Help us understand the problem. What is going on with this article?

"Symbol not found: _PyUnicodeUCS2_AsASCIIString"エラーの解決法

More than 1 year has passed since last update.

状況

TensorFlowの学習済みモデルをCoreML用のモデルに変換するツールtfcoremlをインストールし、実行しようとすると下記のようなエラーに遭遇しました。

(tensorflow_coreml) $ python converter.py 

ImportError: dlopen({path-to-tensorflow}/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow_internal.so, 6): Symbol not found: _PyUnicodeUCS2AsASCIIString

tensorflowのimportに失敗してるようなので、確認してみます。

(tensorflow_coreml) $ python
>>> import tensorflow

結果は同様のエラー。

ちなみに上記環境でのpythonバージョンは2.7.11です。

python 3.5.xで同様の手順をやってみたところ、import tensorflowは動作しました。ただし、tf-coremlでは3.xはサポートされてないので、2.xで動かす必要があります。

解決法

"Symbol not found: _PyUnicodeUCS2_AsASCIIString"でググってみて出てくるラインナップを見ると、tf-coremlの問題というよりも、macOS 10.13 High Sierraの問題のようです。

この回答を見て、以下を実行しました。

$ CFLAGS="-I$(brew --prefix readline)/include -I$(brew --prefix openssl)/include" \
> LDFLAGS="-L$(brew --prefix readline)/lib -L$(brew --prefix openssl)/lib" \
> PYTHON_CONFIGURE_OPTS=--enable-unicode=ucs2 \
> pyenv install -v 2.7.11

あれやこれやオプションをつけてpyenvの2.7.11をインストールし直してるようです。

このpyenv環境下でもう一度TensorFlowのインストールからやり直すことで、先ほどのimportが通るようになり、tfcoremlも入れ直して動くようになりました。

Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした