. Juga mendapatkan masalah dengan mesin GPU.

Masalah yang sama pada Server Ubuntu 16.04 saya. Dipecahkan dengan mengkompilasi TensorFlow (r1.8) dari sumber dan menginstal pip dari itu secara lokal :+1:

Masalahnya datang dengan gambar buruh pelabuhan juga. Saya tidak ingin mengkompilasi dari sumber. Apakah ada cara untuk mengatasinya? Saya juga tidak ingin menurunkan peringkat.

Dalam kasus saya, kompilasi TensorFlow (di Ubuntu 18.04) dengan Bazel memecahkan masalah. Kompilasi memang memakan waktu.

Kasus saya juga, mengkompilasi ulang TensorFlow 1.9 memecahkan masalah. Namun saya mengalami masalah lain terkait dengan numpy 1.15. Menurunkan ke numpy 1.14.5 dan kompilasi berhasil, dan dapat menginstal paket pip.

Mengapa masalah ini ditutup? Itu masih terjadi di TensorFlow 1.10.

Saya memposting beberapa tautan ke beberapa build komunitas tensorflow di sini yang mungkin membantu menghindari keharusan membangun dari sumber.

Memang, saya mengikuti instruksi yang ditemukan di https://www.tensorflow.org/install/install_linux dan mendapatkan tidak lebih dari "Instruksi ilegal (core dumped)" saat menguji seperti yang diminta pada halaman instalasi itu.

Masalah ini tidak boleh ditutup atau memiliki solusi aktual yang masuk akal (yaitu tidak menginstal versi 1.5)

Ini bekerja di Ubuntu 18.04. Jadi sekali lagi, menyebutkan versi pada halaman instalasi mungkin merupakan ide yang baik sebagai solusi tentang apa yang berhasil dan apa yang tidak.

baik masalah ini tampaknya masih terjadi .. tetapi saya punya solusi yang sangat sederhana
yang akan membuat Anda mengikuti tren pada saat yang sama :-).

PASANG KONDA!!!
untuk menginstal conda, cukup google saja :-)

buat lingkungan conda jika Anda suka:

conda buat

dan cukup jalankan:

conda install tensorflow

jika perintah terakhir tidak berhasil maka cari melalui saluran lain dengan
berlari:

anaconda search tensorflow

ini menampilkan daftar saluran dari mana Anda dapat mengunduhnya.
pilih satu saluran dan jalankan:

pertunjukan anaconda

ini akan meminta Anda perintah yang harus Anda masukkan untuk mengunduh
aliran tensor.
Jalankan perintah itu.

Itu dia !

PINDAH KE KONDA!!!

Pada Kamis, 23 Agustus 2018 pukul 22:38 Alexis Wilke [email protected]
menulis:

Memang, saya mengikuti instruksi yang ditemukan di
https://www.tensorflow.org/install/install_linux dan dapatkan apa-apa lagi
daripada "Instruksi ilegal (core dumped)" saat pengujian seperti yang diminta pada
halaman instalasi itu.

Masalah ini seharusnya tidak ditutup atau memiliki solusi aktual yang
masuk akal (yaitu tidak menginstal versi 1.5)

—
Anda menerima ini karena Anda disebutkan.
Balas email ini secara langsung, lihat di GitHub
https://github.com/tensorflow/tensorflow/issues/17411#issuecomment-415592389 ,
atau matikan utasnya
https://github.com/notifications/unsubscribe-auth/AWESkUXD-4XomnnPgF6D5QToWVH74JzAks5uTy7PgaJpZM4SbSGu
.

Masalah root mungkin ada hubungannya dengan protobuf dan ketidakcocokan di sekitar pthread_once dan std::call_once. Saya sendiri mengalami segfault ketika mengimpor tensorflow tepat setelah paket google lain yang disebut kalimat, dan pembuat kalimat memperbaikinya dengan membuat tambalan untuk protobuf yang menggantikan implementasi std::call_once dengan yang lain.

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

Untuk membuat masalah ini lebih konstruktif, saya pikir akan berguna jika TensorFlow akan memeriksa instruksi yang diperlukan pada CPU terlebih dahulu, dan mencetak kesalahan jika tidak ada. Demikian pula bagaimana saat ini dikatakan bahwa beberapa instruksi tersedia tetapi tidak dikompilasi. Maka akan lebih mudah untuk membedakan antara bug dan tidak menggunakan biner yang benar untuk CPU yang diberikan.

Mr royyannick .. Sebenarnya saya telah mencari di google berkali-kali dan itu mempengaruhi belajar saya baik Keras dan Tensoflow tetapi hari ini Anda telah membuat hari saya .. Anda hebat.
Terima kasih

Mencoba baik lingkungan virtual dan (f...ing) conda (Anda, Bung upstream, go fys!) pada tensorflow 1.10.1 (terbaru) di Ubuntu 16.04 dengan kesalahan yang sama. Beralih ke versi 1.9 sebelumnya - semuanya berfungsi dengan baik.

Saya kebetulan mereproduksi masalah ini pada mesin yang menjalankan CPU lama. Berikut adalah artikel yang menjelaskan opsi yang memungkinkan untuk mengatasi masalah tersebut .

Mereka yang ingin menginstal TensorFlow terbaru untuk CPU lama tanpa dukungan AVX tetapi tidak punya waktu untuk membangun dari sumber juga dapat mengunduh file WHL dari repositori Github ini .

Ini adalah BS. Saya memutar instalasi saya kembali ke 1.9 (bukan 'sebelum 1.6' seperti yang Anda katakan di artikel ini) dan binernya berfungsi (sehari sebelum kemarin).

Jika Anda menjalankan ini di baris perintah:

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"; }

dan lihat 16.04 untuk 1) dan -mavx atau -mavx2 untuk 2) di output, ini bisa menjadi masalah lain yang tidak terkait dengan dukungan AVX.

Jika bendera itu tidak ada, itu sesuatu yang harus saya tambahkan ke catatan saya, terima kasih.

Kesalahan yang sama di sini,

CentOS 7, Python 3.6.5, Intel CPU core2 duo e8500. pemasangan pip.

versi 1.9 tidak berfungsi. versi 1.5 impor ok.

versi 1.10 tampaknya ok di laptop saya yang memiliki Ubuntu 18.04 dan Intel i5-6200U.

Ini dinyatakan di https://www.tensorflow.org/install/install_sources
Catatan: Mulai dari rilis 1.6, binari bawaan kami akan menggunakan instruksi AVX.

Saya pikir itu mungkin telah disebutkan di lokasi yang jauh lebih menonjol!

Ini memecahkan masalah saya:
Setelah menginstal driver NVIDIA, CUDA Toolkit, dan CUDNN.
Uninstall dulu tensorflow-gpu :

$ pip uninstall tensorflow-gpu

Kemudian instal tensorflow-gpu menggunakan Anaconda :

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

Coba lari
pip uninstall tensorflow
Lalu
pip install tensorflow==1.5

EDIT
hanya untuk memberikan kredit, solusinya dari sini:
https://stackoverflow.com/questions/49094597/illegal-instruction-core-dumped-after-running-import-tensorflow

Terima kasih berhasil

Mungkin terkait dengan instruksi AVX. pip tensorflow-1.6 dan versi yang lebih tinggi dibuat dengan instruksi AVX, beberapa CPU tidak memiliki instruksi AVX. pip tensorflow-1.5 tidak dibuat dengan instruksi AVX.
Saran: 1): gunakan versi tensorflow yang lebih rendah
2): kompilasi versi tensorflow yang lebih tinggi dari sumber

Ya. Memang. Akan lebih baik, jika perangkat lunak akan memberi tahu saya daripada hanya crash. Saya tidak punya masalah dengan persyaratan, hanya cara menanganinya... Di Linux, akan sangat mudah untuk memeriksa /proc/cpuinfo untuk baris flags mana avx perlu muncul. Jika tidak, buat kesalahan dan exit(1) .

Ini bendera saya di komputer lama saya tanpa AVX

sdmxfpu vme de pse tsc msr pae mce cx8 apic sep mtrr pge mca cmov pat pse36 clflush dts acpi mmx fxsr sse sse2 ss ht tm pbe syscall nx rdtscp lm constant_tsc pelengkung 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

Sistem Informasi

-
Deskripsi RAM Lenovo-G500 8GB: CPU
produk: Intel(R) Core(TM) i3 CPU M 330 @ 2.13GHz
info bus: cpu@0
versi: Versi CPU
OS; Ubuntu-16.05
pip : 18 versi terbaru
saya tidak punya gpu

saya juga mendapatkan inti instruksi ilegal yang dibuang. tensorforflow 1.5 berfungsi untuk saya,
tetapi
Saya perlu menginstal tensorflowv1.10 0r terbaru untuk proyek saya.

Saya mencoba menginstal di tensorflow dengan cara yang berbeda, yaitu

1. tanpa anacoda , python 2.7, menggunakan pip ...pip install --upgrade tensorflow
   2 tanpa anacoda , python 3.5, menggunakan pip ""
   3.tanpa anacoda , python 3.6, menggunakan pip ""
   4.dengan anacoda , python 2.7, menggunakan conda conda install -c conda-forge tensorflow
   5.tanpa anacoda , python 2.7, menggunakan pip ""
   6.tanpa anacoda , python 2.7, menggunakan pip ""

tidak bekerja untuk saya,
apa masalahnya.

@bandarikanth

Cara Anda menginstal tensorflow seharusnya tidak menjadi masalah. Masalahnya adalah binari bawaan tensorflow 1.6+ memerlukan ekstensi set instruksi AVX , dan prosesor Anda tidak mendukung AVX. Anda dapat membangun dari sumber, pindah ke komputer dengan prosesor yang cukup baru, atau tetap menggunakan 1,5.

Terima kasih

Pada Minggu, 30 Des 2018, 12:24 Dan Stine < [email protected] menulis:

@bandarikanth https://github.com/bandarkanth

Cara Anda menginstal tensorflow seharusnya tidak menjadi masalah. Masalah
adalah bahwa binari pra-bangun tensorflow 1.6+ memerlukan AVX
https://en.m.wikipedia.org/wiki/Advanced_Vector_Extensions instruksi
atur ekstensi, dan prosesor Anda tidak mendukung AVX. Anda juga bisa
membangun dari sumber, pindah ke komputer dengan prosesor yang cukup baru, atau tongkat
dengan 1,5.

—
Anda menerima ini karena Anda disebutkan.
Balas email ini secara langsung, lihat di GitHub
https://github.com/tensorflow/tensorflow/issues/17411#issuecomment-450512554 ,
atau matikan utasnya
https://github.com/notifications/unsubscribe-auth/AZf77RdABm0uQsxiPx0uxd45q_rz9pUVks5u97pPgaJpZM4SbSGu
.

bekerja untuk saya jika downgrade ke 1.5 (pip install tensorflow==1.5)

Terkait: https://github.com/tensorflow/tensorflow/issues/19584

Saya memiliki masalah ini dengan 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'

Saya mendapatkan kerusakan ini pada i7-3520M yang mendukung AVX .

EDIT: Tidak apa-apa, crash terjadi pada instruksi shlx yang merupakan bagian dari AVX2. Setidaknya itu menunjukkan bahwa dukungan vanilla AVX tidak cukup.

Masih memiliki masalah dengan tensorflow 1.14.0 dan 2.0.0b1.

Kesalahan yang sama pada Linux Mint 19 dengan 2.0.0b1.
Baru saja diinstal dengan pip3 seperti yang diinstruksikan dari halaman instal situs resmi

tf1.5 tidak tersedia di repo Debian 8.8.

Saatnya mencoba avx.

Ini sangat sulit ditemukan pada node cluster terkelola, karena OS membunuh proses python terkait bahkan sebelum mereka dapat menulis dan menghapus baris "Instruksi ilegal" ini ke file log keluaran, dan kode keluar dari proses python tampaknya 0 .

Saya juga menggunakan 2.0.0-beta1, saat ini mencari tahu apakah menggantinya dengan 2.0.0 memperbaiki ini.

Saya juga mendapat masalah ini. Saya menggunakan python2 . Menurunkan ke versi CPU 1.5 membantu.

Saya mengalami masalah ini dengan Tensorflow 2 yang berjalan di lingkungan virtual di Ubuntu 18.04. Itu hanya mengejutkan saya bahwa pengembang Tensorflow akan menempatkan TF 2 sebagai siap dan tersedia dengan omong kosong ini terjadi. TIDAK Terkesan, Anda pengembang TF.

keluaran dmesg (dari bash):
[333908.854310] traps: python[12862] trap opcode tidak valid ip:7f8c46e6d820 sp:7ffc87609f78 error:0 in _pywrap_tensorflow_internal.so[7f8c3e250000+a9f8000]
linuxmint 19
Intel(R) Pentium(R) CPU P6200 @ 2.13GHz
ram 8gb (kingston)

Ini adalah masalah BESAR terkait CPU.

Setelah membaca utas ini dan memiliki pengalaman yang sama, masalah saya adalah bahwa komputer linux saya lebih tua dan memiliki CPU yang tidak mendukung set instruksi AVX. Saya memiliki tensorflow 1.5 di lingkungan virtual lain, tetapi untuk menggunakan tensorflow 2, saya harus menjalankan skrip saya di Google Colab

Saya tidak memiliki pengetahuan untuk mengatakan apakah persyaratan AVX masuk akal atau tidak. Apa yang saya tahu adalah bahwa masalahnya muncul dengan sendirinya tidak hanya dengan CPU yang lebih lama, tetapi juga dengan yang cukup baru, seperti milik saya Intel N5000. Saya mengerti bahwa melakukan pembelajaran mendalam pada N5000 agak sulit, tetapi jika tensorflow didukung juga oleh RaspberryPi, saya tidak melihat masalah.

Bagaimanapun, saya menginstal versi terakhir dari TensorFlow (2.0) pada Intel N5000 saya dengan mengkompilasinya dari sumber. Butuh 14 jam karena saya harus menjalankan kompilasi pada satu inti, karena membutuhkan banyak RAM dan saya hanya diundang 4Gb ke pesta.

Saya mengambil inspirasi dari panduan ini di sini tetapi pengalamannya jauh dari mulus, selalu ada dependensi yang hilang sehingga saya perlu menginstal dan meluncurkan kembali kompilasi. Dan beberapa hal lain juga yang saya pecahkan ketika kompilasi macet.

Selamat bersenang-senang dan terima kasih atas kerumitannya. Menyediakan melalui pip biner yang sudah dikompilasi untuk non-AVX jelas terlalu banyak untuk ditambahkan dalam alur kerja integrasi berkelanjutan Anda

Terima kasih atas tanggapan Anda, Luca. Saya memiliki desktop Ubuntu 18.04 yang sangat lama
yang bekerja sangat baik kecuali dalam menjalankan TF2 dan pada kenyataannya,
PyTorch terbaru (1.3.0) saya pikir.
Torch 1.1.0 berfungsi dengan baik untuk saya, dan mengenai TF2, saya menggunakan Google Colab yang
berfungsi dengan baik. Saya seorang pensiunan analis data dan memelihara profil hobi saya

Terima kasih untuk posting Anda

Pada Sat, 7 Desember 2019 di 06:52 Luca Olivieri [email protected]
menulis:

Saya tidak memiliki pengetahuan untuk mengatakan apakah persyaratan AVX masuk akal atau
bukan. Yang saya tahu adalah bahwa masalahnya muncul dengan sendirinya tidak hanya dengan yang lebih tua
CPU, tetapi juga dengan yang cukup baru, seperti milik saya Intel N5000. Saya mengerti itu
melakukan pembelajaran mendalam pada N5000 agak sulit, tetapi jika tensorflow
didukung juga oleh RaspberryPi, saya tidak melihat masalah.

Bagaimanapun, saya menginstal versi terakhir dari TensorFlow (2.0) pada Intel N5000 saya
dengan mengkompilasinya dari sumber. Butuh waktu 14 jam karena saya harus menjalankan
kompilasi pada satu inti, karena membutuhkan banyak RAM dan saya hanya punya
4Gb diundang ke pesta.

Saya mengambil inspirasi dari panduan ini di sini
https://tech.amikelive.com/node-882/how-to-build-and-install-the-latest-tensorflow-without-cuda-gpu-and-with-optimized-cpu-performance-on-ubuntu/
tetapi pengalamannya jauh dari mulus, selalu ada ketergantungan
hilang bahwa saya perlu menginstal dan meluncurkan kembali kompilasi. Dan beberapa
hal-hal lain juga yang saya pecahkan ketika kompilasi macet.

Selamat bersenang-senang dan terima kasih atas kerumitannya. Menyediakan melalui pip sudah biner
dikompilasi untuk non-AVX jelas terlalu banyak untuk ditambahkan ke kontinu Anda
alur kerja integrasi

—
Anda menerima ini karena Anda berkomentar.
Balas email ini secara langsung, lihat di GitHub
https://github.com/tensorflow/tensorflow/issues/17411?email_source=notifications&email_token=ACYHH362LGI5EZY3G74CMVLQXQZKDA5CNFSM4ETNEGXKYY3PNVWWK3TUL52HS4DFVREXGCPQW2JKZLOGSCPQW2JKZLOGSCPQW2JKTLN5WH2JKTLN5
atau berhenti berlangganan
https://github.com/notifications/unsubscribe-auth/ACYHH3YLNAER6NGNLKYNMPDQXQZKDANCNFSM4ETNEGXA
.

--
Clive DaSilva CPA,CMA
Beranda: 416-421-2480|Seluler: 416-560-8820
Email: clive. [email protected]
LinkedIN: http://ca.linkedin.com/pub/clive-dasilva/3/197/b89

Saya memiliki masalah yang sama ketika menjalankan pipa CI di server Gitlab. CPU (yang ditiru) dari pelari tidak memberikan instruksi AVX.

Menginstal Tensorflow dengan Conda alih-alih menggunakan roda PyPI memperbaiki masalah. :+1:

Saya memiliki masalah yang sama dengan Tensorflow 2.1.0. Apa yang harus dilakukan?

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

Saya berhasil memperbaiki masalah saya dengan membangun dari sumber menggunakan bazel. Itu membuat file whl. Lalu saya melakukan pip install whl file path

Ya, jika CPU Anda tidak mendukung AVX (kemungkinan penyebab kesalahan Illegal instruction (core dumped) ) maka Anda perlu mengkompilasi dari sumber. Ini menyebabkan kode dibuat tanpa instruksi AVX dan kemudian Anda dapat menggunakannya.

Selanjutnya, ini menjamin bahwa pip dibangun dengan tingkat pengoptimalan tertinggi yang tersedia untuk platform Anda, jadi Anda mungkin benar-benar melihat beberapa percepatan dibandingkan dengan menggunakan pip yang dibangun di platform yang berbeda. Fokus pada kekuatan.

Untuk menginstal tensorflow dengan conda jalankan perintah ini:
conda install -c conda-forge tensorflow
itu bekerja untuk saya.