Jetson Nano运行TensorFlow Lite目标检测模型遇__libc_single_threaded错误求助

可能原因及解决办法 #

1. TensorFlow Lite版本与Jetson架构不兼容 #

树莓派的TFLite预编译包是针对ARMv7/ARMv8通用架构编译的，而Jetson Nano属于aarch64架构，直接使用会出现符号匹配问题。

• 卸载当前tensorflow-lite包，改用NVIDIA官方适配Jetson平台的TensorFlow版本（包含优化后的TFLite）：

  pip uninstall tensorflow-lite
  # 替换为对应JetPack版本的TensorFlow包，例如JetPack 4.6对应版本：
  pip install tensorflow==2.8.0+nv22.05
  

2. 虚拟环境未加载更新后的系统库路径 #

虚拟环境默认可能未继承系统中升级后的libstdc++或glibc相关库路径，导致链接旧版本库文件。

• 激活虚拟环境后手动指定库路径：

  export LD_LIBRARY_PATH=/usr/lib/aarch64-linux-gnu:$LD_LIBRARY_PATH
  # 或指向g++-11对应的库路径
  export LD_LIBRARY_PATH=/usr/lib/gcc/aarch64-linux-gnu/11:$LD_LIBRARY_PATH
  

• 可将上述export命令添加到虚拟环境的bin/activate文件末尾，实现每次激活自动加载。

3. 系统glibc版本不足 #

__libc_single_threaded符号是在glibc 2.34及以上版本引入的，Ubuntu 18.04默认glibc版本为2.27，仅升级libstdc++无法解决该符号缺失问题。

• 不建议直接升级Ubuntu 18.04的glibc（易引发系统稳定性问题），推荐从源码针对Jetson Nano架构编译TensorFlow Lite：

  # 安装编译依赖
  sudo apt-get install build-essential cmake git
  # 克隆TensorFlow源码
  git clone https://github.com/tensorflow/tensorflow.git
  cd tensorflow
  # 执行配置（按提示选择Jetson对应的编译选项）
  ./configure
  # 编译TFLite Python包
  bazel build //tensorflow/lite/python:build_pip_package
  ./bazel-bin/tensorflow/lite/python/build_pip_package /tmp/tflite_pkg
  # 安装编译好的包
  pip install /tmp/tflite_pkg/tensorflow_lite-*.whl
  

4. 树莓派示例代码存在平台特定依赖 #

原示例可能依赖树莓派专属的摄像头或硬件接口库，在Jetson Nano上无法兼容。

• 修改示例代码中的摄像头初始化逻辑，替换为Jetson兼容的方案，比如使用OpenCV的cv2.VideoCapture或NVIDIA官方的jetson.utils.videoSource接口。

内容的提问来源于stack exchange，提问作者Mito