阿里云服务器端配置TensorFlow & jupyter
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了阿里云服务器端配置TensorFlow & jupyter,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含2643字,纯文字阅读大概需要4分钟。
内容图文
在阿里云上搭建爬取某信的公众号文章的程序时,发现需要验证码验证,技穷之后考虑做一个验证码识别程序,所以开始在服务器上搭建机器学习平台,
背景,服务器上已经有其他应用在跑着了,所以不想停服,
当前环境:
centos7
gcc
Python2.7
找了找其他人的经验,觉得可以参考这篇的方法,https://www.jianshu.com/p/98f8b55a4191
1、Python3.6
安装Python3.6,这个是之前装好的,没有用anaconda,就是原始安装的,
2、TensorFlow
按照教程的方法,pip安装TensorFlow 1.8之后测试时,发现报错:
/lib64/libstdc++.so.6: version `GLIBCXX_3.4.20‘ not found
Failed to load the native TensorFlow runtime。
这里是gcc的问题了,开始找办法,
首先排查一下这里(https://www.jianshu.com/p/4115338fba2d)提到的问题有没有出现,
之后再看,一般出现这个问题时是系统安装了高版本gcc之后没有重新配置系统的超链接指向新的gcc程序,这个问题一查都是全系统搜索找到新的gcc的库位置,重建软连接就行了,
一般都这样处理:https://blog.csdn.net/libaineu2004/article/details/77100132
但是我这就特殊了,系统中没有更高版本了,find / -name libstdc++.so.6*之后最高就是3.4.19,没有20,那只好升级呗,
结果:yum provides libstdc++.so.6
之后,查到的跟人家的不一样:
一般的,
Loaded plugins: fastestmirror, langpacks
Loading mirror speeds from cached hostfile
* base: centos.ustc.edu.cn
* extras: centos.ustc.edu.cn
* updates: centos.ustc.edu.cn
libstdc++-4.8.5-11.el7.i686 : GNU Standard C++ Library
Repo : base
Matched from:
Provides : libstdc++.so.6
我的:
Loaded plugins: fastestmirror
Loading mirror speeds from cached hostfile
* base: centos.ustc.edu.cn
* extras: centos.ustc.edu.cn
* updates: centos.ustc.edu.cn
libstdc++-4.8.5-11.el7.i686 : GNU Standard C++ Library
Repo : base
Matched from:
Provides : libstdc++.so.6
libstdc++-4.8.5-28.el7_5.1.i686 : GNU Standard C++ Library
Repo : @update
Matched from:
Provides : libstdc++.so.6
libstdc++-4.8.5-28.el7_5.1.i686 : GNU Standard C++ Library
Repo : @updates
Matched from:
Provides : libstdc++.so.6
本来想找个什么办法直接升级到下一版本,但是没找到,怎么升级都报:
Package libstdc++-4.8.5-28.el7_5.1.i686 already installed and latest version
只好手动编译安装更高版本gcc,具体方法看这里:
https://blog.csdn.net/leiting_imecas/article/details/60813164
直接升级到libstdc++.so.6.0.21,升级完就好了,
中途貌似会有个报错,
make[3]: *** [build/genmddeps] Error 1
make[3]: Leaving directory `/opt/mylinux/build/gcc-build/gcc‘
make[2]: *** [all-stage1-gcc] Error 2
make[2]: Leaving directory `/opt/mylinux/build/gcc-build‘
make[1]: *** [stage1-bubble] Error 2
make[1]: Leaving directory `/opt/mylinux/build/gcc-build‘
...
这时需要升级一下g++,https://www.cnblogs.com/Anker/p/3203402.html
**编译过程非常耗时,我当时CPU100%跑了接近两小时,这样就会挤掉系统中正在跑的其他程序,如果你还部署了其他应用建议再检查下他们是否都还能正常服务,**
之后再Python import tensorflow时就正常了,那下一步是jupyter,具体方案在这里:https://blog.csdn.net/ys676623/article/details/77848427
这个教程中修改完服务器端的jupyter的配置文件,配置文件中填写的密码应该是ipython给出的那个全部字符串,改完后是这样的:
c.NotebookApp.password = u‘sha1:XXXXXX‘
修改完服务器端的jupyter的配置文件后应该启动jupyter:
jupyter notebook --ip=0.0.0.0 --no-browser --allow-root
此时就已经可以正常在本地使用阿里云上的jupyter了,
参考材料:https://www.cnblogs.com/faramita2016/p/7512471.html
原文:https://www.cnblogs.com/1394htw/p/9866398.html
内容总结
以上是互联网集市为您收集整理的阿里云服务器端配置TensorFlow & jupyter全部内容,希望文章能够帮你解决阿里云服务器端配置TensorFlow & jupyter所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。