错误#15:初始化libiomp5.dylib,但发现libiomp5.dylib已经初始化

Question

使用matplotlib时收到错误消息:

错误#15:初始化libiomp5.dylib,但发现libiomp5.dylib已初始化OMP:提示:这意味着OpenMP运行时的多个副本已链接到程序中.这很危险,因为它会降低性能或导致错误的结果.最好的办法是确保只有一个OpenMP运行时链接到进程中,例如通过避免在任何库中静态链接OpenMP运行时.作为不安全,不受支持,未记录的变通方法,您可以将环境变量KMP_DUPLICATE_LIB_OK = TRUE设置为允许程序继续执行,但这可能会导致崩溃或无声地产生不正确的结果.有关详细信息,请访问 http://www.intel.com/software/products/support/.

Answer 1

这似乎是一个MacOS问题.执行以下操作以解决问题:

import os

os.environ['KMP_DUPLICATE_LIB_OK']='True'

答案发现于:https://github.com/dmlc/xgboost/issues/1715

Answer 2

我在 macOS 上遇到了同样的问题，并发现以下原因：

问题：

我有一个安装了 Numpy、SciPy 和 TensorFlow 的 conda 环境。

Conda 正在使用 Intel(R) MKL 优化，请参阅文档：

Anaconda 已将一些最流行的数值/科学 Python 库的 MKL 驱动的二进制版本打包到 MKL 优化中，以提高性能。

英特尔 MKL 函数（例如 FFT、LAPACK、BLAS）采用 OpenMP 技术进行线程化。

但是在 macOS 上你不需要 MKL，因为 Accelerate Framework 自带优化算法并且已经使用 OpenMP。这就是错误消息的原因：OMP Error #15: ...

解决方法：

您应该安装所有没有 MKL 支持的软件包：

conda install nomkl

然后使用

conda install numpy scipy pandas tensorflow

其次是

conda remove mkl mkl-service

有关更多信息，请参阅conda MKL 优化。

Answer 3

对我来说，当我在 numpy 之后导入 pytorch 时就出现了这个问题。按此顺序导入它们解决了我的问题：

import torch
import numpy as np

Answer 4

如果适用，这是一个更好的解决方案。否则，gcamargo的解决方案很可能会起作用。但是，它带有警告“可能会导致崩溃或以静默方式产生不正确的结果”

我在Mac上使用numpy，keras和matplotlib的python程序遇到相同的错误。我解决了

conda install nomkl

在以下位置找到答案：https : //github.com/dmlc/xgboost/issues/1715

Answer 5

我在安装了 TensorFlow 的 conda 环境中遇到了同样的问题。做完之后

• pip uninstall tensorflow
• pip install tensorflow

问题就解决了。

Answer 6

使用 conda 将 tensoflow 更新到 1.13 时，在 OSX 中遇到了同样的问题。

• 解决方案 1：/gcamargo 可以工作，但每个训练周期慢 3 倍。
• 解决方案 2：/sjcoding 工作并消除了严重警告，但训练速度也慢了 3 倍。
• 解决方案 3：恢复的性能是：在新的 conda env 中安装 pip 并使用 pip 安装 tensorflow。使用 conda-forge 也可以，但 tf 的版本很旧。

显然，对于 OSX tensorflow，Anaconda 中新的 Intel-MKL 优化被破坏了。