aarch64架构Miniconda3环境GLIBCXX缺失及包兼容问题求助

一、解决GLIBCXX_3.4.30缺失的ImportError #

由于你使用的是Miniconda环境，优先通过conda管理库，不要修改系统自带的libstdc++，避免破坏系统环境：

• 临时修复（单次会话有效）：在终端执行以下命令，让conda环境的libstdc++优先加载，再尝试导入包：

  export LD_PRELOAD=$CONDA_PREFIX/lib/libstdc++.so.6
  

• 永久修复：把上面的命令添加到conda环境的激活脚本里，执行以下命令后，每次激活环境都会自动生效：

  echo 'export LD_PRELOAD=$CONDA_PREFIX/lib/libstdc++.so.6' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
  

• 升级环境内的libstdc++：如果上面的方法无效，直接安装conda-forge提供的新版libstdc++：

  conda install -c conda-forge libstdcxx-ng
  

  安装完成后重启环境，再测试导入包。

二、查询并安装与numpy 1.22.0兼容的包版本 #

1. 查询兼容版本 #

用conda的search命令，指定numpy版本约束来筛选各包的兼容版本：

• 查询keras：

  conda search keras --override-channels -c conda-forge -c defaults --constraint "numpy=1.22.0"
  

• 查询kneed：

  conda search kneed --constraint "numpy=1.22.0"
  

• 同理，替换包名即可查询librosa、seaborn、scikit-learn、tensorflow的兼容版本。

2. 安装兼容版本 #

根据查询到的版本号，直接指定安装，示例命令（版本号以实际查询结果为准）：

conda install numpy=1.22.0 keras=2.10.0 kneed=0.8.1 librosa=0.9.2 seaborn=0.12.1 scikit-learn=1.1.3 tensorflow=2.10.0

如果需要更严谨的环境配置，可以创建environment.yml文件，内容示例：

name: your_env_name
channels:
  - conda-forge
  - defaults
dependencies:
  - numpy=1.22.0
  - keras=2.10.0
  - kneed=0.8.1
  - librosa=0.9.2
  - seaborn=0.12.1
  - scikit-learn=1.1.3
  - tensorflow=2.10.0

然后执行conda env create -f environment.yml创建环境。

内容的提问来源于stack exchange，提问作者Susan