我创建了一个新的虚拟环境：
virtualenv -p python2 test_venv/pip install --upgrade --no-cache-dir tensorflowimport tensorflowIllegal instruction (core dumped)请帮助我了解发生了什么以及如何解决它。谢谢你。
-cpu
description: CPU
product: Intel(R) Core(TM) i3 CPU M 330 @ 2.13GHz
bus info: cpu@0
version: CPU Version
capabilities: x86-64 fpu fpu_exception wp vme de pse tsc msr pae mce cx8 apic sep mtrr pge mca cmov pat pse36 clflush dts acpi mmx fxsr sse sse2 ss ht tm pbe syscall nx rdtscp constant_tsc arch_perfmon pebs bts rep_good nopl xtopology nonstop_tsc aperfmperf pni dtes64 monitor ds_cpl vmx est tm2 ssse3 cx16 xtpr pdcm sse4_1 sse4_2 popcnt lahf_lm tpr_shadow vnmi flexpriority ept vpid dtherm arat cpufreq
#0 0x00007fffe5793880 in std::pair<std::__detail::_Node_iterator<std::pair<tensorflow::StringPiece const, std::function<bool (tensorflow::Variant*)> >, false, true>, bool> std::_Hashtable<tensorflow::StringPiece, std::pair<tensorflow::StringPiece const, std::function<bool (tensorflow::Variant*)> >, std::allocator<std::pair<tensorflow::StringPiece const, std::function<bool (tensorflow::Variant*)> > >, std::__detail::_Select1st, std::equal_to<tensorflow::StringPiece>, tensorflow::StringPieceHasher, std::__detail::_Mod_range_hashing, std::__detail::_Default_ranged_hash, std::__detail::_Prime_rehash_policy, std::__detail::_Hashtable_traits<true, false, true> >::_M_emplace<std::pair<tensorflow::StringPiece, std::function<bool (tensorflow::Variant*)> > >(std::integral_constant<bool, true>, std::pair<tensorflow::StringPiece, std::function<bool (tensorflow::Variant*)> >&&) ()
from /media/gerry/hdd_1/ws_hdd/test_venv/local/lib/python2.7/site-packages/tensorflow/python/../libtensorflow_framework.so
#1 0x00007fffe5795735 in tensorflow::UnaryVariantOpRegistry::RegisterDecodeFn(std::string const&, std::function<bool (tensorflow::Variant*)> const&) () from /media/gerry/hdd_1/ws_hdd/test_venv/local/lib/python2.7/site-packages/tensorflow/python/../libtensorflow_framework.so
#2 0x00007fffe5770a7c in tensorflow::variant_op_registry_fn_registration::UnaryVariantDecodeRegistration<tensorflow::Tensor>::UnaryVariantDecodeRegistration(std::string const&) ()
from /media/gerry/hdd_1/ws_hdd/test_venv/local/lib/python2.7/site-packages/tensorflow/python/../libtensorflow_framework.so
#3 0x00007fffe56ea165 in _GLOBAL__sub_I_tensor.cc ()
from /media/gerry/hdd_1/ws_hdd/test_venv/local/lib/python2.7/site-packages/tensorflow/python/../libtensorflow_framework.so
#4 0x00007ffff7de76ba in call_init (l=<optimized out>, argc=argc@entry=2, argv=argv@entry=0x7fffffffd5c8, env=env@entry=0xa7b4d0)
at dl-init.c:72
#5 0x00007ffff7de77cb in call_init (env=0xa7b4d0, argv=0x7fffffffd5c8, argc=2, l=<optimized out>) at dl-init.c:30
#6 _dl_init (main_map=main_map@entry=0xa11920, argc=2, argv=0x7fffffffd5c8, env=0xa7b4d0) at dl-init.c:120
#7 0x00007ffff7dec8e2 in dl_open_worker (a=a@entry=0x7fffffffb5c0) at dl-open.c:575
#8 0x00007ffff7de7564 in _dl_catch_error (objname=objname@entry=0x7fffffffb5b0, errstring=errstring@entry=0x7fffffffb5b8,
mallocedp=mallocedp@entry=0x7fffffffb5af, operate=operate@entry=0x7ffff7dec4d0 <dl_open_worker>, args=args@entry=0x7fffffffb5c0)
at dl-error.c:187
#9 0x00007ffff7debda9 in _dl_open (
file=0x7fffea7cbc34 "/media/gerry/hdd_1/ws_hdd/test_venv/local/lib/python2.7/site-packages/tensorflow/python/_pywrap_tensorflow_internal.so", mode=-2147483646, caller_dlopen=0x51ad19 <_PyImport_GetDynLoadFunc+233>, nsid=-2, argc=<optimized out>, argv=<optimized out>, env=0xa7b4d0)
at dl-open.c:660
#10 0x00007ffff75ecf09 in dlopen_doit (a=a@entry=0x7fffffffb7f0) at dlopen.c:66
#11 0x00007ffff7de7564 in _dl_catch_error (objname=0x9b1870, errstring=0x9b1878, mallocedp=0x9b1868, operate=0x7ffff75eceb0 <dlopen_doit>,
args=0x7fffffffb7f0) at dl-error.c:187
#12 0x00007ffff75ed571 in _dlerror_run (operate=operate@entry=0x7ffff75eceb0 <dlopen_doit>, args=args@entry=0x7fffffffb7f0) at dlerror.c:163
#13 0x00007ffff75ecfa1 in __dlopen (file=<optimized out>, mode=<optimized out>) at dlopen.c:87
#14 0x000000000051ad19 in _PyImport_GetDynLoadFunc ()
#15 0x000000000051a8e4 in _PyImport_LoadDynamicModule ()
#16 0x00000000005b7b1b in ?? ()
#17 0x00000000004bc3fa in PyEval_EvalFrameEx ()
#18 0x00000000004c136f in PyEval_EvalFrameEx ()
#19 0x00000000004b9ab6 in PyEval_EvalCodeEx ()
#20 0x00000000004b97a6 in PyEval_EvalCode ()
#21 0x00000000004b96df in PyImport_ExecCodeModuleEx ()
#22 0x00000000004b2b06 in ?? ()
#23 0x00000000004a4ae1 in ?? ()
我会使用旧版本。看来您的 CPU 不支持 AVX 指令。
引自他们的发布页面
Breaking Changes
Prebuilt binaries are now built against CUDA 9.0 and cuDNN 7.
Prebuilt binaries will use AVX instructions. This may break TF on older CPUs.
您至少有两个选择：
使用tensorflow 1.5或更旧版本
从源代码构建
考虑到您对差异的关注，您将错过新功能，但大多数基本功能和文档并没有那么不同。
不幸的是，1.6 给很多人带来了同样的错误。我在一台旧 Core2 CPU 的机器上安装 1.7 后收到了它。我选择了 1.5，因为我无法在配备最新处理器的机器中安装大显卡！
正如已接受的答案中所解释的，可以通过安装旧版本的 TensorFlow (v1.5) 或从源代码构建来解决此问题。在两者之间，尽管需要付出额外的努力，但从源头构建可以说是首选途径。当然，该二进制文件包含 TensorFlow 的最新组件。
关键在于检测 CPU 标志并在配置构建时启用所有 CPU 标志进行优化。
以下命令用于检测常见的CPU优化标志：
$ grep flags -m1 /proc/cpuinfo | cut -d ":" -f 2 | tr '[:upper:]' '[:lower:]' | { read FLAGS; OPT="-march=native"; for flag in $FLAGS; do case "$flag" in "sse4_1" | "sse4_2" | "ssse3" | "fma" | "cx16" | "popcnt" | "avx" | "avx2") OPT+=" -m$flag";; esac; done; MODOPT=${OPT//_/\.}; echo "$MODOPT"; }
如果通过执行命令，未显示
-mavx-mavx2我也遇到了类似的问题，结果发现这是因为我的 CPU 稍旧，并且在 1.6+ 版本的 TensorFlow 上运行效果不佳https://www.tensorflow.org/install/source
注意：从 TensorFlow 1.6 开始，二进制文件使用 AVX 指令，这些指令可能无法在较旧的 CPU 上运行。
因此，正如之前提到的，您可以安装 TensorFlow 1.5，或者如果您仍然想要最新版本的 TF，则需要使用 conda 安装它（这两种解决方案都适合我）
对于 conda 安装：
conda create -n tensorflow
conda install tensorflow-gpu -n tensorflow
github 上有一个关于此问题的 issue，不幸的是，tensorflow 团队似乎对此兴趣不大。
网络上有一些社区构建可能会根据您的情况起作用：
以下步骤对我有用。 （删除现有的张量流）
在 conda 虚拟环境中
第1步：使用pip安装keras应用程序
第2步：安装tensorflow（无需降级）
我会使用 docker 将 tf 降级到以前的版本。你可以在dockerhub上找到不同的标签
例如：
docker run --gpus all -it tensorflow/tensorflow:2.2.1-gpu bash
它可能与 TensorFlow、Keras、Pytorch 没有直接关系。 抱歉。
但是在 L4T（Nvidia Jetson AGX Xavier）上，当我安装最新版本的 NumPy、pandas、protobuf 时，它发生在我身上，它引发了奇怪的错误，同时在控制台上我不知道为什么，我的意思是真的，如果有人可以的话，我将不胜感激。它警告我关于 Pandas 的依赖项 python-dateutil=2.8.1 为了弄清楚这一点，请回到兔子洞，我尝试了这些步骤：
pip3 uninstall numpy
pip3 uninstall pandas
pip3 uninstall protobuf
pip3 uninstall python-dateutil
然后尝试使用特定版本安装它们
pip3 install numpy==1.13.3
pip3 install pandas==0.22.0
pip3 install protobuf==3.0.0
现在可以很好地与 TensorFlow：1.5.0、PyTorch：1.6、1.7 配合使用