重新编译tensorflow源代码遇见的问题解决方法

最新推荐文章于 2022-06-07 09:39:05 发布
原创 最新推荐文章于 2022-06-07 09:39:05 发布 · 1.9k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#tensorflow源代码再编译 #卸载tensorflow后再次编译出现报错

本文解决了一个在尝试编译带有自定义OP的TensorFlow时出现的多个符号链接错误问题。通过重新安装NumPy并清理缓存后，问题得以解决。

今天试了一下tensorflow自定义op，在tensorflow源代码下创建一个自己的op后需要重新编译tensorflow，但是我这次编译出现了如下所示的错误：
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/npy_3kcompat.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/ufunc_api.txt’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/arrayscalars.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/noprefix.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/utils.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/ufuncobject.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/npy_endian.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/ndarrayobject.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/npy_cpu.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/npy_no_deprecated_api.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/multiarray_api.txt’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/_numpyconfig.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/old_defines.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/__ufunc_api.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/__multiarray_api.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/npy_interrupt.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/npy_1_7_deprecated_api.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/halffloat.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/_neighborhood_iterator_imp.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/npy_common.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/ndarraytypes.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/numpyconfig.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/npy_os.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/npy_math.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/arrayobject.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/oldnumeric.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: not all outputs were created or valid.
Target //tensorflow/tools/pip_package:build_pip_package failed to build
Use –verbose_failures to see the command lines of failed build steps.

解决方案如下：
如果你装的是pip3请输入如下3个指令。
sudo pip3 install –no-cache-dir –upgrade –force-reinstall –user numpy
sudo pip3 install –no-cache-dir –upgrade –force-reinstall numpy
sudo rm -rf /home/[usrname]/.cache

如果你装的是pip请输入如下3个指令。
sudo pip install –no-cache-dir –upgrade –force-reinstall –user numpy
sudo pip install –no-cache-dir –upgrade –force-reinstall numpy
sudo rm -rf /home/[usrname]/.cache

然后开始重新编译！具体如何编译请看我上一篇文章https://blog.youkuaiyun.com/c3255/article/details/82385939

重新编译TensorFlow1.4源代码支持SSE-AVX-FMA指令集 (Python3.5版本)
烟雨博客
01-23 2859
TensorFlow运行出现以下信息说明工作站支持这些指令集但编译的时候并没有加入 W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn’t compiled to use SSE4.1 instructions, but these are available on your machine
TensorFlow GPU 与 源码编译
AGI
06-30 3434
在深度学习中，服务器的GPU可以极大地加快算法的执行速度，不同版本的TensorFlow默认使用的GPU版本不同，导致与服务器无法兼容，这就需要根据服务器的GPU版本，重新编译TensorFlow源码。 欢迎Follow我的GitHub：https://github.com/SpikeKing 检查GPU 检测服务器的GPU，用于在编译中选择合适的GPU版本。CUDA是NVIDIA发布的...
如何编译TensorFlow C++ API/配置一个带TensorFlow C++ API 的Docker镜像（r1.14）
OddNo77的博客
08-14 1607
前言 对于大部分机器学习爱好者来说，TensorFlow（以下简写为TF）是一个非常好的Python开源机器学习框架。但对于一部分开发者而言，他们经常需要在Python环境下训练自己的模型，然后在C++环境下进行部署。这个部署、测试用的环境常常用Docker。 本文针对这样的需求，结合我自己在过程中踩过的坑、熬过的夜，记录一下如何搭建一个带有TensorFlow C++环境的Docker imag...
tensorflow1.15 源码编译遇到问题
lyfe66的博客
02-28 339
1.使用bazel 0.26.1 版本构建。 2.ModuleNotFoundError: No module named 'keras_preprocessing' conda install -c conda-forge keras-preprocessing
Tensorflow手动编译
zhishengqianjun的博客
08-27 1482
前言 1环境准备 1 安装brew 2 代理设置 3 安装bazel 4 安装python依赖 5 tensorflow源码下载 2编译 1 配置 2 编译 3参考文献系统：MacOS sierra 10.12.6 tf版本：1.2.1前言​ 最近在安装tensorflow的时候，遇到了下面的问题：​ 实际上就是因为我们直接用官方编译好的，并不能完美的与本地的指令集兼容，有点强迫症，所以决定
Win10下基于CPU的Tensorflow编译和c++/python调用——问题汇总
CaoYin
06-07 1696
Win10下基于CPU的Tensorflow编译和c++/python调用——问题汇总
tensorflow安装全解(全解萌新向/CPU/下载快/自选新旧版本/GPU安装简述/报错解决)
baidu_39157459的博客
03-03 2536
tensorflow安装详解一、安装过程总述二、安装过程分述2.1 一些建议和说明2.2 创立环境2.3 激活环境2.4 pip安装（※）2.5 GPU安装简述三、后述（如何尝试解决报错） 一、安装过程总述   笔者结合自己两次安装tensorflow的经历为初学者写下这份说明，已尽可能地写的较为清楚明白，以下安装按CPU安装过程来说明，GPU安装稍些复杂，但也是只多几个步骤，只做了简要概述，详见...
【阅读笔记】《TensorFlow 实战》黄文坚 唐源著
qq_31895943的博客
03-06 527
Chp 1 TensorFlow 基础 TensorFlow 来由：在计算图的边中流动（flow）的数据被称为Tensor Client通过session的接口与master及多个worker相连，master负责指导所有worker按流程执行计算图，而每个worker可以与多个设备相连； TemsorFlow有单机版和分布式版两种实现 不同设备间的数据通信通过设置发送节点和接收节点实现 容...
使用nuitka打包python代码为exe可执行程序
ha_lee的博客
04-15 2万+
使用nuitka打包python的pyqt5项目详细过程介绍以及遇见bug解决方法
遇见OFFER，阿里云最强技术团队现身招聘，“职”为你来
热门推荐
遇见OFFER
05-28 6万+
最近还在找工作吗？我们又来放送招聘信息啦！快来看看吧~
tensorflow源码
07-23
tensorflow 最新源代码，。....引自源码对应github分享
TensorFlow源码编译
Li_suhuan的博客
10-29 1591
1、版本tensorflow-1.15.5 https://github.com/tensorflow/tensorflow/releases/tag/v1.15.5 Note that this is the last patch release for the TensorFlow 1.x series. 本文将源代码下载在/home/svn路径下，并在编译完成后，将编译所得tensorflow环境，统一放置在/home/svn/tensorflow路径。 2、使用对应版本的python cd /u
TensorFlow编译过程中遇到的问题及解决方案
sydpz1987的博客
05-24 1万+
最近一直尝试使用TensorFlow源码进行编译，在编译过程中遇到一个Status 4的错误码。 github问题链接其完整错误日志如下：ERROR: /home/wangbing/Git/tensorflow/tensorflow/core/kernels/BUILD:297:1: C++ compilation of rule '//tensorflow/core/kernels:mirror_
Ubuntu下import tensorflow显示非法指令（核心已转储）解决方案
clover97的博客
08-14 1万+
本人最开始在Ubuntu16下安装anaconda以后配置的是tensorflow1.0.0，由于项目需要tensorflow1.3+，所以尝试了各种升级、更新、最后还重装了系统，都不能安装tensorflow1.6+。后来了解是CPU版本太老的问题，只能安装＜=1.5的版本，所以在这里记录一下采坑过程。 anaconda安装完成以后，安装tensorflow conda create -n ...
安装TensorFlow出现的错误is not a supportedl wheel on this platform解决
qq_35578807的博客
03-19 1387
找不到对应版本的TensorFlow 在控制台输入python来查看python的版本！！！ 在控制台输入python来查看python的版本！！！ 在控制台输入python来查看python的版本！！！ 官方说明了需要3.5-3.8版本的python 而题主有python3.9和python3.7两个版本，默认是使用python3.9 和空气斗智斗勇了一晚上 ...
记一次编译tensorflow-gpu爬过的坑
auxp98840的博客
04-07 337
废话不多说，先说最终成功的版本：系统=>centos7 ,cuda=>10.0 ,cudnn=>7.5 ,nccl=>源码编译, tensorflow=>最新版本源码编译 第一次尝试：cuda=>10.1 cudnn=>7.5 nccl=>2.4.2 1.cuda下载包：*.run,，直接 sh ./*.run 按照提示选择就能安装，一...
TensorFlow遇到的各种错误
天边一坨浮云
06-01 2673
TensorFlow遇到的各种错误
2_TensorFlow1.31.1 GPU版本源码编译【报错备忘】
hardwork617s的博客
01-11 2251
2_TensorFlow1.31.1 GPU版本源码编译【报错备忘】 下面的是按照从现在往过去的时间轴写的，即，编译出错，是从文本内容的后面往前看的顺序。 ★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★ 终于编译成功了！ 编译日志见《TensorFlow1.31.1 GPU版本【编译成功日志】.log》 【gcc4.8.4】使用命令【bazel build --copt=-mar..
如何重新编译 TensorFlow 并配置相应的编译器标志
05-23
要重新编译 TensorFlow 并配置相应的编译器标志，可以按照以下步骤： 1. 安装 Bazel 构建系统：Bazel 是 TensorFlow 的构建系统，需要先安装它。可以从 Bazel 的官方网站上下载适合自己系统的 Bazel 版本，并按照官方文档进行安装。 2. 下载 TensorFlow 源代码：可以从 TensorFlow 的官方网站上下载 TensorFlow 的源代码，也可以使用 Git 工具从 TensorFlow 的 GitHub 仓库上 clone 源代码。 3. 配置编译器标志：在编译 TensorFlow 之前，需要先配置编译器标志。可以使用以下命令来配置编译器标志： ``` ./configure ``` 该命令会让用户回答一些问题，以确定编译 TensorFlow 所需的配置信息。其中包括选择编译器、CUDA 支持等等。在回答完所有问题后，会自动生成一个名为 `.bazelrc` 的文件，其中包含了所有配置信息。 4. 编译 TensorFlow：在执行编译命令之前，需要先切换到 TensorFlow 源代码的根目录。然后，可以使用以下命令来编译 TensorFlow： ``` bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package ``` 该命令会编译 TensorFlow，并将其打包成一个 Python 软件包。可以使用以下命令来生成软件包： ``` bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg ``` 该命令会将生成的软件包保存在 `/tmp/tensorflow_pkg` 目录下。 5. 安装 TensorFlow：可以使用以下命令来安装 TensorFlow： ``` pip install /tmp/tensorflow_pkg/tensorflow-version-tags.whl ``` 其中 `version-tags` 是版本号，例如 `tensorflow-2.3.0rc2-cp37-cp37m-linux_x86_64.whl`。 以上就是重新编译 TensorFlow 并配置相应的编译器标志的步骤。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值