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

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，然后再联想到之前在项目中遇到的创建keras自带的EarlyStop callback时报段错误的问题：首先，我之前是顺利使用过Early Stop callback的；第二，import时并未报错。那么就可能是在创建callback时“隐式涉及”到相关库，从而因为上述原因出现段错误。

思考

这一点确实很可能是段错误的很大一部分原因，因为正是由于这种复杂的“隐式”的库间关联，才导致发生段错误的“玄学”性。