深度学习段错误（Segment Core/ Exit code 139）情况记录

最新推荐文章于 2024-04-19 03:47:33 发布

原创

最新推荐文章于 2024-04-19 03:47:33 发布 · 1k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #tensorflow #python

在进行深度学习时，作者经常遇到神秘的段错误。通过对环境和代码的分析，发现这可能与库之间的兼容性问题有关，特别是tensorflow、numpy和scikit-learn。通过显式导入numpy解决了这个问题，揭示了库依赖可能导致的隐性冲突。这为理解深度学习中遇到的类似错误提供了思路。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

使用python搞深度学习经常会遇到抽风的段错误，但一直未找到原因在哪，都是玄学发生，玄学修复，现在终于发现了一些“线索”，发布此文用于记录积累导致段错误的原因及解决方法。

线索发现

>>> import tensorflow as tf
>>> tf.ones([3,4]).numpy()  # 测试tensorflow是否正确安装，成功执行并得到正确结果
>>> exit()  # 距离上一行之间无任何执行代码，按理说应该正常退出，但Segment Core（即段错误exit code 139）

注：个人的环境中几个主要的库是tensorflow-gpu 2.3.0 numpy scikit-learn

分析

深度学习往往涉及相关库（numpy、scikit-learn、tensorflow等）较多，并且每个库又有各种版本，我在很早前就了解到这些库有时看上去是顺利安装了，但实际上仍存在一定的“兼容”问题，比如曾遇到sklearn的import必须在tensorflow之前，否则就会报错退出-_-||。

通过短短3行代码分析，想到这样一点：虽然没有显式import numpy，但是tensorflow一定依赖numpy吧？（毕竟.numpy()都出来了= =）。那么是不是跟上面提到的情况类似？难道也是因为库之间的依赖兼容性的问题？于是我做了如下尝试：

>>> import numpy as np
>>> import tensorflow as tf
>>> tf.ones([3,4]).numpy()
>>> exit()  # exit with code 0，成功结束了！

果不其然，在显式import numpy之后段错误就消失了。似乎是这个原因，然

最低0.47元/天解锁文章

200万优质内容无限畅学

深度学习 段错误（Segment Core/ Exit code 139）情况记录

前言

线索发现

分析

深度学习段错误（Segment Core/ Exit code 139）情况记录