树莓派Python3.5运行TensorFlow脚本报错求助

首先，你遇到的这个NotFoundError里的未定义protobuf符号问题，核心原因是你把为Python3.4编译的TensorFlow包强行安装到了Python3.5环境中，导致底层依赖的原生扩展（比如_prefetching_ops.so）和当前Python环境、系统库的兼容性不匹配。那个教程提到的“导入有警告但可正常运行”，只适用于TensorFlow的基础核心功能，而tf.contrib模块里的很多组件依赖特定版本的编译符号，跨版本安装就会触发这类错误。

下面给你几个可行的解决方向：

1. 降级Python到3.4，使用对应版本的预编译包 #

这是最贴合那个教程思路的解决方案：

• 在树莓派上安装Python3.4，确保系统里的pip3.4可用
• 直接使用教程里的Python3.4版本TensorFlow wheel包进行安装，命令类似：

  pip3.4 install tensorflow-1.x.x-cp34-none-linux_armv7l.whl
  

• 这样安装后，虽然导入时可能还是会有版本不匹配的警告，但tf.contrib模块的原生扩展能找到正确的依赖符号，不会出现NotFoundError。

2. 替换为Python3.5兼容的TensorFlow预编译包 #

现在社区有很多针对树莓派Python3.5的第三方预编译TensorFlow包，不需要自行编译：

• 找到对应你树莓派型号（比如ARMv7/ARM64）的Python3.5版本TensorFlow wheel
• 用pip3.5直接安装这个包，替换掉当前的跨版本安装的TensorFlow
• 这类预编译包是专门针对Python3.5编译的，能完美兼容contrib模块的所有功能，彻底解决兼容性问题。

3. 规避使用tf.contrib.learn.Estimator，改用核心API #

如果不想调整Python版本或者找新的包，可以尝试重构代码，绕开有问题的contrib模块：

• 把原来基于tf.contrib.learn.Estimator的代码，改成用TensorFlow核心API手动构建模型：
  • 直接定义网络层、损失函数、优化器
  • 使用tf.Session来执行训练和预测流程
• 这种方式能避开加载tf.contrib.data里的_prefetching_ops.so这类依赖特定编译符号的扩展，从而解决报错问题。

内容的提问来源于stack exchange，提问作者Ryan