Linux下pip安装TensorFlow、Keras后运行测试代码报Illegal instruction错误
基于Linux的TensorFlow运行
Illegal instruction报错问题说明 前期环境搭建操作
按顺序执行的环境安装命令:
sudo apt install python3 python3-pip sudo pip3 install --upgrade pip pip3 install --upgrade setuptools pip3 install tensorflow pip3 install keras
已安装组件版本核验
安装完成后通过pip3 show命令查询的版本信息:
- TensorFlow 版本为2.4.0,安装路径为
/home/Alt/.local/lib/python3.7/site-packages - Keras 版本为2.4.3,安装路径为
/home/Alt/.local/lib/python3.7/site-packages
测试代码与运行报错
编写的测试脚本内容:
import tensorflow as tf hello = tf.constant("Hello, TensorFlow!") sess = tf.Session() print(sess.run(hello))
在VS Code中调用系统Python3解释器运行脚本时,终端直接返回无堆栈的崩溃信息:
Alt@mx:/mnt/Project/ML/AE $ /usr/bin/python3 /mnt/Project/ML/AE/simple_auto_encoder.py Illegal instruction Alt@mx:/mnt/Project/ML/AE
报错产生原因
两个独立问题叠加触发了该报错:
- CPU指令集不匹配:PyPI官方提供的TensorFlow 2.4.0预编译包默认开启AVX2、FMA等高版本x86指令集优化,若运行环境的CPU不支持这些指令集,在加载TensorFlow动态链接库的阶段就会触发非法指令崩溃。这类崩溃属于操作系统层面的程序终止,不会触发Python的异常捕获逻辑,因此终端只会输出简单的“Illegal instruction”提示,没有详细的堆栈信息。
- API版本不兼容:原测试代码使用的
tf.Session接口属于TensorFlow 1.x 版本的API,TensorFlow 2.x 已移除该默认调用方式,即使解决指令集兼容问题,原代码也会触发接口不存在的报错。
对应解决方法
- 完全卸载当前全局安装的TensorFlow、Keras包,清理残留安装文件,选择适配当前CPU指令集范围的TensorFlow CPU版本安装,规避预编译包的指令集兼容问题。
- 修正测试代码适配TensorFlow 2.x的运行逻辑。2.x版本默认开启Eager执行模式,无需手动创建Session即可直接计算张量值,修正后的代码参考:
import tensorflow as tf hello = tf.constant("Hello, TensorFlow!") print(hello.numpy().decode()) - 移除独立安装的Keras包。TensorFlow 2.4.0已内置适配版本的Keras接口,独立安装的Keras 2.4.3与TensorFlow存在版本绑定冲突,额外安装会增加环境异常概率。
内容的提问来源于stack exchange,提问作者Cyrus the Great
相关产品推荐
相关产品推荐

